Volver a la organización

Certificado de Competencias en Análisis Estadístico con R y RStudio

Esta credencial certifica la competencia para conducir el ciclo completo de análisis de datos en investigación científica con R y RStudio, con trazabilidad auditable: curación reproducible, inferencia estadística justificada en supuestos verificados, modelado de asociación y causalidad, y análisis multivariado.

Habilidades adquiridas
Tipos y diseños de investigación Formulación de objetivos e hipótesis Programación en R Gestión de proyectos en RStudio Importación multiformato y web scraping Validación de bases de dato Manipulación con Tidyverse Reestructuración de datos Visualización con ggplot2 Estadística descriptiva Tamaño de muestra Intervalos de confianza Contraste de hipótesis Normalidad y homocedasticidad Correlación (Pearson, Spearman, Kendall) Regresión lineal simple y múltiple ANCOVA Modelos lineales generalizados (binomial, Poisson) Sobredispersión Pruebas t y no paramétricas ANOVA de una y dos vías Medidas repetidas Kruskal-Wallis y Friedman Comparaciones múltiples post hoc Análisis de permutación Análisis Factorial Exploratorio Componentes Principales (PCA) k-means y agrupamiento jerárquico Modelos de mezclas normales
Información adicional de la credencial

Criterios

Formular el problema, los objetivos y las hipótesis estadísticas de forma congruente con el diseño de investigación y el tipo de variables.

Documentar un proyecto en RStudio con scripts comentados y datos importados y validados, replicable por un analista externo.

Ejecutar un flujo de curación con Tidyverse y comunicar los resultados con gráficos de calidad publicable en ggplot2.

Describir un conjunto de datos y estimar parámetros poblacionales mediante intervalos de confianza y contraste de hipótesis.

Verificar normalidad y homogeneidad de varianza para justificar la elección entre el enfoque paramétrico y el no paramétrico.

Modelar la asociación y la causalidad mediante correlación, regresión lineal y modelos lineales generalizados, con validación de supuestos.

Comparar dos o más poblaciones con la prueba pertinente al diseño, incluidas medidas repetidas y comparaciones múltiples post hoc.

Reducir la dimensionalidad e identificar agrupamientos mediante AFE, PCA y técnicas de aprendizaje no supervisado.

CP-009-26