Estadística computacional en R

  • Inicia: 02/03/2026    Finaliza: 27/03/2026
  • Modalidad: Presencial
  • Horario de clases: De lunes a viernes de 10 a 13 hrs
  • Estudiantes mínimo: 4    máximo: 12
  • Costo: $4,500
  • Creditos: 12
  • Horas: 120
  • Nota:
  • Coordinadores: Roger Enrique Guevara Hernández
  • Profesores invitados:

Presentación

El curso de Estadística Computacional en R es una introducción a los modelos estadísticos empleados en la investigación en ciencias naturales y en el manejo de los recursos naturales. El estudiante obtendrá conocimientos teóricos y prácticos para el análisis de datos, interpretará los resultados y apreciará la necesidad de una adecuada planificación de un proyecto de investigación, así como de un diseño experimental correcto y la toma de datos.

Objetivo

El objetivo del curso es familiarizar al estudiante con los métodos estadísticos utilizados cotidianamente en la investigación en ecología y evolución.

Objetivos específicos
  • Que el estudiante identifique los modelos o aproximaciones estadísticas que pueden ayudar a resolver el problema de investigación que se aborda.
  • Que el estudiante sea capaz de organizar los datos de forma correcta para realizar los análisis estadísticos.
  • Que el estudiante sea capaz de realizar los análisis estadísticos.
  • Que el estudiante sea capaz de interpretar correctamente los resultados de los análisis estadísticos.
  • Que el estudiante sea capaz de representar gráficamente los resultados obtenidos.
Metodología

El coordinador del curso presentará el fundamento de cada modelo, su aplicación, los supuestos y las limitaciones de las pruebas, y demostrará con ejemplos prácticos que los estudiantes seguirán en sus ordenadores personales. Posteriormente, los estudiantes resolverán problemas similares de manera individual. Los estudiantes obtendrán datos de repositorios o de publicaciones relevantes para plantear un problema de investigación, el cual deberán formalizar y presentar los resultados.

Prerrequisitos del curso

Fundamentos de probabilidad y lógica

Habilidades y destrezas

Habilidades numéricas, pensamiento abstracto.

Criterios de calificación

Evaluación de Ejercicios Individuales
Presentación del Proyecto

Contenido temático
1) Introducción al sistema R
·      Ambiente R
·      Sistema de ayuda en R
·      Objetos
·      Asignar valores a objetos
·      Llamar objetos
·      Operaciones básicas
·      Tablas
·      Vectores y matrices
·      Funciones
·      Programación
·      Números aleatorios
·      Iteraciones
·      Gráficas
·      Importar datos
 
2) Probabilidad
 
3) Estadística descriptiva en R
·      Frecuencias
·      Media
·      Desviación estándar
 
4) Comparaciones básicas
·      Una muestra
·      Dos muestras
·      Varianzas
·      t de Student
·      Suma de rangos de Wilcoxon
·      Muestras pareadas
·      Comparar dos proporciones
·      Distribución binomial
·      Distribución Poisson
·      Contingencia
·      Bondad de ajuste
·      Correlación
·      Correlación y escala
·      Correlación y covarianza
·      Kolmogorov-Smirnov
 
5) Regresión
·      Principios de la regresión
·      Parámetros estimados
·      Gráficas
·      Supuestos
·      Regresión múltiple
·      Regresión: modelos de árboles
·      Regresión: bosque de árboles
 
6) Análisis de varianza
·      Principios del ANOVA
·      Supuestos
·      ANOVA en R
·      ANOVA de 1 vía
·      ANOVA de 2 vías
·      Interacciones
·      ANOVA factorial
·      Comparaciones múltiples
·      Gráficas
 
7) Análisis de covarianza
·      Principios del ANCOVA
·      Gráficas
·      Simplificación de modelos
 
8) Contrastes
·      Diseños ortogonales
·      Contrastes
·      Contrastes de coeficientes
·      Simplificación a posteriori
·      Contrastes en ANCOVA
 
9) ANOVA de bloques divididos
·      Fundamento
·      Diseños complejos
 
10) ANOVA anidado
·      Fundamento
·      Pseudoreplicación
·      Componentes de la varianza
 
11) Crítica de modelos
·      Residuales
·      Heterocedasticidad
·      Errores no normales
·      Atípicos
·      AIC
·      Mala definición de modelo
·      Mala elección de error
·      Mala elección de función de liga
·      Sobredispersión
·      Revisar el modelo
 
12) Funciones y transformaciones
 
13) Simplificación de modelos
 
 
14) GLM (Modelos Lineales Generalizados)
·      Predictor lineal
·      Valores ajustados
·      Función de liga
·      Estimación de parámetros
·      Devianza
 
15) GLM con proporciones
·      Error binomial
·      Devianza
·      Sobredispersión
·      Crítica de modelos
·      Regresión
·      Análisis de devianza
·      Simplificación y sobredispersión
·      ANCOVA
 
16) GLM con conteos
·      Distribución Poisson
·      Devianza
·      Log-lineal
·      Análisis de devianza
·      Sobredispersión
·      ANCOVA
·      Tablas de contingencia
 
17) GLM con respuestas binarias
·      Devianza
·      Función de incidencia
·      ANCOVA logística
 
18) Modelos mixtos
·      Efectos fijos
·      Efectos aleatorios
·      Bloques
·      Medidas repetidas
 
19) Modelos aditivos. GAM
·      Suavizadores
·      Puntos de inflexión
·      GAM mixtos
 
20) Otras aplicaciones en ecología, análisis de la diversidad y evolución