<p><h3Módulo 2: Modelos lineales y optimización</h3></p><p>Este módulo presenta modelos lineales, el componente básico de casi todos los modelos. Mediante un examen detenido de los usos comunes junto con ejemplos de modelos lineales, aprenderá cómo aplicar modelos lineales, incluidas las funciones de costos y las funciones de producción para su negocio. El módulo también incluye una presentación de los procesos de crecimiento y decadencia en tiempo discreto, crecimiento y decadencia en tiempo continuo, junto con sus cálculos de valor presentes y futuros asociados. Se discuten las técnicas clásicas de optimización. Al final de este módulo, podrá identificar y comprender la estructura clave de los modelos lineales y sugerir cuándo y cómo usarlos para mejorar los resultados de su negocio. También podrá realizar cálculos de valor presente que son fundamentales para las métricas de valoración. Además,</p>

<p><h3Módulo 3: Modelos probabilísticos</h3></p><p>Este módulo explica los modelos probabilísticos, que son formas de capturar el riesgo en proceso. Deberá utilizar modelos probabilísticos cuando no conozca todas sus entradas. Examinará cómo los modelos probabilísticos incorporan la incertidumbre y cómo esa incertidumbre continúa hasta los resultados del modelo. También descubrirá cómo la propagación de la incertidumbre le permite determinar un rango de valores para la predicción. Aprenderá los modelos de riesgo más utilizados, incluidos modelos de regresión, modelos basados ​​en árboles, simulaciones de Monte Carlo y cadenas de Markov, así como los componentes básicos de estos modelos probabilísticos, como variables aleatorias, distribuciones de probabilidad, Bernoulli variables aleatorias, variables aleatorias binomiales, la regla empírica y quizás la más importante de todas las distribuciones estadísticas, la distribución normal, caracterizado por la desviación estándar y media. Al final de este módulo, podrá definir un modelo probabilístico, identificar y comprender los modelos probabilísticos más utilizados, conocer los componentes de esos modelos y determinar los modelos probabilísticos más útiles para capturar y explorar el riesgo en su propio negocio.</p>

<p><h3Módulo 4: Modelos de regresión</h3></p><p>Este módulo explora modelos de regresión, que le permiten comenzar con datos y descubrir un proceso subyacente. Los modelos de regresión son las herramientas clave en el análisis predictivo y también se utilizan cuando tiene que incorporar la incertidumbre de forma explícita en los datos subyacentes. Aprenderá más sobre qué son los modelos de regresión, qué pueden y qué no pueden hacer, y las preguntas que los modelos de regresión pueden responder. Examinará la correlación y la asociación lineal, la metodología para ajustar la mejor línea a los datos, la interpretación de los coeficientes de regresión, la regresión múltiple y la regresión logística. También verá cómo la regresión logística le permitirá estimar las probabilidades de éxito. Al final de este módulo, podrá identificar los modelos de regresión y sus componentes clave, comprender cuándo se utilizan,</p>

<p><h3</h3></p><p></p>