Este repositorio contiene el material del curso SOC3070 Análisis de Datos Categóricos, dictado el segundo semestre 2024 a estudiantes de postgrado del Departamento de Sociología de la Universidad Católica de Chile. Para mayores detalles ver el [programa]
y [calendario]
del curso.
- Repaso de pre-cálculo, especialmente funciones logarítmicas y exponenciales:
[texto]
. - Introducción a derivadas:
[texto]
- El concepto de integral, "Calculus Made Easy", 1910:
[calculus]
Día | Mes | Contenido | Material |
---|---|---|---|
5 | Agosto | Presentación del curso | [Pres] [Code] |
5 | Agosto | Basics teoría de la Probabilidad | [Pres] [Code] |
12 | Agosto | Probabilidad Condicional y Teorema Bayes | [Pres] [Code] [Sim] |
19 | Agosto | Variables Aleatorias, Distribuciones Discretas | [Pres] [Code] [Sim] |
26 | Agosto | Momentos & MLE | [Pres] [Code] [Sim] |
2 | Septiembre | Tablas de contingencia | [Pres] [Code] |
9 | Septiembre | Modelo Lineal de Probabilidad (LPM) | [Pres] [Code] |
23 | Septiembre | Regresión Logística: estructura teórica y MLE | [Pres] [Code] |
30 | Septiembre | Regresión Logística: interpretación de efectos | [Pres] [Code] |
7 | Octubre | Regresión Logística: inferencia | [Pres] [Code] [Bootstrap] |
14 | Octubre | Regresión Logística: ajuste, predicción & cross-validation | [Pres] [Code] |
21 | Octubre | Regresión Logística Multinomial: estructura teórica | [Pres] [Code] |
28 | Octubre | Regresión Logística Multinomial: interpretación e inferencia | |
4 | Noviembre | Regresión Poisson: estructura teórica | |
11 | Noviembre | Regresión Poisson: interpretación e inferencia | |
18 | Noviembre | Modelos log-lineales para tablas de contingencia | |
25 | Noviembre | Consideraciones Finales |
Día | Mes | Contenido | Material |
---|---|---|---|
13 | 08 | R base & quarto | [Pres] [Code] |
20 | 08 | dplyr & tidyr |
[Pres] [Code] |
día | mes | ggplot() & stargazer() |
[Pres] [Code] |
24 | 09 | Regresión lineal, LPM - fit lm() |
[Pres] [Code] |
01 | 10 | Regresión logística - fit glm() |
[Pres] [Code] |
día | mes | Probabilidades predichas, efectos marginales & clasificación - ggplot() |
|
día | mes | Bootstrap & cross-validation | |
día | mes | Regresión logística multinomial - fit multinomial() |
|
día | mes | Regresión Poisson - fit glm() |
|
día | mes | Sobre trabajo final |
- Reuniones individuales de aproximadamente 15 minutos cada día Lunes entre 14:30 y 15:30pm.
[Agendar]
Tarea | Asignación | Entrega | Material |
---|---|---|---|
Tarea corta 1 | 5 de Agosto | 12 de Agosto | [TC1 sols] [TC1.qmd sols] |
Tarea corta 2 | 19 de Agosto | 26 de Agosto | [TC2 sols] [TC2.qmd sols] |
Trabajo 1 | 12 de Septiembre | 07 de Octubre | [T1 sols] [wikidata] |
Tarea corta 4 | 16 de Octubre | 23 de Octubre | [TC4] [TC4.qmd] |
Trabajo 2 | 21 de Octubre | 11 de Noviembre | |
Trabajo final | 18 de Noviembre | 9 de Diciembre |
- En el repositorio de mi curso de procesamiento avanzado de datos en
R
puedes encontrar todo el material necesario para aprenderR
desde cero[aquí]
. - Acá pueden encontrar un template para escribir en
RMarkdown
([PDF]
y[.Rmd]
). El uso deRMarkdown
no es obligatorio, pero es altamente recomendado para escribir sus tareas y trabajos. Hoja de ayuda[aquí]
. [StalkOverflow]
tiene las respuestas a casi todas las preguntas.
- Es este
[link]
pueden encontrar la implementación enStata
de los ejemplos usandos en (casi) todos los capítulos del libro de Alan Agresti,[Introduction to Categorical Data Analysis]
.