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.
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.
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.
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.
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.
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