Lenguaje R Estadísticas y Regresión

Presencial

Probabilidades
1.1. La incertidumbre siempre presente
1.2. El experimento aleatorio y definición de probabilidad
1.3. Eventos atómicos y compuestos
1.4. Definiciones y reglas fundamentales
1.5. La distribución binomial
1.6. Variables aleatorias discretas
1.7. Esperanza y varianza de una variable aleatoria

2. Estadística Descriptiva
2.1. Gráficos de distribución
2.2. Gráficos de dispersión
2.3. Estadísticas de tendencia central: media, mediana y moda
2.4. Estadísticas de variabilidad: varianza y desviación estándar
2.5. Estadísticas de asociación: covarianza y correlación
2.6. Muestras

3. Primeros Pasos con Lenguaje R
3.1. Ayuda de R
3.2. Objetos y asignación
3.3. Conjuntos de datos (“data sets”)
3.4. Cargar datos desde un archivo .csv
3.5. Desplegar gráficos
3.6. Consultar las estadísticas
3.7. Laboratorio

4. Variables Aleatorias
4.1. Muestreo: relación con variables aleatorias
4.2. Variables aleatorias continuas
4.3. La distribución normal
4.4. La distribución t
4.5. Estimadores no sesgados y eficientes
5. Conceptos Básicos de Regresión
5.1. ¿Qué es la regresión lineal y para qué sirve?
5.2. El modelo simple con dos variables
5.3. El método de los mínimos cuadrados (OLS)
5.4. Interpretación de una ecuación de regresión
5.5. Bondad de ajuste de un modelo: R2

6. Regresión Lineal con R
6.1. Cargar datos
6.2. Mostrar gráfico de dispersión
6.3. Manipular gráfico
6.4. Regresión
6.5. Obtener coeficientes y R2
6.6. Aplicar modelo
6.7. Laboratorio

7. Automatización de R
7.1. Uso de scripts
7.2. Ejecución desde la línea de comandos
7.3. Automatización de scripts
7.4. Laboratorio

8. Varianza de los Coeficientes de Regresión y Verificación de Hipótesis
8.1. Teorema Gauss-Markov
8.2. Error estándar de los coeficientes de regresión
8.3. Verificación de hipótesis
8.4. La prueba F de bondad de ajuste
8.5. Relación entre prueba F y prueba t

9. Verificación con R
9.1. Error estándar
9.2. Valores t
9.3. Valores F
9.4. Laboratorio

10. Modelos con Varias Variables Explicativas
10.1. El modelo general
10.2. Precisión de los coeficientes
10.3. Multicolinealidad
10.4. Prueba F y prueba t en el modelo de regresión múltiple
10.5. Laboratorio

11. Modelos No Lineales
11.1. Linealidad y no linealidad
11.2. Transformaciones logarítmicas
11.3. Modelos polinomiales
11.4. Laboratorio

12. Variables Categóricas
12.1. Ejemplo introductorio con una variable binaria
12.2. Generación de variables binarias a partir de una categórica
12.3. Variables binarias de pendiente
12.4. La prueba Chow
12.5. Laboratorio

Profesionales de diversas áreas: salud, educación, políticas públicas, organismos del estado, ONG’s, y también del sector privado, a menudo se enfrentan a la necesidad de presentar evidencias que apoyen decisiones que deben tomar, o que indiquen el camino a seguir frente a situaciones complejas y sujetas a la incertidumbre e información incompleta. Para ello necesariamente deben realizar un análisis estadístico. Si bien muchos profesionales han tenido un curso de estadística o regresión en sus estudios universitarios o técnicos, después de años sin practicarlo no siempre se encuentran preparados para abordar un trabajo de este tipo, sujeto a las exigencias del mundo laboral. Este curso se presenta como un repaso y un “salvavidas” práctico para ayudar a los profesionales a realizar trabajos de análisis estadístico con un software potente, de modo que puedan rápidamente entregar resultados y cumplir las expectativas en su trabajo profesional.

Empresa

40 horas

Staff de Golden Training

Huérfanos 886 Oficina 926 Piso 9
Café, Te, Surtido de Hierbas, Jugo, Surtido de Galletas, Sándwiches de Miga
Metodología
El curso se dicta bajo modalidad presencial y el enfoque está basado en el aprendizaje interactivo utilizando como principal recurso la dinámica de taller.