Detalle

CONTENIDO Y ESTRUCTURA DEL CURSO:

BLOQUE 1: Entorno de programación R.
    Sesión 1: Introducción al entorno de programación R. Descarga, instalación y primeros pasos en R/RStudio: archivos R Script, objetos, manipulación de objetos, cálculos sencillos, leer datos de un archivo, guardar datos, generar datos de forma aleatoria, listas y hojas de datos, algunos gráficos simples. Librerías (dplyr).
    Sesión 2: Ejecución condicional (comando if) y ciclos (comandos for, repeat y while). Escritura de nuevas funciones. Ejemplos prácticos.
    Sesión 3: Creación de paquetes en R. Publicación en R-Force, Github y CRAN.

Este bloque tiene una duración programada de 12 horas.

BLOQUE 2: Análisis de datos con el entorno de programación R.
    Sesión 4: Análisis descriptivo de un conjunto de datos e inferencia en una y dos poblaciones. Aleatoriedad y normalidad.
    Sesión 5: Modelo de regresión lineal simple/múltiple. Modelos de datos de panel.
    Sesión 6: Modelos de variable dependiente binaria (logit/probit).
    Sesión 7: Introducción a las series temporales. Estacionariedad e implicaciones. Regresión espuria. Log-diferenciación. Contrastes de estacionariedad. Modelos autorregresivos y de medias móviles. El modelo ARIMA. Predicción con el modelo ARIMA. El modelo ADL. El modelo GARCH. Predicción a corto plazo de la volatilidad. Inferencia. Detección de errores GARCH. Variantes del GARCH.
    Sesión 8: El modelo de Vectores Autorregresivos (VAR). Análisis estructural y predicción. Forma reducida y forma estructural. Identificación de shocks. Cointegración de series temporales. El modelo de Vectores de Corrección de Error (VECM). Regresión de series cointegradas. Modelos dinámicos de datos de panel. El método generalizado de los momentos. Variables instrumentales.