-
Comprender los fundamentos de la teoría de la probabilidad y su aplicación computacional.
-
Definir e interpretar variables aleatorias discretas y continuas.
-
Simular distribuciones, estimadores e inferencias mediante programación.
-
Analizar propiedades de estimadores: insesgamiento, consistencia, eficiencia.
-
Aplicar herramientas estadísticas para resolver problemas reales con datos.
Profesionales y empresas
Que buscan dominar herramientas de IA, automatización y analítica avanzada.
Estudiantes y egresados
Que desean actualizar sus conocimientos y acceder a oportunidades laborales.
Equipos corporativos
Que requieren formación estratégica para impulsar la transformación digital
Curso: Estadística Computacional
Teoría de la probabilidad y variables aleatorias
-
Experimentos aleatorios, espacio muestral, eventos.
-
Reglas de la probabilidad: unión, intersección, probabilidad condicional.
-
Teorema de Bayes y aplicaciones computacionales.
-
Definición de variable aleatoria: discreta y continua.
-
Funciones de probabilidad, densidad y distribución.
-
Simulación de variables con numpy.random.
-
Cálculo de esperanza, varianza y momentos.
-
Ejercicios de simulación y visualización en Python.
Resultados del curso
Al finalizar el curso, los participantes serán capaces de
Comprender y aplicar conceptos fundamentales de probabilidad y variables aleatorias en contextos reales y simulados.
Simular distribuciones estadísticas y estudiar sus propiedades empíricas con Python.
Analizar y comparar estimadores en términos de insesgamiento, eficiencia y consistencia.
Construir intervalos de confianza y realizar pruebas de hipótesis, interpretando resultados correctamente.
Implementar análisis estadísticos completos y reproducibles, desde la teoría hasta la aplicación práctica.
Instructor del Curso
Antonio Murillo Reyes
Economista/Data Science.
Máster en Econometría (Univ. Torcuato Di Tella - Argentina), MBA en Administración de Empresas (UCB – Bolivia) y Posgrado en IA y Ciencia de Datos (UNC-Argentina). Especializado en análisis Macroeconómico y Modelación Econométrica. Fue Analista Senior en el Banco Central de Bolivia. Docente de postgrado en Econometría y Machine Learning en posgrados en Bolivia y Ecuador..
Metodología de Enseñanza
Aprendizaje práctico
Basamos nuestra enseñanza en proyectos reales que reflejan los desafíos cotidianos de las empresas
Plataformas interactivas
Utilizamos simuladores y herramientas digitales que facilitan la comprensión de conceptos complejos
Evaluación continua
Medimos constantemente el impacto para ajustar metodologías y optimizar resultados
Cursos relacionados
.webp)
.png)
Certificación
Diploma digital verificable a través del sistema de verificación de autenticidad.
Certificados extendidos por la Secretaría de Cultura y Extensión Instituto Deep Quantics Bolivia.
PREGUNTAS FRECUENTES
Resuelve tus dudas al instante
¿Por que Deep Quantics?