Recursos

Lenguaje de Programación

R y RStudio

Para este curso necesitas instalar:

  1. R

  2. RStudio (IDE recomendado)

    • Descarga desde: https://posit.co/download/rstudio-desktop/
    • Versión gratuita (Desktop) es suficiente
    • Si quieren otro IDE, pueden usar Positron, que es un nuevo IDE que combina Python y R en un interfaz amable. O si vienen del mundo más ligado a la ciencia de datos “pura”, también pueden usar VS Code. Pero el lenguaje de programación será siempre R.
TipVideo tutoriales de instalación

(Pueden usar cualquier tutorial que deseen, lo de arriba solo son referencias rápidas. De cualquier manera, es bastante intuitivo)

Paquetes de R

Durante el curso usaremos principalmente estos paquetes. Puedes instalarlos copiando este código en tu consola de R:

# Paquetes para manipulación y limpieza de datos
install.packages("tidyverse")   # dplyr, ggplot2, tidyr, readr, etc.
install.packages("haven")       # Importar SPSS, Stata, SAS
install.packages("readxl")      # Leer Excel
install.packages("rio")         # Import/export flexible
install.packages("janitor")     # Limpiar datos y tablas
install.packages("labelled")    # Etiquetas de variables.

# Paquetes para estadística descriptiva e inferencial básica
install.packages("psych")       # Descriptivos
install.packages("DescTools")   # Medidas y tests clásicos
install.packages("summarytools")# Tablas descriptivas rápidas

# Paquetes para test de hipótesis y modelos lineales
install.packages("car")         # Regresión, ANOVA, supuestos
install.packages("lmtest")      # Tests para modelos lineales
install.packages("sandwich")    # Errores robustos (White, HC)
install.packages("estimatr")    # Regresión con errores robustos fáciles
install.packages("margins")     # Efectos marginales


# Paquetes para tablas y reportes
install.packages("broom")       # Convertir modelos a dataframes
install.packages("stargazer")   # Tablas de regresión (LaTeX, html, texto)
install.packages("modelsummary")# Alternativa moderna a stargazer
install.packages("knitr")       
install.packages("kableExtra")
install.packages("gt")

# Paquetes para visualización
install.packages("ggplot2")     # (ya incluido en tidyverse)
install.packages("patchwork")   # Combinar gráficos
install.packages("ggpubr")      # Gráficos “estadísticos” fáciles

# Paquetes útiles para la investigación social
install.packages("survey")      # Si trabajaran con datos muestrales
install.packages("srvyr")       # Survey pero con lenguaje dplyr
install.packages("Hmisc")       # Recodificación, descriptivos avanzados

Guías y Tutoriales

R

Estadística en R

Visualización de Datos

Quarto/R Markdown

Datos para Práctica

Datasets del Curso

Los datasets utilizados en clases están disponibles en la carpeta data/ de este sitio web (en el repositorio de GitHub):

  • ejemplo.csv - Dataset ejemplo para Sesión XX
  • Por ejemplo, para la sesión 1, usaremos data/ene-2025-jja.csv, que es la última base de datos de la Encuesta Nacional de Empleo realizada mensualmente (agregada por trimestres (en este caso, jja es junio, julio y agosto))

Repositorios de Datos Sociales

Chile: - CASEN - Encuesta de Caracterización Socioeconómica Nacional - ENUT - Encuesta Nacional sobre el Uso del Tiempo - ENE - Encuesta Nacional de Empleo

Internacional: - World Bank Open Data - OECD Data - Gapminder - Our World in Data

Repositorios generales: - Kaggle Datasets - UCI Machine Learning Repository - Data.gov

Hojas de Referencia (Cheatsheets)

Descarga estas guías de referencia rápida:

Todas las cheatsheets de RStudio: https://posit.co/resources/cheatsheets/

Comunidades y Ayuda

Foros y Comunidades

Canales de YouTube (en español)

Blogs y Tutoriales

Consejos para Aprender R

1. Practica regularmente

No basta con ver código, hay que escribirlo. Dedica tiempo cada semana a practicar.

2. Aprende a buscar ayuda

  • Usa ?funcion o help(funcion) en R
  • Busca en Google: “how to [tarea] in R”
  • Lee los mensajes de error con calma

3. No memorices, entiende

Es mejor entender la lógica que memorizar código. Usa las cheatsheets como apoyo.

4. Comenta tu código

Tu yo del futuro te lo agradecerá. Explica qué hace cada sección.

5. Empieza simple

No trates de hacer visualizaciones complejas desde el inicio. Domina lo básico primero.

6. Aprende de ejemplos

Estudia código de otros, modifícalo, entiéndelo.

7. Sé paciente

Todos los programadores cometen errores constantemente. Es parte del proceso.

Material Complementario

Libros Avanzados (para profundizar)

Cursos Online

Contacto

¿Tienes sugerencias de recursos que deberían estar aquí? Escríbeme a [email] o abre un issue en el repositorio de GitHub.