Introducción a la programación en R y su aplicación a la inferencia estadística I

Dr. Jesús Jurado-Molina

Curso presencial
Fechas por confirmar
Días y horario por confirmar
Lugar por confirmar
Numero de sesiones por confirmar
Numero de horas 20
Máximo de inscritos 25
Material de apoyo requerido durante las clases: Equipo de computo (PC o Mac) con conexión
a Internet y con el siguiente software instalado: Internet browser (chrome, Firefox, Internet
Explorer, safari), Word, PowerPoint, Excel, Zoom, R y Rstudio
Material de apoyo para los alumnos: carpeta con material disponible en Dropbox
Descripción del curso (Antecedentes y justificación)

La mayoría de los fenómenos que se estudian en la biología, ecología, ciencias de la

salud, ciencias sociales, ciencias ambientales, ingeniería etc., presentan una
variabilidad natural inherente por lo que para su estudio y análisis es necesario usar
técnicas cuantitativas y herramientas estadísticas. En particular la inferencia
estadística ha jugado un papel muy importante en la prueba de hipótesis y análisis de
datos. Debido a la complejidad de los fenómenos y la cantidad significante de datos
que se recopilan en la actualidad, es necesario usar computadoras y software
estadístico para facilitar las tareas de investigación. Aunque existen una cantidad
importante de paquetes de software estadístico (SPSS, Statistica, Systat, Minitab,
etc.), el paquete estadístico R se ha posicionado como uno de los paquetes
estadísticos preferidos en la investigación. R es un lenguaje y medioambiente para el
cómputo estadístico y graficas. Es un software de acceso abierto y gratuito, basado en
el lenguaje y medioambiente S desarrollado por Bell laboratorios. R provee una gran
variedad de técnicas estadísticas (modelación linear y no linear, pruebas de
estadística clásica, análisis de series de tiempo, clasificación, clustering….) y graficas.
R se compila y corre en una variedad de sistemas operativos (Windows, Mac, Linux,
etc.). Otra característica importante de R es su capacidad para expandir sus
capacidades a través de la incorporación de paquetes desarrollados por un número
importante de contribuyentes. Estas características confieren a R una gran flexibilidad
y poder para realizar análisis estadísticos y gráficos por lo que es muy recomendable
su aprendizaje y uso para estudiantes y científicos en la mayoría de las áreas de la
ciencia. Para aquellos fenómenos complejos que requieren un enfoque cuantitativo en
su análisis, el paquete estadístico R es la herramienta ideal en la investigación.

Objetivos
• Objetivo general
Aprender la programación y uso del paquete estadístico R y sus aplicaciones a la enseñanza
y la investigación
• Objetivos específicos

2
 - Conocer los procedimientos para la instalación de R y diversos paquetes.
- Conocer los principales comandos en R
- Aprender a crear y manipular datos en el ambiente R.
- Aprender las subrutinas y herramientas para la graficación en R.
- Conocer las principales herramientas estadísticas implementadas en R y como aplicarlas a
datos reales.
- Llevar a cabo análisis estadísticos (prueba de t, ANOVA, prueba de Chi cuadrada, etc.)

El curso esta dirigido a Biólogos, Oceanógrafos, Oceanólogos, Químicos economistas, Ingenieros, físicos,
matemáticos, estudiantes de postgrado, investigadores y profesionales en áreas multidisciplinarias.

• Contenido y calendarización

TEMA No. de horas Ponente(s) Fechas Subtemas

I. Introducción 6 Jesús Jurado Por definir I.1 Breve introducción histórica
al paquete Molina de Excel y R
estadístico R I.2 Descarga e instalación de R
I.3 El medioambiente R
(interface de comandos en R y
Rstudio)
I.4 instalación y descarga de
paquetes
I.5 Aspectos básicos de R
- Matemáticas básicas
- Tipos de variables
- Tipos de datos
- Vectores
II. 6 Jesús Jurado Por definir II.1 Estructuras avanzadas de
Manipulación de Molina datos
datos en R - matrices
- arreglos
- data.frames
- objetos
II.2 Lectura de datos
- datos de archivos csv
- datos de archivos txt
- Datos disponibles en R
- Datos disponibles en
paquetes e internet
II.3 Graficación en R

3
 TEMA No. de horas Ponente(s) Fechas Subtemas
- Graficación básica
- Principios del análisis
exploratorio de datos
- Histogramas
- Boxplots
- Graficas de dispersión
III. Modelos 8 Jesús Jurado Por definir III.1 Distribuciones de
estadísticos e Molina probabilidad
inferencia -Distribución binomial
estadística en -Distribución de Poisson
R -Distribución Normal
- Otras distribuciones

• BIBLIOGRAFÍA
Crawley, M.J. 2013. The R Book. John Wiley & sons, West Sussex, England
Krause, A., and Olson, M. 1997. The basics of S and S-Plus. Springer, New York, N.Y.
Lander, J.P. 2014. R for everyone; Advance Analytics and graphics. Addison Wesley, New York,
N.Y.
Mittal, H. V. 2011. R graphs cookbook. Packt publishing LTD, Birmingham, UK
Venables, W.N. and Smith D.M. 2012. An Introduction to R. Notes on R: A Programming
Environment for Data Analysis and Graphics Version 2.15.1 (2012-06-22)
Zar, J. H. 1984. Biostatistical analysis. Prentice Hall.