El análisis de datos es una habilidad crucial en la investigación, los negocios y muchas otras disciplinas. R es uno de los lenguajes de programación más potentes y ampliamente utilizados para el análisis estadístico y la manipulación de datos. Este curso ofrece una formación completa y práctica en el uso de R, desde la instalación hasta técnicas avanzadas de análisis de datos. Proporciona a los estudiantes herramientas esenciales para realizar análisis exploratorios, entender distribuciones de probabilidad, formular y probar hipótesis, y llevar a cabo regresiones y detección de valores atípicos y faltantes. La integración de estas habilidades es vital para realizar análisis de datos precisos y significativos, lo que justifica la relevancia y necesidad de este curso en el contexto actual donde los datos juegan un papel central en la toma de decisiones informadas.

Objetivo general

Capacitar a los estudiantes en el uso de R para el análisis de datos, cubriendo desde la instalación y primeros pasos, hasta técnicas avanzadas como el análisis de la distribución normal, contraste de hipótesis, test estadísticos, regresión lineal, y la detección de valores atípicos y faltantes.

Objetivos específicos

• Dominar la instalación de R y sus paquetes, así como la importación y exportación de datos.
• Realizar análisis exploratorio de datos de manera efectiva.
• Comprender y aplicar conceptos de distribuciones de probabilidad, centrándose especialmente en la distribución normal y otras distribuciones relevantes para el análisis estadístico.
• Formular y llevar a cabo contrastes de hipótesis con precisión, abarcando la comprensión de la inferencia estadística, p-valor, errores tipo I y II, intervalos de confianza y el tamaño de efecto.
• Ejecutar una variedad de métodos de test estadísticos para uno o más variables, incluyendo medias y varianzas, y evaluar la bondad de ajuste de los modelos estadísticos.
• Analizar relaciones entre variables cuantitativas mediante técnicas de correlación y regresión lineal simple y múltiple, permitiendo una comprensión profunda de las asociaciones entre variables.
• Identificar y abordar eficazmente valores atípicos y faltantes en los datos, lo que garantiza la integridad y fiabilidad de los análisis realizados.