Certificado avançado em Estatística Aplicada

Certificado Avançado em Estatística Aplicada

O certificado avançado em Estatística Aplicada é projetado para engenheiros, cientistas, analistas e outros profissionais que querem uma formação sólida em métodos estatísticos que são mais estreitamente relacionados ao seu trabalho. Licenciados deste programa será capaz de caracterizar a variação em seus processos através de análise de variância, processos modelo por meio de regressão, e otimizar processos através de projeto experimental. Com base em disciplinas eletivas, o aluno poderá também ser capaz de construir processos e produtos robustos, executar técnicas avançadas de desenho experimental, criar modelos de séries temporais, estudar relações multivariadas, ou investigar confiabilidade dos produtos. Os cursos podem ser concluída como uma credencial autônomo ou aplicado para o mestrado em estatística aplicada.

Admissão

A admissão a este programa avançado certificado será concedido aos titulares qualificado de um bacharelado de uma faculdade ou universidade que têm:

• um GPA aceitável (3.0 recomendado)
• probabilidade aceitável e estatísticas créditos universitários.
• Um curso de cálculo, com pelo menos um GPA 3.0. (Note-se que os requisitos para o cálculo de nível universitário aplicável aos requisitos para o MS em Estatística Aplicada, mas não a este certificado avançado.)

Os candidatos que não cumpram estes requisitos podem ser admitidos em uma base de contingência - que será necessário para concluir esses pré-requisitos antes da matrícula no programa certificado.

Exames de admissão não são necessários. No entanto, os estudantes internacionais cuja língua materna não é o Inglês deve ter uma pontuação no TOEFL de pelo menos 550 (em papel-) ou (computer-based) 213.

Primeiro Ano

• Modelos Lineares Aplicados - Regressão
• Modelos Lineares Aplicados - ANOVA

• Fundamentos Lean Seis Sigma
• Controlo Estatístico de Qualidade
• Desenho de Experiências
• Princípios de Data Mining Estatístico
• Estatística Não Paramétrica e Bootstrapping
• Análise Multivariada
• Análise e Previsão de Séries Temporais
• Desenho e Análise de Ensaios Clínicos
• Análise de Dados Categoriais