• La enseñanza de la estadística a nivel universitario desempeña un papel fundamental en la formación de estudiantes en una variedad de disciplinas académicas y profesionales.

• La estadística es una herramienta esencial para el análisis de datos y en consecuencia la toma de decisiones basadas en evidencia. Los estudiantes universitarios, sin importar su área de estudio, siempre se beneficiarán de adquirir habilidades en estadística.

• La estadística, puede lograr su aplicabilidad en una amplia gama de campos, desde las ciencias sociales y naturales hasta la economía y la salud.

• La enseñanza efectiva de la estadística a nivel universitario implica una combinación de teoría, práctica y aplicación a situaciones reales, la cual se convierte en un desafío constante.

• Actualmente existe una serie de recursos digitales disponibles para ayudar a los profesores y estudiantes a enseñar y aprender esta área de manera efectiva. La elección de los recursos dependerá del enfoque de tu curso y de las necesidades de tus estudiantes.

\[ \]

• La forma en que aprendemos y consumimos contenido sobre estadística está atravesando un cambio profundo, guiada por la creciente influencia de la tecnología en nuestra vida cotidiana.

• Los profesionales de todas las edades pueden aprovechar estos recursos para mejorar sus habilidades, competencias y, en última instancia, su trayectoria profesional.

• Son recursos innovadores diseñados para capturar nuestra atención, involucrarnos activamente y, lo más importante, hacer que el aprendizaje sea una experiencia personal.

• Plataformas de aprendizaje en línea: DataCamp, Smartick Khan Academy, Aula facíl, Educatina, Estadística para todos, Eustat Stats.Blue. \[ \]

• Software estadísticos: R, Python, SPSS, SAS, Stata, Minitab, Excel, CODAP, GAPMINDER. \[ \]

• Simulaciones y visualizaciones: GeoGebra, StatCrunch, Power BI, Tableau. \[ \]

• 

• Se especializa en cursos de Programación y Ciencia de Datos. Actualmente tiene en su catálogo cerca de 400 cursos específicos sobre esta temática, además de seminarios online, espacios de trabajo y proyectos basados en problemas reales. \[ \]

• Es de los sitios más consultados por especialistas en análisis de datos de todo el mundo. \[ \]

• Los cursos están orientados a personas que quieran aprender a programar (ver cursos) y personas que trabajen en el ámbito del análisis de datos.

• Es un software dinámico para todos los niveles educativos que reúne geometría, álgebra, estadísticas y cálculo en un solo motor. \[ \]

• Ofrece una plataforma en línea con más de 1 millón de recursos gratuitos para el aula, creados por una comunidad multilingüe. \[ \]

• GeoGebra esta disponible para el público en general de forma gratuita y cuenta con cientos de millones de estudiantes en sus plataformas de aprendizaje.

• R es un entorno y lenguaje de programación abierto, libre y gratis que proporciona una variedad de técnicas estadísticas y gráficas. \[ \]

• RStudio es un entorno de desarrollo integrado (IDE) para R, que permite interactuar de forma más amigable las tareas de programación y análisis de datos en R. \[ \]

• Página oficial de R: The R Project for Statistical Computing

• Es uno de los mejores programas para hacer análisis de datos. Si no me acabas de creer, puedes revisarlo aquí o aquí.

• R forma parte de un proyecto colaborativo y abierto. Sus usuarios pueden publicar paquetes que extienden su configuración básica. Lo que lo hace ampliamente extendible.

• La comunidad R es muy prolífica y colaborativa: R-bloggers

• R es cada vez más usado, no sólo en la universidad y la docencia, sino también en el mundo de la empresa, puedes verlo aquí o aquí.

• Entre las empresas que usan R están: Google, Facebook, Twitter, Microsoft, IBM, Uber, Ford, Airbnb, American Express, Bank of America, etc. Aquí puedes encontrar una lista más completa.

• R for Data Science

• Modern Drive

• r-statistics.co

• R para principiantes

• Manual de R

• Data Science con R

• Gráficos con R

• R CODER

Para crear gráficos en 3D, puedes utilizar la librería rgl, que proporciona una amplia variedad de funciones para crear visualizaciones tridimensionales interactivas. Gráficos 3D

También puedes utilizar otras bibliotecas como plotly o scatterplot3d. A continuación se puede observar un ejemplo básico.

library("rgl")
library("magick")

data <- iris

plot3d(data$Sepal.Length,data$Sepal.Width,data$Petal.Length,
       xlab="Largo_sepalo",ylab="Ancho_sepalo",zlab="Largo_petala",
       col = as.numeric(data$Species), type = "s", radius = 0.1) 

play3d(spin3d(axis = c(0, 0, 1), rpm = 5), duration = 100)

Plotly es una librería muy potente de visualización dinámica. A continuación un ejemplo de aplicación.

library(plotly)
library(mvtnorm)

# Parámetros
mu <- c(150, 165)
S <- matrix(c(25,10,10,20), nrow=2 , byrow = TRUE) 

# Datos simulados
n <- 1000
set.seed(2023)
datos <- data.frame(rmvnorm(n,mu,S))
colnames(datos) <- c("Peso","Estatura")
densidad <- dmvnorm(datos,mu,S)

# Gráfica
plot_ly(x=~datos$Peso, y=~datos$Estatura, z=~densidad,
        type = "scatter3d", color=densidad, xlab=" ",
        ylab=" ", zlab=" ") 

Leaflet es una librería que facilita la creación y personalización de mapas interactivos a partir de datos geoespaciales utilizando el lenguaje de programación R. A continuación un ejemplo de aplicación.

library(leaflet)

leaflet() %>% addTiles() %>% 
  setView(lng = -66.04875, lat = 18.4059, zoom = 7) %>%
  addMarkers(lng = -66.04875, lat = 18.4059)

Shiny es un paquete que permite construir aplicaciones web interactivas y dinámicas. Fue desarrollado en R pero actualmente también se puede trabajar desde Python. Algunos ejemplos utilizados en clase:

• Convergencia de la distribución t-Student a la Normal

• Teorema de límite central

• Aproximaciones

Shinydashboard es un paquete que se utiliza en combinación con Shiny para crear aplicaciones web interactivas con una apariencia similar a un panel de control (dashboard). Este paquete facilita la creación de interfaces de usuario atractivas y funcionales que se asemejan a los paneles de control utilizados para resumir y visualizar datos en un formato fácil de usar. Algunos ejemplos trabajados son:

• Mapas Covid

• Estadísticas Covid

• Aplicación de Ambiental

Rmarkdown es un paquete que permite Utilizar una interfaz que entrelaza texto narrativo y código de R, para producir resultados con un formato elegante.

Los documentos de Rmarkdown se pueden exportar en muchos formatos de salida, como son:

• Documentos: html, Pdf y Word.

• Presentaciones: html (ioslides, Slidy) Pdf (Beamer), PowerPoint.

• Shiny: documentos y presentaciones.

• Algunos ejemplos utilizados en clase: Rpubs