Actividad presencial
El curso "Fundamentos Estadísticos para Investigación. Introducción a R 4" (FEIR4) es la cuarta edición de este curso centrado en proveer de fundamentos estadísticos a investigadores y expertos de cualquier área del conocimiento a través del entorno y lenguaje de programación R. R es uno de los principales lenguajes de análisis de datos para muchas universidades y facultades, se conoce como la lengua franca actual del análisis de datos, conectando disciplinas. Hoy día, el estudio de ciencias y humanidades no se entiende sin los datos. El análisis de estos datos permite extraer conocimiento de los mismos para poder comprender nuestra área de estudio. El procesamiento, limpieza y visualización de los datos, el contraste de hipótesis y los fundamentos estadísticos necesarios para llevar a cabo la resolución de problemas basados en datos y su reporte serán abordados en este curso.
El FEIR4 también incluye principios de reproducibilidad, reporte de resultados y software libre. La reproducibilidad de un análisis consiste en garantizar que se puedan repetir y que los mismos pasos lleven a la misma solución. Haremos especial énfasis en como reportar los resultados de un análisis estadístico de forma completa para mejorar su comprensión y utilidad. Por último, creemos que en el entorno universitario debería de primar el uso de software libre, como es el caso de R, por ser factor de cohesión social y un vehículo de conocimiento y realzaremos este valor.

Destinatarios: Estudiantes de doctorado de CC Sociales, Experimentales, Biosanitarias, Letras... Profesionales de la investigación. Estudiantes de segundo ciclo de grado. Profesionales del sector. Tendrán preferencia en la matrícula los estudiantes que estén hayan cursando prácticas curriculares o extracurriculares en la Sección de Apoyo Estadístico del ACTI (Área Científica y Técnica de Investigación de la Universidad de Murcia) y los usuarios de cualquier servicio del ACTI, así como cualquier persona interesada en el tema.

Requisitos de acceso: Estudiantes de doctorado de CC Sociales, Experimentales, Biosanitarias, Letras... Profesionales de la investigación. Estudiantes de segundo ciclo de grado. Profesionales del sector. Tendrán preferencia en la matrícula los estudiantes que hayan cursando prácticas curriculares o extracurriculares en la Sección de Apoyo Estadístico del ACTI (Área Científica y Técnica de Investigación de la Universidad de Murcia) y los usuarios de cualquier servicio del ACTI, así como cualquier persona interesada en el tema.

	Carácter	ECTS	Horas Trabajo	Horas Presenciales
Entorno de trabajo R, y RStudio	Obligatoria	0.75	18.75	7.5
Comparación de medias - Test paramétricos	Obligatoria	1	25	10
Contrastes no paramétricos	Obligatoria	0.5	12.5	5
Modelos de Regresión	Obligatoria	0.5	12.5	5
Taller de generación de tablas y gráficos con R	Obligatoria	0.5	12.5	5
Análisis de datos multivariantes: Machine learning y modelos factoriales	Obligatoria	0.75	18.75	7.5

• Entorno de trabajo R, y RStudio
  (0.75 ECTS - Presencialidad: 7.5h - 40%)
  del 02/05/2023 al 09/05/2023 (8 días naturales / 7 días hábiles)
  Horario: M y J de 16:00h a 18:30h


• Comparación de medias - Test paramétricos
  (1 ECTS - Presencialidad: 10h - 40%)
  del 11/05/2023 al 23/05/2023 (13 días naturales / 11 días hábiles)
  Horario: M y J de 16:00h a 18:30h


• Contrastes no paramétricos
  (0.5 ECTS - Presencialidad: 5h - 40%)
  del 25/05/2023 al 30/05/2023 (6 días naturales / 5 días hábiles)
  Horario: M y J de 16:00h a 18:30h


• Modelos de Regresión
  (0.5 ECTS - Presencialidad: 5h - 40%)
  del 01/06/2023 al 06/06/2023 (6 días naturales / 5 días hábiles)
  Horario: M y J de 16:00h a 18:30h


• Taller de generación de tablas y gráficos con R
  (0.5 ECTS - Presencialidad: 5h - 40%)
  del 08/06/2023 al 13/06/2023 (6 días naturales / 4 días hábiles)
  Horario: M y J de 16:00h a 18:30h


• Análisis de datos multivariantes: Machine learning y modelos factoriales
  (0.75 ECTS - Presencialidad: 7.5h - 40%)
  del 15/06/2023 al 22/06/2023 (8 días naturales / 7 días hábiles)
  Horario: M y J de 16:00h a 18:30h

Cod	Tipo	Competencia
CB1	Básica	Matemática
CB2	Básica	Capacitar para el aprendizaje autónomo de nuevos conocimientos y técnicas
CE1	Específica	Capacidad para el pensamiento y razonamiento cuantitativo
CE2	Específica	Capacidad de abstracción
CE3	Específica	Capacidad para formular hipótesis, recolectar y valorar de forma crítica la información para la resolución de problemas reales, siguiendo el método científico
CE4	Específica	Capacidad para el uso correcto y racional del software en el análisis de datos para la toma de decisiones
CG1	Transversal	Ser capaz de gestionar la información y el conocimiento de su ámbito disciplinar, incluyendo saber utilizar como usuario las herramientas básicas de las tecnologías de la información y comunicación (TIC)
CG2	Transversal	Utilizar herramientas de búsqueda de recursos bibliográficos
CG3	Transversal	Capacidad de identificación, interpretación, formulación y resolución de problemas

AURORA GONZALEZ VIDAL

FRANCISCO JAVIER IBAÑEZ LOPEZ

ANTONIO MAURANDI LOPEZ

LAURA DEL RIO ALONSO