Análisis de “Curso completo de Estadística a nivel universitario” de Elisa Cabana: ¿vale la pena?

Qué promete y qué encontré al analizarlo

El Curso completo de Estadística a nivel universitario, de Elisa Cabana, que se presenta como doctora en estadística, profesora universitaria e investigadora, promete todos los temas de la asignatura en un solo curso, de la estadística descriptiva a los contrastes de hipótesis. Son 14.8 horas en 138 clases, con 15,287 alumnos y 2,281 reseñas que le dan un 4.66. Se creó en 2018 y su última actualización es del 20 de abril de 2026.

Al revisar sus 19 secciones, el enfoque es el de una asignatura: teoría, ejemplos y ejercicios resueltos en pantalla en cada tema, más 51 artículos de apoyo, entre ellos hojas de ejercicios con soluciones, resúmenes de fórmulas y tablas estadísticas. La descripción aclara lo más importante para un futuro analista: no se usa ningún software, porque el objetivo es entender qué hay detrás de cada cálculo.

El temario, en resumen

• Descriptiva (25 elementos, 2.5 h): tablas de frecuencias, datos agrupados, cuantiles, boxplot, asimetría, tablas de doble entrada, covarianza, correlación e introducción a la regresión.
• Probabilidad (12, 2.2 h): sucesos, probabilidad condicionada y teoremas de la probabilidad total y de Bayes, con un ejercicio de Bayes sobre una prueba de COVID-19.
• Distribuciones (19, 2.8 h): Bernoulli, binomial, Poisson, uniforme, exponencial, normal con uso de tablas, t de Student, chi-cuadrado y F.
• Estimación (21, 2.3 h): media, varianza y proporción muestrales, propiedades de los estimadores, método de los momentos y máxima verosimilitud, con seis ejercicios marcados como nuevos.
• Inferencia (31, 2.6 h): intervalos de confianza para uno y dos parámetros, contrastes paramétricos con p-valor y no paramétricos (chi-cuadrado de Pearson y Kolmogorov-Smirnov).
• Regresión y cierre (14, 1.9 h): regresión lineal simple y múltiple, R², inferencia y residuos, un examen tipo test de 11 preguntas y un ejercicio de examen completo de 33 minutos.

Puntos fuertes

• Temario completo y en buen orden. Va de la descriptiva a la probabilidad, las distribuciones, la estimación, los intervalos, los contrastes y la regresión, la secuencia de un primer curso universitario. Es el primer curso de estadística que analizamos.
• Ejercicios resueltos en cada tema. Casi todas las secciones tienen varios ejercicios en video y una hoja con soluciones, más resúmenes de fórmulas y tablas de la t de Student, chi-cuadrado y F en artículos descargables. Para preparar un examen, es justo lo que hace falta.
• Explica lo que el software esconde. Como ingeniero, valoro especialmente este enfoque: al calcular a mano un intervalo o un p-valor entiendes qué supuestos hay detrás. Quien solo llama a una función no detecta cuándo sus parámetros por defecto no sirven para su problema.
• Vivo y bien valorado. 2,281 reseñas con un 4.66 y 10 elementos marcados como nuevos, entre ellos seis ejercicios de máxima verosimilitud y un examen de inferencia resuelto.

Aspectos mejorables

• Nada de software. Todo se calcula a mano y con tablas, sin Excel, Python ni R. Para aprobar un examen es una ventaja; para un analista, que hace estas pruebas con una función, significa aprender aparte a aplicarlas en su herramienta.
• Los contrastes, más cortos de lo que pesan en el trabajo. Los contrastes paramétricos ocupan 45 minutos de video y los no paramétricos 25, frente a 2.3 horas de estimación. Por los títulos, no aparecen pruebas A/B ni ANOVA, que son las que más usa un analista en marketing o producto.
• Más matemática de la que dicen los requisitos. Se piden «conocimientos básicos de matemáticas», pero la máxima verosimilitud usa derivadas y logaritmos, y el propio curso incluye artículos de repaso de ambos. Si no los recuerdas, esa sección será la más dura.
• Visualización y práctica evaluada, mínimas. La sección de visualización de datos es un solo artículo, sin video, y hay 2 cuestionarios con 13 preguntas en total. Además, los objetivos prometen un «certificado oficial válido y reconocido», pero es el de finalización de Udemy, con el valor que explicamos en esta guía sobre su valor curricular.

Conclusión honesta

El Curso completo de Estadística a nivel universitario cumple su título: es una asignatura entera, explicada con calma y con ejercicios resueltos en cada tema. Para un estudiante que necesita aprobarla, o para quien quiere entender qué hay detrás de un p-valor antes del análisis de datos o el machine learning, es una base excelente.

Para el trabajo de analista, tómalo como la teoría y complétalo con la práctica en una herramienta: Python y visualización con Visualizaciones y Análisis de Datos en Python, o modelos con Machine Learning y Data Science con Python. La ruta para ser analista de datos te ayuda a decidir el orden.

Preguntas frecuentes