Requerimientos

Para comenzar el trabajo se necesita la última versión de R y RStudio (R Core Team 2018).También se requiere de los paquetes pacman, rmarkdown, tidyverse y tinytex. Si no se ha usado R o RStudio anteriormente, el siguiente video muestra cómo instalar ambos programas y los paquetes necesarios para este curso en el siguiente link.

El código para la instalación de esos paquetes es el siguiente:

install.packages("pacman", "rmarkdown", "tidyverse", "tinytex")

En caso de necesitar ayuda para la instalación, contactarse con el instructor del curso.

0.1 Antes de comenzar

Si nunca se ha trabajado con R antes de este curso, una buena herramienta es provista por el paquete Swirl (Kross et al. 2017). Si deseas estar más preparado para el curso, realiza los primeros 7 módulos del programa R Programming: The basics of programming in R que incluye:

  • Basic Building Blocks
  • Workspace and Files
  • Sequences of Numbers
  • Vectors
  • Missing Values
  • Subsetting Vectors
  • Matrices and Data Frames

El siguiente link muestra un video explicativo de cómo usar el paquete swirl Video

0.2 Descripción del práctico

Los prácticos de este curso se enfocan en aprender a realizar de manera práctica los conceptos enseñados en el cuso, pero además, usando herramientas interactivas y/o programáticas, el profundizar el entendimiento de ciertos conceptos teóricos y filosóficos del curso.

0.3 Objetivos del práctico

  1. Aprender el uso de R como ambiente estadístico de limpieza, exploración, visualización de datos.

  2. Conocer y aplicar de manera aplicada los conceptos enseñados en el curso de Bioestadística 2.

  3. Aprender buenas prácticas de recolección y estandarización de bases de datos, con la finalidad de optimizar el análisis de datos y la revisión de éstas por pares.

  4. Realizar análisis críticos de la naturaleza de los datos al realizar análisis exploratorios, que permitirán determinar la mejor forma de comprobar hipótesis asociadas a estas bases de datos.

0.4 Contenidos

  • Capítulo 1 Análisis exploratorio y el primer ANOVA: En este capítulo se aprenderá a cómo explorar, resumir y visualizar una base de datos utilizando el paquete tidyverse (Wickham 2017), además se realizarán un análisis básico de ANOVA

  • Capítulo 2 Supuestos de ANOVA y mínimos cuadrados

  • Capítulo 3 Análisis de poder y primera tarea

  • Capítulo 5 Referencias

  • Capítulo 4 T de student

0.5 Metodología

Clases prácticas donde cada estudiante trabajará con datos entregados para desarrollar análisis de datos. Además, se deberán generar informes, en base al trabajo con sus datos.

0.6 Evaluación

El trabajo práctico de este ramo es un 20% de la nota final del curso, y es obligatorio ir a todos los trabajos prácticos para pasar el ramo.

Durante los primeros 15 minutos se tomará un control. Pasado ese período, no se acepta la entrega de controles, recibiendo calificación 1. La ausencia a los trabajos prácticos puede ser causal de reprobación del curso. Ademas de los controles habrán trabajos de investigación.

La nota final de los practicos se evaluará de la siguiente forma:

  • Tests de entrada: 60%
  • Trabajos: 40%

0.7 Presentación de introducción

Para la introducción de los prácticos seguiremos un a presentación que se encuentra en este link

Si no has conseguido instalar R, puedes seguir el práctico usando la siguiente guía interactiva

Puedes ver la clase de nuevo en el siguiente video o clickeando en este link

Referencias

R Core Team. 2018. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/.

Kross, Sean, Nick Carchedi, Bill Bauer, and Gina Grdina. 2017. Swirl: Learn R, in R. https://CRAN.R-project.org/package=swirl.

Wickham, Hadley. 2017. Tidyverse: Easily Install and Load the ’Tidyverse’. https://CRAN.R-project.org/package=tidyverse.