a. Importar y exportar bases de datos.
b. Describir una base de datos (describe, codebook, inspect).
c. Crear y transformar variables (formatos y tipos de variables).
d. Ordenar, transponer, colapsar variables y bases de datos.
e. Pegar bases de datos de manera horizontal y vertical (Merge y Append)
f. Recodificación de variables.
g. Crear variables dummy.
h. Manejo de datos duplicados y filtros.
i. Estadísticas descriptivas (momento de una distribución de probabilidad).
j. Generación de tabulados de variables y tablas de estadísticas.
k. Tablas descriptivas.
l. Tablas de frecuencias.
m.Tablas estadísticas (promedio, cuenta, desviación estándar, etc.)
n. Matriz de correlación covarianza y significancia estadística.
o. Pruebas de hipótesis sobre la media y la varianza (univariado y bivariado).
p. Gráficos (dispersión, matricial, torta, caja o bigotes, barras).
q. Descripción de información georeferenciada.
Modelado de Datos de Corte Transversal
a. Modelos Lineales
- Introducción teórica.
- Análisis de varianza ANOVA.
- Estimación del modelo estándar de regresión lineal MCO.
- Inferencia estadística (intervalos de confianza y pruebas de hipótesis).
- Información cuantitativa, variables dummy.
- Revisión supuestos del modelo MCO: multicolinealidad, heterocedasticidad y normalidad.
- Revisión de las transformaciones sobre las variables (Log Log, Log Lin, Lin Log).
- Pronóstico de la variable dependiente y residuos.
b. Modelos No Lineales- Modelos de variable dependiente limitada (MLP, logit, probit)
- Interpretación de coeficientes odds ratio y efectos marginales de un cambio unitario en el valor de la variable independiente.
- Validación del modelo de probabilidad (H L, tablas de clasificación, curva ROC).
- Pronóstico de probabilidades y segmentación de grupos con K Means.
- Análisis discriminante (lineal, cuadrático y KNN).
Modelos de Series de Tiempo Univariada
a. Introducción a las Series de Tiempo
- Componentes de una serie de tiempo.
- Patrones de una serie de tiempo.
- Manejo de fechas.
- Manejo de operadores de series de tiempo (D.L.S.)
b. Técnicas de Suavizamiento de una Serie de Tiempo- Modelo de promedio móvil.
- Técnica de suavizamiento exponencial.
- Técnica de suavizamiento ajustado con tendencia.
- Técnica de suavizamiento ajustado a estacionalidad.
- Técnicas de medición del error de pronóstico.
c. Metodología Box Jenkins (ARIMA)- Proceso puramente aleatorio (Ruido Blanco).
- Proceso estocástico estacionario.
- Proceso estocástico no estacionario.
- Función de autocorrelación simple y función de autocorrelación parcial.
- Pruebas de raíz unitaria.
- Estimación de modelos.
- Validación y pronóstico de residuos.
- Pronóstico de la variable relevante.
Online
