La estadística es una disciplina científica joven: la mayor parte de los conceptos básicos de los que se ocupan los libros de texto tienen apenas 100 años.
Sin embargo, pese a su juventud, hay quienes piensan que nació demasiado pronto. Algunos estadísticos modernos, de hecho, se han planteado la siguiente pregunta: ¿cómo sería la estadística si hubiese nacido después de los ordenadores? Y al responderla han venido a elaborar un enfoque alternativo al clásico (o habitual) de la estadística, que convenimos en llamar estadística moderna.
La estadística clásica tiene infinitos méritos. Pero la experiencia enseña que también tiende a viciar los conceptos fundamentales de la disciplina en muchos de sus usuarios (y, en particular, en sus estudiantes). Es descorazonador comprobar cómo muchos entienden la estadística como un conjunto de recetas prefabricadas para resolver ciertos tipos de problemas de libro. Ciertos paquetes de software para análisis estadístico muy populares, que se limitan a organizar las recetas en menús y submenús, han contribuido a asentar esta visión castrada de la ciencia estadística.
La estadística moderna, por el contrario, pone de relieve los conceptos fundamentales de la estadística (que proceden esencialmente de la relación señal/ruido en un conjunto de datos) y enseña a navegar hasta ellos a través de un proceso computacional y constructivo desde los datos mismos.
Tradicionalmente, este proceso constructivo era sumamente engorroso. Pero en la segunda década del siglo XXI, y gracias a R las cosas han cambiado. Y de ahí este curso. Porque la era de la estadística moderna ha llegado.
A quién está dirigido el curso
El curso está dirigido a tres tipos de personas:- Los interesados en aprender a utilizar R.
- Aquellos que, aun conociendo los rudimentos de R, quieren profundizar en su conocimiento de la estadística.
- Quienes aun teniendo una formación estadística sólida, quieran familiarizarse con este novedoso enfoque (basado en remuestreos y simulación) a los conceptos básicos de la estadística.
Objetivos
Al finalizar el curso, el participante:- Comprenderá los conceptos básicos de la inferencia estadística desde una perspectiva moderna.
- Será capaz de elaborar código en R para simular los conceptos básicos de la inferencia estadística.
- Como efecto colateral, adquirirá cierta destreza en el uso del entorno de programación y análisis de datos R.
¿Cuánto me va a costar?
El curso es completamente gratuito.¿Recibiré un diploma o certificado al terminar el curso?
No. No se emitirá ningún certificado ni diploma.¿Cómo me inscribo?
- Primero, entra en http://cursoRstats.usaR.org.es/
- A continuación, accede al link entrar, que se encuentra en la esquina superior derecha.
- Finalmente puedes:
- Acceder con tu cuenta de Facebook, Yahoo, Google o myOpenID
- o introducir un nombre de usuario y una contraseña y pulsar el botón Entrar
Contenido
- ¡Empezamos!: instalación y uso básico de R
- Aleatoriedad y probabilidad
- Distribución muestral de la media muestral: intervalos de confianza y contrastes de hipótesis para una y dos poblaciones
- Potencia de un contraste de hipótesis
- Análisis de varianza
- Modelos lineales
Programa
El curso tendrá una duración de 5 semanas: comenzará el 29/10/12 y finalizará el 2/12/12:- Semana 1 (29/10 al 4/11): partes 1 y 2
- Semana 2 (5/11 al 11/11): parte 3
- Semana 3 (12/11 al 18/11): parte 4
- Semana 4 (19/11 al 25/11): parte 5
- Semana 5 (26/11 al 2/12): parte 6
Documentación
El curso está basado en unos apuntes del profesor S. Vasishth que pueden descargarse de http://www.ling.uni-potsdam.de/~vasishth/book.html (el enlace es http://www.ling.uni-potsdam.de/~vasishth/VasishthBroeLectureNotes.zip). Estos apuntes están basados en el libro
Vasishth S., Broe M. (2011). The Foundations of Statistics: A Simulation-based approach. Springer
del mismo autor. Sin embargo, para seguir el curso no es necesario adquirir un ejemplar de esta obra.
(Nos es obligado agradecer al profesor S. Vasishth la ayuda prestada durante la preparación del curso).
Metodología
La metodología principal será la de un grupo de autoestudio. La tarea fundamental de los participantes consistirá en estudiar la documentación escrita y resolver los ejercicios que se planteen. Serán los propios participantes los que, a través de la plataforma de aprendizaje de la que dispondrán, responderán las dudas y cuestiones de sus compañeros. No obstante, el grupo contará con un equipo de supervisores, que guiará al grupo en su estudio.
La función de dichos supervisores será ir estableciendo el ritmo de trabajo, así como servir de “recurso de último nivel” para la resolución de las dudas y problemas que no se hayan podido solventar dentro del grupo de participantes.
Asimismo, podrían organizarse tutorías presenciales (a través de internet). En ellas se establecerá el plan de trabajo de las semanas subsiguientes y se resumirá lo aprendido en las semanas precedentes.
Prerrequisitos
Para obtener un buen aprovechamiento del curso no es necesaria, aunque sí recomendable, una cierta familiaridad con R (http://www.r-project.org/) así como con el GUI de R Rstudio (http://rstudio.org/). Para aquellos que deseen participar en el curso y no hayan tenido contacto previo con R, puede resultar interesante la siguiente documentación:
- An Introduction to R: http://cran.r-project.org/doc/manuals/R-intro.pdf
- icebreakeR: http://www.ms.unimelb.edu.au/~andrewpr/r-users/icebreakeR.pdf
- Introduction to Data Technologies: http://www.stat.auckland.ac.nz/~paul/ItDT/itdt-2010-11-01.pdf
Equipo de supervisores
- Carlos Gil Bellosta: http://www.datanalytics.com/
- Juan José Gibaja Martíns: http://jjgibaja.net/
No hay comentarios:
Publicar un comentario