Curso de RStudio en Perú: Modelado Estadístico con R
Aprende a procesar datos, realizar inferencia estadística y construir modelos econométricos y predictivos con el lenguaje estándar de la investigación.
Presentación del Programa
El entorno RStudio es la herramienta de código abierto de referencia para el análisis cuantitativo, la bioestadística y el modelado analítico. El programa de Modelado Estadístico en RStudio de Datametrika capacita a los participantes en la manipulación ágil de datos con el universo Tidyverse, generación de gráficos avanzados con ggplot2 y la implementación práctica de pruebas inferenciales y algoritmos de regresión y clasificación.
Plan de Estudios Sesión por Sesión
- Instalación del motor R, interfaz RStudio y gestión de proyectos (`.Rproj`).
- Estructuras de datos nativas: Vectores, Matrices, Listas y *Data Frames*.
- Operadores aritméticos, relacionales y lógicos. Indexación y filtrado.
- Importación/Exportación de archivos desde Excel, CSV, SPSS y Stata.
- Uso del operador tubería (*pipe* `%>%` / `|>`) para flujos legibles.
- Verbos principales de `dplyr`: `select()`, `filter()`, `mutate()`, `arrange()`, `summarise()`.
- Agrupación de conjuntos de datos con `group_by()`.
- Limpieza y reestructuración de matrices con `pivot_longer()` y `pivot_wider()`.
- La Gramática de los Gráficos (*Grammar of Graphics*).
- Construcción de gráficos por capas: Mapeo de geometrías (`geom_point`, `geom_boxplot`, `geom_histogram`).
- Personalización avanzada de temas, paletas cromáticas y escalas numéricas.
- Segmentación de gráficos mediante facetas (`facet_wrap`, `facet_grid`).
- Cálculo de medidas de tendencia central, dispersión y forma.
- Detección analítica y gráfica de valores atípicos (*outliers*).
- Matrices de correlación de Pearson y Spearman con visualización interactiva.
- Pruebas de normalidad (Shapiro-Wilk, Kolmogorov-Smirnov).
- Pruebas t para una y dos muestras independientes/pareadas (`t.test`).
- Pruebas no paramétricas alternativas: Mann-Whitney y Wilcoxon.
- Prueba de Chi-Cuadrado de Independencia y test exacto de Fisher.
- Análisis de Varianza de un factor (ANOVA) y pruebas Post-Hoc (Tukey HSD).
- Especificación e interpretación de modelos MCO con la función `lm()`.
- Evaluación de bondad de ajuste: $R^2$, $R^2$ ajustado y F-statistic.
- Validación de supuestos econométricos: Homocedasticidad, Autocorrelación y Multicolinealidad (VIF).
- Inclusión de variables dicotómicas (*dummies*) e interacciones.
- Fundamentos de la Regresión Logística Binaria con la función `glm()`.
- Interpretación de coeficientes mediante Razones de Probabilidad (*Odds Ratios*).
- Matriz de confusión, Sensibilidad, Especificidad y curva ROC (AUC).
- Selección de variables paso a paso (*Stepwise selection*).
- Principios de investigación y analítica reproducible.
- Estructuración de documentos R Markdown (`.Rmd`).
- Incrustación de bloques de código (*chunks*), tablas estéticas y gráficos interactivos.
- Exportación directa a informes ejecutivos en PDF, HTML y Word.
Modalidad
Clases en Vivo + Grabaciones
Duración
24 Horas Académicas
Sesiones
8 Sesiones Prácticas
Certificado
Emitido por Datametrika