Programación estadística con R

Transcripción

1 Programación estadística con R DESCRIPCIÓN El presente curso introduce al conocimiento y manejo de las herramientas estadísticas presentes en R Project, aplicadas a tablas de frecuencias, estadísticas descriptivas, distribuciones muestrales, intervalos de confianza, pruebas de hipótesis de una población, modelos de regresión lineal simple y múltiple, y series de tiempo. Se hace énfasis en el análisis de los problemas e interpretación de sus resultados, lo que permite al estudiante tener una mejor comprensión del uso de las herramientas en R Project en fenómenos y actividades de interés. OBJETIVO Construir funciones y modelos para desarrollar elementos estadísticos para la toma de decisión sobre variables de interés, usando las herramientas de R Project.

2 OBJETIVOS ESPECÍFICOS Construir funciones y modelos para desarrollar elementos estadísticos para la toma de decisión sobre variables de interés, usando las herramientas de R Project. Describir los distintos tipos de fuentes existentes para los datos estadísticos. Aplicar las distintas distribuciones de probabilidad. Diferenciar entre estadístico y parámetro. Diferenciar entre estimación puntual y por intervalo. Plantear modelos de regresión lineal para explicar posibles relaciones entre dos variables. Analizar los coeficientes de correlación y determinación en un modelo de regresión simple lineal. Aplicar técnicas de pronóstico y análisis de series de tiempo. METODOLOGÍA Clases presenciales, resolución de casos, ejercicios prácticos, exposiciones. Uso de las herramientas con que cuenta R Project. PUEDEN PARTICIPAR Estudiantes, docentes, y público en general. REQUISITOS PARA OBTENER DIPLOMA Asistencia del 80%, haber aprobado el curso con 75 puntos.

3 MÓDULOS DE FORMACIÓN MÓDULO I: introducción y conceptos básicos en R Project Definición de estadística. Importancia de la estadística en el mundo real y cómo ésta puede manipularse. Población y parámetros. Muestras y estadísticos. Variables: cualitativas, cuantitativas, continuas y discretas. Datos: cualitativos y cuantitativos. Fuentes para obtener datos: primarias y secundarias. Técnicas para recopilar datos. Escalas de medida: nominal, ordinal, por intervalos y de razón. MÓDULO II: presentación de los datos estadísticos en R Project Presentación tabular: Presentación gráfica: MÓDULO III: estadística descriptiva en R Project Datos no agrupados o Medidas de tendencia central o Medidas de tendencia no central o Medidas de dispersión Índice de Gini, curva de Lorenz y la equidistribución MÓDULO IV: distribuciones de probabilidad en R Project Distribución normal Distribuciones de muestreo El factor de población finita.

4 MÓDULO V: estimación en R Project Estimación puntual y estimación por intervalos. Nivel de confianza. Características de un buen estimador. Estimación puntual y de intervalo para una media poblacional y para proporciones de una población. Estimación con muestras pequeñas. Uso de la distribución normal y la distribución t Tamaño de muestra en función del tamaño de la población y del parámetro a estimar. MÓDULO VI: prueba de hipótesis de una población en R Project Pasos para pruebas de hipótesis. Errores en pruebas de hipótesis. Reglas de decisión. Nivel de significancia. Prueba de hipótesis para media de una población, muestras grandes y pequeñas. Valor p y la prueba de hipótesis. Pruebas de hipótesis para una proporción de población. MÓDULO VII: regresión lineal simple en R Project Diagramas de dispersión, relación directa, inversa y no relación entre las variables. Modelos funcionales y estadísticos. Predicción e intervalos de confianza. Coeficiente de correlación y determinación.

5 MÓDULO VIII: series de tiempo en R Project Series de tiempo y su relación con los números índice. Componentes de una serie de tiempo: Técnicas de pronóstico en series de tiempo. Métodos sencillos de pronóstico. Método de los promedios móviles. Método del suavizamiento exponencial. Método que utiliza la ecuación de la tendencia, variaciones cíclicas y variaciones estacionales. Problemas en el análisis de series de tiempo: autocorrelación. Sujeto a cupo mínimo Comentario [ONLM1]: Colocar en negrita para que sobresalga del texto. No colocar en la descripción del facilitador sino mejor en la del contenido del Diplomado.

6 FACILITADOR HÉCTOR GALEROS Magíster artium en administración industrial y de empresas de servicios Ingeniero en electrónica Ha trabajado como ingeniero de producción, operación y control de la calidad en el sector privado en Guatemala, aplicando procesos internos de planificación, ejecución y análisis, utilizando herramientas de programación y estadística para la determinación de patrones y tendencias. Actualmente se desempeña en el área del análisis de datos con herramientas como R Project y sistemas de información geográfica como ArcGIS, apoyado actualmente a las empresas ACE Technologies y GISRoutes en el análisis y optimización de rutas, evaluación y selección de sitios y modelado. Ha brindado sus conocimientos en Universidad de San Carlos de Guatemala y Universidad Rafael Landívar. Centro Landivariano de Educación continua en coorganización con la Facultad de Ciencias Económicas y Empresariales FCEE-, Departamento de Economía Empresarial