title

cover-image

author

date

site

output

always_allow_html

documentclass

bibliography

biblio-style

biblatexoptions

link-citations

github-repo

description

url

Prefacio {-}

Publicado por Jeshua Romero Guadarrama en colaboración con JeshuaNomics:
Git Hub Facebook Twitter Linkedin Vkontakte Tumblr YouTube Instagram

Jeshua Romero Guadarrama es economista y actuario por la Universidad Nacional Autónoma de México, quien ha construido el presente proyecto en colaboración con JeshuaNomics, ubicado en la Ciudad de México, se puede contactar mediante el siguiente correo electrónico: jeshuanomics@gmail.com.

Última actualización el lunes 09 del 08 de 2021

Los estudiantes con poca experiencia en el análisis estadístico de datos a menudo tienen dificultades para entender los beneficios de desarrollar habilidades de programación al momento de aplicar diversos métodos descriptivos e inferenciales. "Introducción a R: Grupo de estudios económicos por Jeshua Romero Guadarrama (2021), ofrece una introducción interactiva a los aspectos esenciales de la programación por medio del lenguaje y software estadístico R, así como una guía para la aplicación de la teoría en ciencia de datos en la solución de problemas específicos. En otras palabras, el objetivo es que los estudiantes se adentren al mundo de la estadística aplicada mediante ejemplos empíricos presentados en la vida diaria y haciendo uso de las habilidades de programación recién adquiridas. Dicho objetivo se encuentra respaldado por ejercicios de programación interactivos y la incorporación de visualizaciones dinámicas de conceptos fundamentales mediante la flexibilidad de JavaScript, a través de la biblioteca D3.js.

En los últimos años, el lenguaje de programación estadístico R se ha convertido en una parte integral del plan de estudios de las clases de estadística que se imparten en las universidades de todo el mundo. Regularmente una gran parte de los estudiantes no han estado expuestos a ningún lenguaje de programación antes y, por lo tanto, tienen dificultades para participar en el aprendizaje de R por sí mismos. Con poca experiencia en el análisis estadístico, es natural que los novicios tengan dificultades para comprender los beneficios de desarrollar habilidades en R, así como aprender y aplicar los conceptos básicos de la probabilidad y estadística. Estos incluyen particularmente la capacidad de realizar, documentar y comunicar estudios empíricos y tener las facilidades para programar estudios de simulación, lo cual es útil para, por ejemplo, comprender y validar teoremas que generalmente no se asimilan o entienden fácilmente con el estudio de las fórmulas. Al ser un economista aplicado y econometrista, me gustaría que mis colegas desarrollen capacidades de gran valor; en consecuencia, deseo compartir con las nuevas generaciones interesadas en la probabilidad y estadística mis conocimientos.

En lugar de confrontar a los estudiantes con ejercicios de codificación puros y literatura clásica complementaria, he pensado que sería mejor proporcionar material de aprendizaje interactivo que combine el código en R con el contenido de un curso introductorio de probabilidad y estadística que sirva de base para construir conocimientos mucho más avanzaados. El presente trabajo es un complemento empírico interactivo al estilo de un informe de investigación reproducible que permite a los estudiantes no solo aprender cómo los resultados de los estudios de casos se pueden replicar con R, sino que también fortalezcan su capacidad para utilizar las habilidades recién adquiridas en otras aplicaciones empíricas.

Las convenciones usadas en el presente curso {-}

El texto en cursiva indica nuevos términos, nombres, botones y similares.
El texto en negrita se usa generalmente en párrafos para referirse al código R. Esto incluye comandos, variables, funciones, tipos de datos, bases de datos y nombres de archivos.
Texto de ancho constante sobre fondo gris indica un código R que usted puede escribir literalmente. Puede aparecer en párrafos para una mejor distinción entre declaraciones de código ejecutables y no ejecutables, pero se encontrará principalmente en forma de grandes bloques de código R. Estos bloques se denominan fragmentos de código.

Reconocimiento {-}

A mi alma máter: Universidad Nacional Autónoma de México (Facultad de Economía y Facultad de Ciencias). Por brindarme valiosas oportunidades que coadyuvaron a mi formación.

Contenido {-}

Capítulo 1. Introducción: ¿Qué es R y para qué es usado?

Capítulo 2. Instalación

Capítulo 3. Conceptos básicos

Capítulo 4. Tipos de datos

Capítulo 5. Operadores

Capítulo 6. Estructuras de datos

Capítulo 7. Subconjuntos

Capítulo 8. Funciones

Capítulo 9. Estructuras de control

Capítulo 10. La familia apply

Capítulo 11. Importar y exportar datos

Capítulo 12. Gráficas

Capítulo 13. Conclusión

Capítulo 14. Introducción al aprendizaje estadístico

Capítulo 15. Estructuras de datos

Capítulo 16. Gráficos

Capítulo 17. Manipulación de datos con R

Capítulo 18. Análisis exploratorio de datos

Capítulo 19. Inferencia estadística

Capítulo 20. Modelado de datos

Capítulo 21. Modelos lineales

Capítulo 22. Modelos lineales generalizados

Capítulo 23. Regresión no paramétrica

Capítulo 24. Programación

Capítulo 25. Generación de informes

Referencias

Bibliografía complementaria

Apendices

Índice de contenido {-}

Capítulo 1. Introducción: ¿Qué es R y para qué es usado?

Un poco de historia
¿Quién usa R?

Capítulo 2. Instalación

Windows
OSX
Linux
RStudio - un IDE para R

Capítulo 3. Conceptos básicos

La consola de R
Ejecutar, llamar, correr y devolver
Objetos
Constantes y variables
Funciones (introducción básica)
Documentación
Directorio de trabajo
Paquetes
Scripts

Capítulo 4. Tipos de datos

Datos más comunes
Entero y numérico
Cadena de texto
Factor
Lógico
NA y NULL
Coerción
Verificar el tipo de un dato

Capítulo 5. Operadores

Operadores aritméticos
Operadores relacionales
Operadores lógicos
Operadores de asignación
Orden de operaciones

Capítulo 6. Estructuras de datos

Vectores
Matrices y arrays
Data frames
Listas
Coerción

Capítulo 7. Subconjuntos

Índices
Nombres
Subconjuntos por índice y nombre
El signo de dolar $ y los corchetes dobles [[]]
Condicionales

Capítulo 8. Funciones

¿Por qué necesitamos crear nuestrar propias funciones?
Funciones definidas por el usuario
Nuestra primera función
Definiendo la función crear_histograma()

Capítulo 9. Estructuras de control

if, else
for
while
break y next
repeat

Capítulo 10. La familia apply

Un recordatorio sobre vectorización
Las funciones de la familia apply
apply
lapply

Capítulo 11. Importar y exportar datos

Descargando datos
Tablas (datos rectangulares)
Archivos con una estructura desconocida
Exportar datos
Hojas de cálculo de Excel
Datos de paquetes estadísticos comerciales (SPSS, SAS y STATA)

Capítulo 12. Gráficas

Datos usados en el capítulo
La función plot()
Histogramas
Gráficas de barras
Leyendas
Diagramas de dispersión
Diagramas de caja
Gráficos de mosaico
Exportar gráficos

Capítulo 13. Conclusión

Capítulo 14. Introducción al aprendizaje estadístico

El lenguaje y entorno estadístico R
Entorno de trabajo
Librerías
Una primera sesión
Objetos básicos
Área de trabajo

Capítulo 15. Estructuras de datos

Vectores
Matrices y arrays
Data frames
Listas

Capítulo 16. Gráficos

El comando plot
Funciones gráficas de bajo nivel
Ejemplos
Parámetros gráficos
Múltiples gráficos por ventana
Exportar gráficos
Otras librerías gráficas

Capítulo 17. Manipulación de datos con R

Lectura, importación y exportación de datos
Manipulación de datos

Capítulo 18. Análisis exploratorio de datos

Medidas resumen
Gráficos

Capítulo 19. Inferencia estadística

Normalidad
Contrastes
Regresión y correlación
Análisis de la varianza

Capítulo 20. Modelado de datos

Modelos de regresión
Fórmulas
Ejemplo: regresión lineal simple

Capítulo 21. Modelos lineales

Ejemplo
Ajuste: función lm
Predicción
Selección de variables explicativas
Regresión con variables categóricas
Interacciones
Diagnosis del modelo
Métodos de regularización
Alternativas

Capítulo 22. Modelos lineales generalizados

Ajuste: función glm
Regresión logística
Predicción
Selección de variables explicativas
Diagnosis del modelo
Alternativas

Capítulo 23. Regresión no paramétrica

Modelos aditivos

Capítulo 24. Programación

Funciones
Ejecución condicional
Bucles y vectorización
Aplicación: validación cruzada

Capítulo 25. Generación de informes

R Markdown
Spin

Referencias

Bibliografía complementaria

Apendices

A Enlaces
A.1 RStudio
B Instalación de R
B.1 Instalación de R en Windows
C Interfaces gráficas
C.1 RStudio
C.2 RCommander
D Manipulación de datos con dplyr
D.1 El paquete dplyr
D.2 Operaciones con variables (columnas)
D.3 Operaciones con casos (filas)
D.4 Resumir valores con summarise()
D.5 Agrupar casos con group_by()
D.6 Operador pipe %>% (tubería, redirección)
E Compañías que usan R
E.1 Microsoft
E.2 RStudio

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

index.md

index.md

Prefacio {-}

Las convenciones usadas en el presente curso {-}

Reconocimiento {-}

Contenido {-}

Índice de contenido {-}

Files

index.md

Latest commit

History

index.md

File metadata and controls

Prefacio {-}

Las convenciones usadas en el presente curso {-}

Reconocimiento {-}

Contenido {-}

Índice de contenido {-}