Introdución ao uso e programación do sistema estatístico R (Campus de Ourense)

Transcripción

1 Introdución ao uso e programación do sistema estatístico R (Campus de Ourense) Programa de Novembro Formación 2006 Permanente do Profesorado Universidade de Vigo Vicerreitoría de Formación e Innovación Educativa Edificio Reitoría, Campus universitario s/n Vigo Tfno: Fax: Correo-e: vic.fie@uvigo.es

2 PRESENTACIÓN O Curso de INTRODUCIÓN AO USO E PROGRAMACIÓN DO SISTEMA insírese dentro das accións formativas institucionais da Universidade de Vigo para o ano En particular, este curso está a ser co-organizado polo Departamento de Estatística e Investigación Operativa e pola Vicerreitoría de Formación e Innovación Educativa a través da Área de Innovación Educativa. A linguaxe de programación R, é un entorno e unha linguaxe para o cálculo estatístico e a xeración de gráficos. Para os non iniciados podemos dicir que R provee un acceso sinxelo a unha ampla variedade de técnicas estatísticas e gráficas. Para os usuarios avanzados ofrécese unha linguaxe de programación completa coa que engadir novas técnicas. Ademais trátase dun software libre, resultado da implementación GNU da premiada linguaxe S. R e S-Plus, probablemente, as dúas linguaxes máis empregadas na investigación pola comunidade estatística.. OBXECTIVOS A finalidade do curso é dar a coñecer as capacidades de R e introducir aos asistentes no seu manexo, de xeito que poidan aplicar os coñecementos no desenrolo dos seus propios programas e análises estatísticos. DESTINATARIOS/AS O presente curso está destinado a todos os profesores e profesoras da Universidade de Vigo. DURACIÓN Trátase dun curso presencial, cunha duración de 20 horas. LUGAR DE CELEBRACIÓN. Laboratorio 0.1 da Facultade de Ciencias Empresariais e Turismo de Ourense CAMPUS DE OURENSE CALENDARIO EHORARIO Días 13, 14, 20 e 21 de setembro HORARIO Xoves 13 de setembro de 16:00 a 20:30 horas.

3 Venres 14 de setembro de 09:30 a 14:00 e de 16:00 a 20:30 horas. Xoves 20 de setembro de 16:00 a 20:30 horas. Venres 21 de setembro de 09:30 a 14:00 horas. PRAZAS MÁXIMO = 25 CERTIFICADO DE ASISTENCIA A asistencia ao curso será certificada pola Universidade de Vigo a todos aqueles inscritos que asistan alomenos ao 80 % das sesións presenciais. PROFESORADO MANUEL FEBRERO BANDE Profesor Titular da Universidade de Santiago de Compostela PROGRAMA 1. Introdución 2. Obxectos de R a. Obxectos simples b. Factores c. Matrices e arrays d. Listas e Data Frames 3. Importar datos a R a. Formato fixo b. Formato separado por comas c. Formato libre d. Importación de datos dende SPSS e. Importación de datos dende Excel f. Importación de datos dende unha base de datos ODBC g. Editar data frames en R 4. Bucles e condicións lóxicas a. Execución repetitiva b. Execución condicional c. Agrupación de comandos d. Tratamento paralelo 5. Gráficos en R a. Funcións gráficas de alto nivel i. Gráficos multiframe e tipos de dispositivo

4 ii. Plot, pairs, coplot, qqnorm, qqline, qqplot, hist, dotchart, image, contour, persp, iii. Parámetros habituais para funcións de alto nivel. iv. Onde encontrar outras funcións gráficas b. Funcións gráficas de 2º nivel i. Elementos simples engadidos: points, lines, text, abline, polygon, legend, title, axis ii. Tipos de fontes (esp. matemáticas) 6. Creando funcións en R a. Exemplo clásico b. Argumentos e parámetros c. Novos operadores binarios d. Métodos, clases e recursividade (o imprescindible que hai que saber) 7. Distribucións de probabilidade a. Xeradores de números aleatorios: Uniforme b. Distribucións usuais: Beta, binomial, Cauchy, chi-cuadrado, exponencial, F, gamma, xeométrica, hiperxeométrica, log-normal, loxística, binomial negativa, normal, Poisson, t Student, Weibull, Wilcoxon c. Outras distribucións multivariantes. 8. Modelos estatísticos en R a. As formulas en R e o método update b. Modelos lineais e análise da varianza c. Modelos non lineais, xeralizados, non paramétricos, aditivos, robustos, d. Componentes principales, Análise discriminante, Cluster e. Redes neuronais, SVM, 9. Paquetes recomendables a. Bayesian: Inferencia Bayesiana b. Cluster: Análise cluster e Modelos de mixtura finita c. Econometrics: Econometría computacional d. Environmetrics: Análise de datos ecolóxicos e medioambientais e. Finance: Finanzas f. Genetics :Estatística para Xenética g. Graphics: Displays gráficos, Gráficos dinámicos e visualización h. gr: Modelos gráficos en R i. MachineLearning j. Multivariate: Estatística Multivariante k. Psychometrics: Modelos y Métodos Psicométricos l. SocialSciences: Estatística para Ciencias Sociais m. Spatial: Análise de datos espaciais 10. Creación dun paquete propio a. Executando R dende a liña de comando b. Estrutura do paquete c. Creando a documentación 11. Usando C e Fortran con R a. Creando DLL s

5 b. Usando DLL s xa feitas c. Consideracións para distintas plataformas 12. Consideracións finais