SESIÓN 01: INTRODUCCIÓN A R

• Objetivo:
  • ​Explicar las principales características de R, descargar e instalar el software y conocer las principales funciones del mismo.
• Temas:
  • ¿Qué es R?
  • Instalación y descarga
  • Utilidad r
  • Editores especializados
  • Área de trabajo (workspace)
  • Paquetes
  • R como calculadora
• Ejemplos:
  • Utilizando Ayuda
  • Directorio de trabajo
  • Operaciones matemáticas
  • Instalación de paquetes
  • Personalización de RStudio

SESIÓN 02: GESTIÓN DE BASE DE DATOS

• Objetivo:
  • Detallar la gestión de base de datos: tipos, estructura de datos que se presentan en R; y explicar la importación y exportación de distintos archivos.
• Temas:
  • Base de datos
  • Importación de datos
  • Exportación de datos
• Ejemplos:
  • Importación de un archivo XLSX
  • Exportación de un archivo XLSX 
  • Importación de un archivo CSV
  • Importar un archivo DTA
  • Importación y exportación

SESIÓN 03: MANEJO DE DATOS

• Objetivo:
  • Detallar la preparación de una base de datos para la manipulación de la misma a través de R.
• Temas:
  • Crear una variable
  • Etiquetar una variable
  • Renombrar variable
  • Recodificar variables
  • Ordenar datos
  • Fusionar datos
• Ejemplos:
  • Crear una nueva variable
  • Renombrar variable
  • Fusión de Datos - Parte I
  • Fusión de Datos - Parte II

SESIÓN 04: ESTADÍSTICA DESCRIPTIVA

• Objetivo:
  • ​Explicar sobre la estadística descriptiva y aplicarlo en R.
• Temas:
  • Estadística descriptiva
  • Medidas de tendencia central
  • Medidas de tendencia no central
  • Medidas de dispersión
  • Medidas de forma
• Ejemplos:
  • Distribución de frecuencias
  • Medidas de tendencia central y no central
  • Medidas de dispersión

SESIÓN 05: GRÁFICOS EN R

• Objetivo:
  • Elaborar diferentes gráficos estadísticos mediante el uso de R.
• Temas:
  • Gráficos estadísticos
  • Gráficos univariantes
  • Gráficos multivariantes
• Ejemplos:
  • Gráficos univariantes - Cualitativos
  • Gráficos univariantes - Cuantitativos
  • Diagrama de dispersión

SESIÓN 06: MUESTREO ALEATORIO

• Objetivo:
  • Dar a conocer la importancia de la selección aleatoria en las muestras para realizar estimaciones o inferencias en la población.
• Temas:
  • Conceptos previos
  • Tipos de muestreo
  • Muestreo aleatorio simple
• Ejemplos:
  • Media estimada
  • Promedio
  • Intervalo de confianza

SESIÓN 07: PROBABILIDADES

• Objetivo:
  • Presentar la importancia de la selección aleatoria en las muestras para realizar estimaciones o inferencias en la población.
• Temas:
  • Probabilidades
  • Experimentos aleatorios
  • Espacio muestral
  • Eventos
  • Probabilidad con R
• Ejemplos:
  • Muestra aleatoria
  • Función Cards
  • Función Subset

SESIÓN 08: TÉCNICAS DE CONTEO

• Objetivo:
  • Aplicar combinatorias o permutaciones en los análisis mediante R.
• Temas:
  • Conteo de puntos muestrales
  • Variaciones
  • Permutaciones
  • Combinaciones
  • Probabilidad con R
• Ejemplos:
  • Variación sin repetición
  • Combinatoria sin repetición
  • Permutación sin repetición
  • Variación con repetición
  • Combinatoria con repetición

SESIÓN 09: DISTRIBUCIONES DISCRETAS

• Objetivo:
  • Explicar las principales distribuciones discretas y la aplicación de las mismas mediante R.
• Temas:
  • Ensayos Bernoulli
  • Distribución binomial
  • Distribución geométrica
  • Distribución binomial negativa
  • Distribución hipergeométrica
  • Distribución Poisson
• Ejemplos:
  • Poisson
  • Hipergeométrica
  • Binomial
  • Distribución geométrica
  • Binomial negativa

SESIÓN 10: DISTRIBUCIONES CONTINUAS

• Objetivo:
  • Presentar las principales distribuciones continuas y la aplicación de las mismas mediante R.
• Temas:
  • Distribución uniforme
  • Distribución normal
  • Distribución exponencial
  • Distribución chi-cuadrado
  • Distribución T student
  • Probabilidad F
• Ejemplos:
  • Normal
  • Chi-cuadrado
  • Gráfica de función densidad de la distribución normal
  • Exponencial
  • T-student

SESIÓN 11: ESTIMACIÓN DE PARÁMETROS

• Objetivo:
  • Explicar sobre la sobre estadística inferencial y aplicarlos en R.
• Temas:
  • Estimación puntual
  • Estimación por intervalos
  • Estimación por intervalo de la media
• Ejemplos:
  • Intervalo de confianza
  • Intervalo de confianza para la proporción
  • Intervalo de confianza para la varianza
  • Diferencia de medias 
  • Diferencia de proporciones

SESIÓN 12: PRUEBAS ESTADÍSTICAS PARAMÉTRICAS

• Objetivo:
  • Explicar las pruebas de estadística paramétrica y los procedimientos usando R.
• Temas:
  • Pruebas de hipótesis
  • Prueba T para una muestra
  • Prueba T para muestras independientes
  • Prueba T para muestras relacionadas
  • Prueba Z para una muestra
  • Prueba Z para dos muestras
• Ejemplos:
  • Prueba Z
  • Muestras relacionadas
  • Prueba T dos colas
  • Prueba T para muestras independientes - Parte 1
  • prueba T para muestras independientes - Parte 2

SESIÓN 13: PRUEBAS ESTADÍSTICAS NO PARAMÉTRICAS

• Objetivo:
  • Explicar sobre las pruebas de estadística no paramétrica y los procedimientos mediante R.
• Temas:
  • Chi-cuadrado
  • Binomial
  • Rachas
  • Kolmogorov-Smirnov
  • U de Mann Whitney-Wilcoxon
  • Kruskall-Wallis
  • Rangos de signos de Wilcoxon
  • Friedman
• Ejemplos:
  • Chi-cuadrado
  • Kolmogorov-Smirnov
  • Friedman
  • Prueba de los Kruskall Wallis
  • Prueba de los rangos con signo de Wilcoxon

SESIÓN 14: MODELOS DE REGRESIÓN LINEAL

• Objetivo:
  • Desarrollar los tipos de modelos de regresión lineal (simple y múltiple) con sus supuestos.
• Temas:
  • Regresión lineal simple
  • Regresión lineal múltiple
  • Bondad de ajuste y significancia
  • Supuestos del modelo de regresión lineal
  • Errores de especificación
• Ejemplos:
  • Regresión lineal simple
  • Regresión lineal múltiple
  • Error de especificación
  • Regresión lineal múltiple y prueba Reset - Parte 1
  • Regresión lineal múltiple y prueba Reset - Parte 2

SESIÓN 15: REGRESIONES NO LINEALES

• Objetivo:
  • Presentar los modelos de regresión no lineal, así como el ajuste de curvas para dichos modelos en R.
• Temas:
  • Modelos no lineales
  • Regresión cuadrática
  • Regresión exponencial
  • Regresión potencial
  • Regresión logarítmica
  • Regresión polinómica
• Ejemplos:
  • Regresión cuadrática - Parte 1
  • Modelo cúbico
  • Regresión exponencial
  • Regresión cuadrática - Parte 2
  • Regresión cúbica

SESIÓN 16: CORRELACIÓN

• Objetivo:
  • ​Detallar el análisis sobre la relación que se puede establecer entre variables a través de la correlación.
• Temas:
  • Coeficiente de correlación
  • Correlación múltiple
  • Correlación parcial
  • Correlación semiparcial
  • Función CORRPLOT
  • Función CORRPLOT.MIXED
• Ejemplos:
  • Correlación
  • Correlación múltiple
  • Correlación parcial
  • Correlación semi parcial
  • Calculando el R y R cuadrado

SESIÓN 17: MULTICOLINEALIDAD

• Objetivo:
  • Explicar sobre el problema de multicolinealidad y correcciones teóricas-prácticas.
• Temas:
  • Multicolinealidad
  • Detección de la multicolinealidad
  • Soluciones de la multicolinealidad
• Ejemplos:
  • Multicolinealidad - Parte 1
  • Detección de multicolinealidad
  • Multicolinealidad - Parte 2
  • Solución multicolinealidad - Parte 1
  • Solución multicolinealidad - Parte 2

SESIÓN 18: HETEROCEDASTICIDAD

• Objetivo:
  • Explicar el problema de heterocedasticidad, cómo detectarla, solucionarla y aplicarla en R.
• Temas:
  • Heterocedasticidad
  • Detección de la heterocedasticidad
  • Solución a la heterocedasticidad
• Ejemplos:
  • Métodos gráficos
  • Breusch-Pagan
  • Goldfeld-Quandt
  • Test de White
  • Corrección del modelo

SESIÓN 19: AUTOCORRELACIÓN

• Objetivo:
  • Explicar cómo detectar y solucionar el problema de autocorrelación en R.
• Temas:
  • Autocorrelación
  • Detección de la autocorrelación
• Ejemplos:
  • Durbin-Watson
  • Ljung-Box
  • Breusch-Godfrey
  • Test de autocorrelación
  • Corrección de la autocorrelación

Plan de estudios actualizado: 18 de junio del 2021