Curso 'Análisis Univariante con R'

Fecha: 10, 12, 17, 19 y 24 de mayo.
Horas: 16 horas.
Horario: de 16:00h. a 19:15h
Matrícula: 130 euros.

PRESENTACIÓN:
R es un programa gratuito y muy potente para el análisis de datos. Su uso se ha expandido rápidamente entre la comunidad científica y educativa, convirtiéndose en uno de los programas de referencia en lo que al análisis estadístico se refiere.     A lo largo de este curso se mostrará el uso de R para el análisis de una única variable usando técnicas descriptivas, inferenciales y de modelización. La metodología del curso es eminentemente práctica y, se espera que, a su finalización, los alumnos conozcan las funciones de R para el análisis de una variable y puedan aplicarlas e interpretar sus salidas.

OBJETIVOS: 

1. Recordar las funciones de R para el análisis descriptivo de una variable.
2. Plantear contrastes de hipótesis y resolverlos mediante R.
3. Calcular intervalos de confianza con R.
4. Conocer los fundamentos de la regresión lineal y su aplicación mediante R.
5. Aplicar otros modelos de regresión (logística binaria, multinivel…) con R.

DOCENTES: 
David Molina Muñoz. Doctor en Matemáticas y Estadística y docente de la Universidad de Granada.
Ramón Ferri García. Investigador predoctoral de la Universidad de Granada.

PROGRAMA: 

• Análisis descriptivo de una variable estadística.
• Selección de muestras.
• El contraste de normalidad.
• Contrastes de hipótesis paramétricos e intervalos de confianza en una población normal:
  Para la media.
  Para la varianza
• Contrastes de hipótesis paramétricos e intervalos de confianza en dos poblaciones normales:
  Para la diferencia de medias.
  Para la diferencia de varianzas.
• Contrastes de hipótesis paramétricos para una proporción y para la diferencia de proporciones.
• Introducción a los contrastes de hipótesis no paramétricos.
• El modelo de regresión lineal simple: coeficientes, bondad de ajuste y diagnosis y validación del modelo.
• El modelo de regresión lineal múltiple: métodos de selección de variables.
• El modelo de regresión logística: interpretación de coeficientes y predicciones, inferencia sobre los resultados y selección de modelos.
• El modelo lineal generalizado: componentes del modelo, tipos de modelos para datos categóricos y de conteos y herramientas para su validación y diagnosis.
• El modelo multinivel o mixto: componentes del modelo, interpretación de coeficientes y herramientas para su validación y diagnosis.

DESARROLLO:

Día 1: Análisis descriptivo de una muestra estadística. Selección de muestras. El contraste de normalidad. Contrastes de hipótesis paramétricos e intervalos de confianza en una población normal

Día 2: Contrastes de hipótesis paramétricos e intervalos de confianza en dos poblaciones normales.

Día 3: Contrastes de hipótesis paramétricos para una proporción y para la diferencia de proporciones. Introducción a los contrastes de hipótesis no paramétricos.

Día 4: El modelo de regresión lineal simple. El modelo de regresión lineal múltiple. El modelo de regresión logística.

Día 5: El modelo lineal generalizado. El modelo multinivel o mixto.

DESTINATARIOS: 
Alumnos con conocimientos básicos de R (tipos de datos y de estructuras de datos, manejo y manipulación de datos, órdenes básicas de R…) que deseen aprender cómo utilizar el programa para el análisis descriptivo e inferencial de una variable.

[+] INFORMACIÓN COMÚN A TODOS LOS CURSOS (PDF)