Curso Especializado: RStudio e IA Aplicado a la Investigación

SESIÓN 1: INTRODUCCIÓN A R Y RSTUDIO.

• Actividad práctica: instalación de R y RStudio; exploración de la interfaz; creación de un script inicial.
• Aplicación en investigación: cargar un dataset real (ej. encuestas educativas o de salud).

SESIÓN 2: IMPORTACIÓN Y EXPORTACIÓN DE DATOS.

• Actividad práctica: importar datos desde Excel/SPSS/CSV, limpieza de NA y exportación de dataset procesado.
• Aplicación en investigación: preparar la base de datos del proyecto de investigación.

SESIÓN 3: MANIPULACIÓN DE DATOS CON DPLYR Y TIDYR.

• Actividad práctica: filtrar, resumir y transformar variables de la base del proyecto.
• Aplicación en investigación: generar la tabla descriptiva inicial de la muestra.

SESIÓN 4: VISUALIZACIÓN DE DATOS USANDO GGPLOT2

• Actividad práctica: gráficas para todo tipo de variables (numéricas y categóricas).
• Aplicación en investigación: generar gráficos descriptivos de la muestra.

SESIÓN 5: ESTADÍSTICA DESCRIPTIVA CON R.

• Actividad práctica: Calcular medidas de tendencia central, dispersión y gráficos.
• Aplicación en investigación: Elaborar el perfil descriptivo de la muestra.

SESIÓN 6: DISTRIBUCIONES DE PROBABILIDAD.

• Actividad práctica: Simular distribuciones normales (Normal, T de Student, Chi-cuadrado, F de Fisher).
• Aplicación en investigación: Validar supuestos de normalidad para las pruebas posteriores.

SESIÓN 7: ANÁLISIS DE CORRELACIÓN.

• Actividad práctica: Calcular correlaciones (Pearson, Spearman, Kendall) y matrices de correlación.
• Aplicación en investigación: identificar relaciones clave entre variables de estudio.

SESIÓN 8: PRUEBAS DE HIPÓTESIS PARAMÉTRICAS.

• Actividad práctica: Aplicar T de Student y ANOVA de un factor y dos factores.
• Aplicación en investigación: Contrastar hipótesis de medias en la investigación.

SESIÓN 9: PRUEBAS NO PARAMÉTRICAS.

• Actividad práctica: Aplicar Mann-Whitney, Wilcoxon, Kruskal-Wallis y Chi².
• Aplicación en investigación: Analizar variables categóricas o datos que no cumplen supuestos.

SESIÓN 10: REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE.

• Actividad práctica: construir modelos de regresión; diagnóstico de supuestos.
• Aplicación en investigación: Predecir variables dependientes en la investigación.

SESIÓN 11: REGRESIÓN LOGÍSTICA BINARIA.

• Actividad práctica: Modelar variables categóricas binarias, evaluar precisión y ROC.
• Aplicación en investigación: Analizar factores que predicen una variable dicotómica (ej. aprobar/no aprobar).

SESIÓN 12: FIABILIDAD DE INSTRUMENTOS: ALFA DE CRONBACH.

• Actividad práctica: Calcular alfa de Cronbach con cuestionarios reales.
• Aplicación en investigación: Justificar el muestreo del proyecto.

SESIÓN 13: MUESTREO ESTADÍSTICO.

• Actividad práctica: Calcular tamaño de muestra con datos reales.
• Aplicación en investigación: Justificar el muestreo del proyecto.

SESIÓN 14: INTRODUCCIÓN AL MACHINE LEARNING 1

• Actividad práctica: Instalar librerías (caret, tensorflow, keras), ejecutar un modelo simple de clasificación.
• Aplicación en investigación: Aplicar un modelo de predicción sencillo al dataset.

SESIÓN 15: INTRODUCCIÓN AL MACHINE LEARNING 2

• Actividad práctica: Introducción a redes neuronales con keras y tensorflow.
• Aplicación en investigación: enriquecer el análisis con predicción o agrupamiento automático.