Sesion 1 y 2:

- Visión general del SPSS.

- Creación de un archivo de trabajo en SPSS.
- Ingreso de datos y creación variables y casos.
- Transformación de datos. Calcular. Contar apariciones, Recodificar. Categorizar
variables.
- Asignar rangos. Reemplazar valores perdidos. Modificar archivos de datos.
- Análisis Descriptivo. Tablas de frecuencias. Frecuencias absolutas y relativas
- Estadísticos descriptivos; tendencia central y dispersión.
- Posición, forma de la distribución. Puntuaciones típicas y curva normal.
- Análisis Exploratorio y Tablas estadísticas cruzadas.
- Diagramas de caja. Diagramas de tallo y hojas. Detección de valores atípicos.

Sesion 3
- Introducción a la Estadística Inferencial. Definición, Estimación de Parámetros y
tópicos relativos.
Estadístico Chi cuadrado: Prueba de Independencia y de Homogeneidad. Ejemplos
aplicativos. Verificación del supuesto de Normalidad: Prueba Kolmogorov-Smirnov y
otras Pruebas.
- Análisis de Correlación Lineal: Correlaciones bivariadas: Correlación de Pearson
y No parametricas
- Prueba t para 1 muestra. Prueba t para muestras relacionadas, Prueba t para
muestras independientes.

Sesion 4
- ANOVA de un factor. Verificación del cumplimiento de los supuestos.
- ANOVA Factorial. Interacción.
- ANCOVA

Sesion 5 y 6
- Análisis de Correlación Lineal: Correlaciones bivariadas: Correlación de Pearson.

- Modelo de Regresión Lineal Simple: Planteamiento del modelo.

- Métodos de estimación de parámetros, Evaluación de la bondad de ajuste del
modelo.
- Coeficiente de correlación, coeficiente de determinación {R^2 ), R^2 Ajustado,
ANOVA.
- Prueba t para la significancia de la variable regresora. Intervalo de Confianza
para beta.

Sesion 7 y 8
- Introducción al Análisis Multivariado de datos. Matrices y Prueba de normalidad
Multivariada.
- Modelo de regresión Lineal Múltiple.
- Evaluación de la Adecuación del modelo: Análisis de los residuos.
- Identificación, causa, efecto y solución de la Heterocedasticidad. Solución de la
Mu lticol ineali dad.
- Identificación, causa, efecto y solución de la Autocorreación. Regresión con
variables Dummy.

Sesion 9
- Regresión Logística Binaria: El modelo. Interpretación de los OR. Métodos de
selección de variables.

Sesion 10
- Análisis Factorial Exploratorio y/o PCA: Estadísticos descriptivos, Extracción de
factores.
Sesion 11
- Análisis de Correspondencia Simple: Modelo, dimensiones de la solución.

Sesion 12
- Análisis Discriminante: El caso de dos grupos, Matrices, Coeficientes de la
función discriminante.

Sesion 13
- Clúster jerárquico: historial de conglomeración, Matriz de proximidades, Clúster
de pertenencia.