
Introducción a la interfaz de R Studio: interfaz de línea de comando, de gráficos, de objetos y de base de datos. Además, se presenta un primer script de ayuda con comandos básicos como transformación de variables, atajos e instalación de librerías para tener en cuenta a lo largo de todo el desarrollo del curso.
Introducción a la estructura interna de R Studio: el funcionamiento por medio de librerías y objetos. Se analiza como instalar librerías para usar estadísticos y qué significan los objetos como vectores, dataframes, entre otros.
Teoría: Distribución de Frecuencias para variables nominales, ordinales y escalares
Distribución de Frecuencias junto con script externo
Gráficos simples
Teoría: Estadísticos de Centralidad: media, mediana y moda
Teoría: Estadísticos de Dispersión: varianza, desviación estándar, mínimo y máximo
Teoría: Estadísticos de Orden y Sesgo: cuartiles, percentiles, asimetría y kurtosis
Estadísticos de centralidad
Estadísticos de dispersión
Estadísticos de orden y sesgo
Teoría: Distribución Normal, Hipótesis Nula y Alternativa y Niveles de Significancia
Distribución normal
Pruebas de normalidad junto a script externo
Teoría: Estimación de Parámetros e Intervalos de Confianza y error para una muestra y error para una proporción
Intervalo de Confianza y error para una Muestra junto con sript adicional
Intervalo de Confianza y error para una Proporción junto con script adicional
Teoría: Pruebas t, hipótesis de trabajo y niveles de significancia
Teoría: prueba t para una muestra y prueba t para muestras indepedientes, hipótesis de trabajo y requisitos
Teoría: prueba t para muestras relacionadas y ANOVA, hipótesis de trabajo, requisitos y post-hoc
Prueba t para una muestra
Prueba t para muestras independientes
Gráficos con ggplot
Requisitos
Prueba t para muestras relacionadas
ANOVA
Gráficos con ggplot
Requisitos
Pruebas post Hoc
Teoría: Conceptos principales en torno a la Asociación y Correlación de variables
Teoría: Conceptos de Asociación y Correlación para variables nominales, ordinales y escalares
Asociación para Nominales
Creación de Tablas
Análisis de Significancia
Asociación para Ordinales
Creación de Tablas
Análisis de Significancia
Correlación para Escalares
Análisis de Significancia
Teoría: Pruebas no paramétricas equivalentes a las pruebas t
Prueba de Rangos de Signos de Wilcoxon (equivalente a prueba t para una muestra)
Prueba U de Mann-Whitney (equivalente a prueba t para muestras independientes)
Prueba U de Mann-Whitney (equivalente a prueba t para muestras relacionadas)
Kruskal-Wallis (equivalente a ANOVA)
Teoría: Análsis Factorial e indicadores e índices
Análisis de Validez y Fiabilidad
Análisis Factorial
Teoría: Análisis de Clusters
Clasificación por clústers
Análisis interno de varianza en clústers
Análisis externo por ANOVA entre clústers
Teoría: Modelo Regresión Lineal Simple y Múltiple, formación del modelo
Teoría: Requisitos de 1) relación lineal entre las variables predictora y la variable dependiente, 2) normalidad en los residuos y 3) homocedasticidad en residuos
Teoría: Requisitos de 4) no multicolinealidad, 5) no autocorrelación y 5) valores atípicos e influyentes
Modelo de Regresión Lineal Múltiple
Validación del Modelo
Estudio de los requisitos (I)
Gráficos con ggplot
Estudio de los requisitos (II)
Interpretación del Modelo
Teoría: Regresión Logística Binaria, formación del modelo
Modelado de Regresión Logística
Interpretación del Modelo
Gráfico del Modelo
Análisis de Predicción
Bienvenido a Estadística con R Studio
La Estadística está presente en la mayoría de programas universitarios: medicina, psicología, ciencias sociales, ingenierías; es decir, está totalmente masificada. Pero, es a partir de esta masificación que se generan una serie de inquietudes con respecto a su aplicación profesional:
Primero, cuando lo aprendes en la universidad, utilizas los laboratorios informáticos de la facultad, por lo general con software de pago (SPSS, STATA) y fuera de tu alcance una vez finalizada la carrera.
Segundo, no estudiaste Estadística desde el grado y deseas especializarte en este tema, pero no sientes que tus conocimientos sean lo suficientemente profundos como para que te acepten en una Maestría.
Tercero, en tu ámbito laboral se trabajan bases de datos a diario, pero no sientes que tus superiores te brinden la confianza suficiente como para aportar en esa materia por no tener cursos de especialización en el tema.
Este curso está diseñado para resolver estas problemáticas:
Utiliza el software R Studio de código abierto válido en cualquier empresa sin costo
Profundiza en los conocimientos y la interpretación de los estadísticos
Brinda horas de práctica con bases de datos reales y scripts actualizados
El curso tiene una estructura muy simple: primero se describen los conceptos teóricos en videos cortos pero cargados de información. Luego, se pasa a la versión práctica: en R Studio, donde utilizando bases de datos reales estudiamos los estadísticos de cada unidad para así interpretarlos y dominarlos completamente. Las bases de datos, los scripts y las diapositivas son descargables para su posterior utilización, una vez finalizado el curso.