MÉTODOS CUANTITATIVOS DE INVESTIGACIÓN EN POCAS PALABRAS
ESTADÍSTICA DESCRIPTIVA Y MOMENTOS DE DISTRIBUCIÓN
TEORÍA Y PROBABILIDAD DE LAS DISTRIBUCIONESRUEBAS DE HIPÓTESIS
MÉTODOS ESTADÍSTICOS PARA UNA VARIABLE
MÉTODOS ESTADÍSTICOS PARA DOS O MÁS VARIABLES
SIMULACIÓN, MODELACIÓN PREDICTIVA, Y OPTIMIZACIÓN
MOMENTOS DE DISTRIBUCIÓN
MEDICIÓN DEL CENTRO, DISPERSIÓN, ASIMETRÍA, EVENTOS EXTREMOS EN UNA DISTRIBUCIÓN
PRUEBA DE HIPÓTESIS
PASOS PARA ESTABLECER UNA PRUEBA DE HIPÓTESIS
TEOREMA DEL LÍMITE CENTRAL
ERRORES TIPO I, TIPO II, TIPO III, Y TIPO IV, Y SESGOS EN EL MUESTREO DE DATOS

ANALÍTICA MÁS COMÚN
PRUEBA-T DE DOS MUESTRAS CON VARIANZA IGUAL
PRUEBA-T DE DOS MUESTRAS CON VARIANZA DESIGUAL
PRUEBA T DE DOS MUESTRAS CON MEDIAS DEPENDIENTES
PRUEBA-F DE VARIANZAS DESDE MUESTRAS INDEPENDIENTES
PRUEBA-Z de PROPORCIONES
PRUEBA Z DE PROPORCIONES Y MEDIAS
ANOVA SIMPLE CON MÚLTIPLES TRATAMIENTOS
ANOVA CON PRUEBA DE BLOQUES ALEATORIZADOS
ANOVA DE DOS VÍAS, ANCOVA, MANOVA, Y MANOVA DE DOS VÍAS
PRUEBAS CHI CUADRADO
CORRELACIONES LINEALES Y NO LINEALES
NORMALIDAD Y AJUSTE DE DISTRIBUCIÓN: Kolmogorov-Smirnov, Chi-Cuadrado, Criterio de Información de Akaike, Anderson-Darling, Estadístico de Kuiper, y Criterio Schwarz/Bayes
PRUEBAS NO PARAMÉTRICAS: Prueba de Runs para Aleatoriedad, Prueba de Rangos con Signo de Wilcoxon, Prueba de Lilliefors, Prueba de Kruskal-Wallis, Prueba de Friedman
CONFIABILIDAD Y CONSISTENCIA: Kappa de Cohen, Alfa de Cronbach, "Consistencia" Interna, Confiabilidad con Lambda de Guttman, Medidas de Correlación Inter-Clase (ICC), Medida de Concordancia Entre Evaluadores de la W de Kendall, Diversidad de Datos, Homogeneidad de Shannon, Brillouin, y Simpson, Validez Interna, Validez Externa, Previsibilidad y Exactitud: Akaike, Bayes, Hannan-Quinn, Diebold-Mariano, Pesaran-Timmermann, Precisión y Control de Errores
REGRESIÓN MULTIVARIADA LINEAL Y NO LINEAL
REGRESIÓN BIVARIADA
PRUEBAS PARA LA MULTICOLINEALIDAD Y HETEROCEDASTICIDAD
MÉTODOS AVANZADOS DE REGRESIÓN, MÉTODOS RELACIONADOS CON LA REGRESIÓN, Y SUS VARIACIONES
MÁS ALLÁ DE LA REGRESIÓN MÚLTIPLE: MODELACIÓN DE ECUACIONES ESTRUCTURALES (SEM) CON MÍNIMOS CUADRADOS PARCIALES (PLS) SOBRE ESTIMACIÓN DE RUTAS
MÁS ALLÁ DE LA REGRESIÓN MÚLTIPLE: ENDOGENEIDAD Y MÉTODOS DE ECUACIONES SIMULTÁNEAS Y MÍNIMOS CUADRADOS EN DOS ETAPAS
MÁS ALLÁ DE LA REGRESIÓN MÚLTIPLE: CAUSALIDAD DE GRANGER Y MÉTODOS ENGLE-GRANGER
MÁS ALLÁ DE LA REGRESIÓN MÚLTIPLE: Regresión Múltiple de Poisson (Población y Frecuencia), Regresión Múltiple (Regresión de Deming con Varianza Conocida), Regresión Múltiple (Regresión Logística Ordinal), Regresión Múltiple de Ridge (Varianza Baja, Sesgo Alto, Alto VIF), Regresión Múltiple Ponderada (Arreglando la Heterocedasticidad)

INTELIGENCIA ARTIFICIAL & MACHINE LEARNING
BAGGING MEDIANTE AJUSTE LINEAL POR BOOTSTRAP
BAGGING MEDIANTE AJUSTE NO LINEAL POR BOOTSTRAP
ÁRBOLES DE CLASIFICACIÓN Y REGRESIÓN - CART
CLASIFICACIÓN CON MEZCLA GAUSSIANA & SEGMENTACIÓN DE K-MEDIAS (NO SUPERVISADA)
CLASIFICACIÓN CON LOS K-VECINOS MÁS CERCANOS
CLASIFICACIÓN CON ÁRBOLES FILOGENÉTICOS & AGRUPAMIENTO JERÁRQUICO (NO SUPERVISADA)
CLASIFICACIÓN CON MÁQUINAS DE VECTORES DE SOPORTE
MODELO AJUSTADO PERSONALIZADO
REDUCCIÓN DE DIMENSIÓN MEDIANTE EL ANÁLISIS DE COMPONENTES PRINCIPALES
REDUCCIÓN DE DIMENSIÓN MEDIANTE EL ANÁLISIS FACTORIAL
AJUSTE COMÚN DE ENSAMBLE (NO LINEAL)
AJUSTE COMPLEJO DE ENSAMBLE (NO LINEAL)
ENSAMBLE DE SERIES DE TIEMPO
MODELO DE AJUSTE LINEAL
ANÁLISIS DISCRIMINANTE MULTIVARIADO (LINEAL)
ANÁLISIS MULTIVARIADO DISCRIMINANTE (CUADRÁTICO)
RED NEURONAL (NEURAL NETWORK)
CLASIFICACIÓN BINARIA LOGÍSTICA
CLASIFICACIÓN BINARIA NORMIT PROBIT
BOSQUE ALEATORIZADO
SEGMENTACIÓN