Cátedra UCA · MIM Estadística Aplicada y Modelos de Regresión
Calendario Académico Oficial · Ciclo 2026

Planificación Semanal (Cronograma V3)

Estructura pedagógica de 13 semanas: fechas de clase, temario teórico-práctico, entregas de TPs y detalle bibliográfico requerido.

Sem Fecha Unidad Temario Teórico-Práctico (Notebooks) Lecturas Recomendadas
1 26/08/2026 Unidad 1 Análisis Exploratorio y Probabilidad
Repaso de estadística descriptiva. Manipulación de datos y visualización con Pandas y Seaborn. Conceptos fundamentales de probabilidad y variables aleatorias.
[1] Cap. 1 a 4
[5] Cap. 1
2 02/09/2026 Unidad 2 Inferencia, Estimación y Teorema Central del Límite
Estimación paramétrica (puntual y por intervalos). Tamaños de muestra. Pruebas de normalidad (Shapiro-Wilk, Q-Q Plots).
[1] Cap. 8
[5] Cap. 2
3 09/09/2026 Unidad 2 Test de Hipótesis y Análisis de Varianza (ANOVA)
Pruebas paramétricas (t de Student, F) y no paramétricas (Wilcoxon). Análisis de varianza (ANOVA de 1 factor) y comparaciones post-hoc (Tukey).
[1] Cap. 8
[5] Cap. 2
4 16/09/2026 - OLIMPÍADAS INTERUCA
Jornada institucional y deportiva. Sin dictado de clases teóricas ni prácticas.
-
5 23/09/2026 Unidad 3 Regresión Lineal Simple y Múltiple
Estimadores MCO, supuestos de Gauss-Markov. Bondad de ajuste ($R^2$, RMSE).
[5] Cap. 3
[6] Cap. 1 y 2
6 30/09/2026 Unidad 3 Diagnóstico de Modelos, Outliers y PCA
Análisis de residuos, multicolinealidad (VIF), valores atípicos y apalancamiento (Distancia de Cook). Ingeniería de características y Análisis de Componentes Principales (PCA).
🚨 Entrega de TP 1, TP 2 y TP 3
[4] Cap. 3
[6] Cap. 3 y 4
[7] Cap. 3
7 07/10/2026 - EVALUACIÓN PARCIAL
Evaluación teórico-práctica presencial sobre los contenidos de Unidades 1, 2 y 3.
-
8 14/10/2026 Unidad 4 Regresión Logística y Naive Bayes
Dictado integral de Unidad 4. Clasificación binaria, función sigmoidea, estimación MLE, Odds Ratios ($e^\beta$). Clasificador Naive Bayes, curvas ROC, matrices de confusión y costo de clasificación.
[4] Cap. 8
[7] Cap. 2
9 21/10/2026 Unidad 5 Modelos Basados en Árboles de Probabilidades, Regresión, Ensembles y Series de Tiempo
Árboles de Probabilidades (clasificación) y Regresión (CART). Por qué "árbol de decisión" es un término mal usado (estimación condicional vs reglas de decisión). Random Forest y Series de Tiempo.
[4] Cap. 8 y 9
[7] Cap. 2 y 5
10 28/10/2026 Unidad 6 Inferencia Causal: Fundamentos, DAGs y Causal ML
Correlación vs. Causalidad. Grafos Acíclicos Dirigidos (DAGs) y variables confusoras (confounders). Criterio Backdoor. Estimación de efectos con DoWhy/EconML. Taller de consultas y avances del TP Integrador.
[2] Cap. 1 a 6
[3] Cap. 1 a 6
11 04/11/2026 - Taller Práctico / Avances TP Integrador
Espacio para aplicar Inferencia Causal a los proyectos finales. Pruebas de refutación de modelos.
🚨 Entrega obligatoria de TP 4, TP 5 y TP 6
-
12 11/11/2026 - Cierre Técnico y Preparación de Defensas
Tutorías por grupo para el cierre de hitos del TP Integrador (Hito 3 y 4). Resolución de dudas y formato de reporte.
-
13 18/11/2026 - RECUPERATORIO / DEFENSA TP INTEGRADOR
Examen recuperatorio y defensa oral obligatoria del Proyecto Integrador. Cierre formal de cursada.
-

Fechas Límite de Entrega

  • Miércoles 30/09 (Semana 6): Entrega obligatoria TP 1, TP 2 y TP 3.
  • Miércoles 04/11 (Semana 11): Entrega obligatoria TP 4, TP 5 y TP 6.
  • Miércoles 18/11 (Semana 13): Entrega Final y Defensa Oral del TP Integrador.

Detalle de Bibliografía Requerida

[1] León-García, A. (2019)

Probability, statistics, and random processes

Cap. 1 a 4 y Cap. 8
[2] Ness, R. O. (2025)

Causal AI (Manning Publications)

Cap. 1 a 6
[3] Molak, A. (2023)

Causal inference and discovery in Python

Cap. 1 a 6
[4] Han, J., Kamber, M. (2012)

Data mining: Concepts and techniques

Cap. 3, 8 y 9
[5] Chan, Y. L. et al. (2020)

Análisis inteligente de datos con R (edUTecNe)

[6] Szretter Noste, M. E. (2017)

Apunte de regresión lineal (FCEyN)

Cap. 1 a 4
[7] Müller, A. C., & Guido, S. (2016)

Introduction to machine learning with Python (O'Reilly)

Cap. 1 a 3 y 5