Introducción a R
¿Qué aprenderás? A instalar R, a dar los primeros pasos en programación R, a importar csv y trabajar estas bases de datos.
Número de horas estimadas de estudio: 3
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)
Estadística descriptiva en R
¿Qué aprenderás? Sabrás realizar medidas de posición y dispersión en R así como gráficos descriptivos de apoyo.
Número de horas estimadas de estudio: 3
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)
Pruebas no paramétricas en R
¿Qué aprenderás? Aprenderás a aplicar e interpretar las principales pruebas estadísticas no paramétricas —como Wilcoxon, Mann–Whitney, Kruskal–Wallis, Chi cuadrado y Kolmogorov–Smirnov— utilizando el lenguaje R. A través de ejercicios prácticos comprenderá cuándo emplear estos métodos en lugar de los paramétricos, cómo comparar medianas, rangos y distribuciones entre grupos, y cómo interpretar los valores de significancia estadística. Al finalizar, será capaz de analizar datos sin supuestos de normalidad.
Número de horas estimadas de estudio: 4
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)
Análisis de varianza de uno y dos factores. Diseño completamente autorizado en R
¿Qué aprenderás? Aprenderás a analizar y comparar medias entre varios grupos para determinar si existen diferencias estadísticamente significativas en sus resultados. A través del uso de R, comprenderás los fundamentos teóricos del análisis de varianza, los supuestos de normalidad y homogeneidad de varianzas, y cómo interpretar los p valores. Además, aplicarás el ANOVA de un factor para evaluar el efecto de una sola variable categórica, y el ANOVA de dos factores para estudiar simultáneamente la influencia e interacción de dos factores sobre una variable de respuesta. Al finalizar, serás capaz de diseñar experimentos completamente aleatorizados, ejecutar el análisis en R, interpretar los resultados y comunicar conclusiones con rigor estadístico y claridad técnica.
Número de horas estimadas de estudio: 4
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)
Regresión y correlación simples y múltiples en R
¿Qué aprenderás? Aprenderás a analizar y modelar relaciones entre variables cuantitativas, comprendiendo cómo una variable dependiente puede explicarse a partir de una o más variables independientes. Adquirirás habilidades para interpretar coeficientes, pendientes, interceptos, valores de R² y significancia estadística, así como para evaluar la fuerza y dirección de las relaciones entre variables. Además, explorarás cómo diagnosticar supuestos del modelo (normalidad y simetría), generar gráficos de dispersión, regresión y correlación, y aplicar estos modelos en cualquier contexto de relación entre variables. Al finalizar, serás capaz de construir, interpretar y comunicar modelos con rigor estadístico y claridad analítica.
Número de horas estimadas de estudio: 4
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)
CARTs, GAM y GLMM en R
¿Qué aprenderás? Aprenderás a modelar relaciones complejas entre variables, más allá de la regresión lineal tradicional. Con los árboles de regresión y clasificación (CART) aprenderás a segmentar datos y predecir resultados categóricos o continuos mediante reglas de decisión fáciles de interpretar. Con los modelos aditivos generalizados (GAM) podrás capturar relaciones no lineales y efectos suaves entre variables independientes y la variable dependiente, manteniendo interpretabilidad y flexibilidad y darle validez a los CARTs. Finalmente, con los modelos lineales mixtos generalizados (GLMM) adquirirás habilidades para analizar datos con estructuras jerárquicas o correlacionados, incluyendo efectos fijos y aleatorios, como ocurre en estudios longitudinales o con medidas repetidas. Al finalizar, serásá capaz de seleccionar, ejecutar e interpretar estos modelos en R, evaluar su ajuste, visualizar los efectos y comunicar conclusiones con rigor estadístico en contextos de investigación compleja.
Número de horas estimadas de estudio: 4
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)
Series temporales SARIMA en R
¿Qué aprenderás? En modelos SARIMA (Seasonal AutoRegressive Integrated Moving Average), aprenderás a modelar y pronosticar series temporales que presentan tendencia, estacionalidad y autocorrelación. A través de la práctica en R, adquirirá habilidades para identificar patrones temporales, determinar los parámetros adecuados del modelo (p, d, q, P, D, Q), ajustar modelos SARIMA, evaluar su ajuste mediante residuos y métricas de error, y generar pronósticos confiables a corto y mediano plazo. Al finalizar, serás capaz de aplicar SARIMA para predecir variables, interpretar los resultados con rigor estadístico y comunicar las predicciones de manera clara y fundamentada, considerando la estacionalidad y dinámica temporal de los datos.
Número de horas estimadas de estudio: 4
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)
Escalado multidimensional y Análisis clusters con R
¿Qué aprenderás? Aprenderás a identificar patrones ocultos y estructuras subyacentes en los datos, agrupando observaciones o variables según su similitud. Dominarás los agrupamientos, así como técnicas de representación visual mediante escalado multidimensional (MDS) que permiten explorar relaciones entre elementos en espacios de menor dimensión. Además, desarrollarás la capacidad de interpretar resultados gráficos, validar la calidad de los clústeres y aplicar estas técnicas en diferentes contextos con R.
Número de horas estimadas de estudio: 4
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)
ACP y Análisis discriminante en R
¿Qué aprenderás? Aprenderás a aplicar técnicas multivariantes avanzadas para la reducción y clasificación de datos. A través del Análisis de Componentes Principales (ACP), comprenderás cómo identificar y resumir la estructura interna de grandes conjuntos de variables, transformándolos en componentes independientes que capturan la mayor parte de la variabilidad de los datos. Por otro lado, con el Análisis Discriminante, el participante adquirirá la capacidad de clasificar observaciones en grupos conocidos. Se enfatizará el uso práctico de estas técnicas en R, interpretando resultados gráficos y estadísticos para apoyar la toma de decisiones científicas y de investigación aplicada.
Número de horas estimadas de estudio: 4
Prof. creador del curso: Mtro. Tomás Alberto Salmerón Enciso (Director de COCID)