Scribd
Cargar
85 vistas7 páginas

Course Content - R y Python

Este documento presenta el contenido de un curso sobre estadística con R y Python. El curso cubre temas como la instalación de R y RStudio, trabajando con estructuras de datos, representación gráfica, análisis de datos cualitativos y cuantitativos, regresión lineal, distribuciones de probabilidad y ejemplos completos de análisis. El curso proporciona los conocimientos necesarios para aplicar estadística descriptiva y probabilidad usando los lenguajes R y Python.

Cargado por

Juan Dominguez
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
85 vistas7 páginas

Course Content - R y Python

Este documento presenta el contenido de un curso sobre estadística con R y Python. El curso cubre temas como la instalación de R y RStudio, trabajando con estructuras de datos, representación gráfica, análisis de datos cualitativos y cuantitativos, regresión lineal, distribuciones de probabilidad y ejemplos completos de análisis. El curso proporciona los conocimientos necesarios para aplicar estadística descriptiva y probabilidad usando los lenguajes R y Python.

Cargado por

Juan Dominguez
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 7

Course content

Introducción
 Introducción
 Conoce a Juan Gabriel Gomila, tu instructor en Udemy
 La comunidad de Discord para aprender online
 No valores el curso hasta no llevar más contenido visualizado
 Cómo usar todo el potencial de Udemy y redactar preguntas en el foro

Instalación y puesta a punto


 ¿Qué vamos a aprender en esta sección?
 ¿Qué es R y RStudio?
 No instales la versión de R 4.0.0
 Como instalar R y RStudio - Versión Actualizada
 Cómo instalar R y RStudio - Versión Antigua
 Si tienes problemas con Ubuntu...
 El repositorio del curso
 Nociones básicas de Github
 Clonar vs fork de Github

Trabajando con R
 Ficheros, Scripts y RMarkDowns
 Problemas con la generación del PDF
 La ayuda de R
 Cómo instalar y cargar librerías en R
 R como calculadora
 Funciones y Combinatoria con RStudio
 Funciones trigonométricas
 Redondeo y decimales en R
 Cómo crear variables en R
 Cómo crear funciones en R
 Ejercicio: Creando la función de Operaciones Básicas
 Trabajar con números complejos
 Utilizando R como calculadora
 Utilizando R como calculadora
Trabajando con Python
 Aplicar la estadística descriptiva en Python
 Cómo instalar Python con Anaconda Navigator
 Constantes en Python
 Operaciones aritméticas y de redondeo
 Operaciones de entrada y salida
 Operadores de decisión
 Funciones matemáticas
 Cómo definir funciones con Python
 Argumentos variables y lambdas
 Recursos adicionales de Python
 Repaso general de Python

Documentación con R Markdown


 Introducción a RMarkdown
 Truco: qué hacer si markdown no me genera ficheros en PDF
 LaTeX y RMarkdown
 Guía rápida de LaTeX
 Cómo documentar matrices y sistemas en LaTeX
 Chunks en RMarkdown
 Los parámetros de las chunks
 Chunk con variables en medio del texto
 Documentación de textos utilizando Markdown
 La librería reticulate para combinar R y Python
 Documentación de textos científicos

Estructuras de datos en R
 Vectores y tipos de datos en R
 Progresiones aritméticas y secuencias
 Funciones y orden de vectores
 Ejercicio: el binomio de Newton
 Subvectores y filtros
 Los valores NA
 Factores
 Listas
 Matrices
 Un repaso de álgebra lineal
 Estructuras de datos
 Repasando estructuras de datos
 LaTeX y RMarkdown
Estructuras de datos en Python
 Las listas en Python
 Bucles para recorrer listas
 Las tuplas de Python
 Los diccionarios en Python
 La librería Numpy y los arrays
 Propiedades y manipulación de arrays
 Copias y vistas de arrays
 Todo el potencial de Numpy
 Un poco de álgebra Lineal con Python
 Programando con Python
 Más ejercicios para acabar la sección

Introducción a la representación gráfica


 Representación gráfica con plot
 Parámetros de la función plot
 Más parámetros de la representación gráfica
 Añadir puntos y rectas a un gráfico
 Cómo añadir texto y curvas a un gráfico
 Las leyendas de los gráficos
 Segmentos, flechas, símbolos y polígonos
 Introducción a la representación gráfica
 Introducción a matplotlib para Python
 Múltiples gráficos en una misma figura
 Figuras y ejes
 Añadir texto a los gráficos
 Cambios de ejes y escalas
 Ejercicio: un ejemplo de gráfico detallado en Python
 Gráficos con Python

Data frames
 El formato de los datos en el siglo XXI
 ¿Qué es un Data Frame?
 Estructura y filtrado de data frames
 Cómo cargar data frames en R
 Guardar y cargar datos en varios formatos
 Como construir data frames
 Filter y subset de data frames
 Sapply, Aggregate y Attach/Detach de data frames
 Manejando Data Frames con R
 Cargar Data Frames con Python
 Crear Data Frames con Python
 Agregados de Data Frames con Python
 Parámetros de la función groupby en Python
 Exportar gráficos a ficheros png
 Ejercicio completo de Data Frames

Estadística descriptiva con datos cualitativos


 Estadística descriptiva vs estadística inferencial
 Estudio de datos cualitativos
 Frecuencias absolutas y relativas
 La función table
 La función prop.table
 Tablas de frecuencias bidimensionales
 La función Cross Table
 Un ejemplo de estadística multidimensional
 El conjunto de datos HairEyeColor
 Tablas a partir de data frames de variables cualitativas
 Diagramas de barras
 Diagramas circulares
 Diagramas de mosaico
 Un ejercicio completo de datos cualitativos
 Estudio de bebés recién nacidos
 Los supervivientes del Titanic con Python
 Estadística multidimensional con Python
 Repasando Estadística descriptiva con datos cualitativos

Estadística descriptiva con datos ordinales


 Estudio de datos ordinales
 Frecuencias acumuladas en datos ordinales
 Frecuencias acumuladas en R
 El ejemplo de los cuellos de las jirafas
 Análisis de datos ordinales por factor
 Convertir datos cuantitativos en factores ordinales

Estadística descriptiva con datos cuantitativos


 Estudio de datos cuantitativos
 El estudio de las frecuencias
 Un ejemplo con notación matemática
 Medidas de centralización
 Las diferentes medias en matemáticas
 Medidas de posición
 Medidas de dispersión
 Demostración: fórmula alternativa de la varianza
 Cómo calcular medidas de dispersion en R
 Agregar datos cuantitativos por factor
 El diagrama de caja y bigotes
 Configuración de los diagramas de caja y bigotes
 Ejercicio: ¿Qué insecticida funciona mejor?
 Estudio de las notas según la carrera
 Análisis de planetas con Python
 Diagramas de caja con Python
 Eestadística descriptiva de datos cuantitativos

Análisis de datos cuantitativos agrupados


 La necesidad de agrupar datos cuantitativos
 El proceso de agrupación de datos cuantitativos
 Implementando las reglas de agrupación
 Reglas de agruación de datos numéricos
4 questions
 La función cut de R
 La función cut en Python
 Ejercicio: un script para calcular la tabla de frecuencias con datos agrupados
 El ejemplo de las anchuras de los cangrejos
 Ejercicio: las notas de bachillerato
 Estadísticos para datos agrupados
 Ejercicio: calcular estadísticos de datos agrupados
 Los histogramas de frecuencias
 Representar histogramas con R
 Densidades y funciones de distribución
 Ejercicio: histogramas de la distribución de los cangrejos
 Ejercicio: los nacimientos en Estados Unidos
 Histogramas en Python a mano
 Histogramas con NumPy
 Histogramas con Matplotlib y Pandas
 Funciones de densidad en Python
 Otras alternativas para representar histogramas
 Análisis de datos cuantitativos agrupados
Introducción a la regresión lineal
 La regresión lineal
 Cómo calcular una recta de regresión lineal
 El coeficiente de determinación
 Transformaciones logarítmicas de los datos
 Ejercicio: relaciones exponenciales
 Ejercicio: relaciones potenciales
 Regresion lineal en Python
 Entrenamiento y validación de un modelo lineal

Distribuciones de probabilidad
 El concepto de probabilidad
 Variables aleatorias y funciones de distribución
 Variables aleatorias discretas
 El sesgo de una distribución de probabilidad
 Introducción a las distribuciones de probabilidad
 La distribución de Bernoulli
 La distribución Binomial
 La distribución geométrica
 La distribución hipergeométrica
 La distribución de Poisson
 La distribución binomial negativa
 Variables aleatorias contínuas
 La distribución Uniforme
 La distribución Exponencial
 La distribución Normal
 Cómo usar las tablas de la distribución Normal
 Cómo estandarizar variables aleatorias normales
 Repasando la distribución Normal: usando tablas y estandarizando
 Otras distribuciones conocidas
 Repasando Distribuciones de probabilidad

Ejemplos de análisis completos


 Análisis de los diamantes en Python
 La cache de los R Markdown
 Más sobre cómo juntar R y Python
 Ejercicio: los vuelos del aeropuerto de Nueva York
 Medidas de centralización en Python
 Medidas de dispersión en Python
 Medidas de forma en Python
 Análisis de El Señor de los Anillos
BONUS - Un regalo para ti
2 lectures • 2min
 Enhorabuena por completar el curso
01:44
 BONUS - Todos los cursos de Juan Gabriel

También podría gustarte