RPubs will retire in June 2027. Your existing documents will stay accessible through December 31, 2031
and Connect Cloud is the recommended home for new publishing. Read the blog post
gravatar

hllinas

Dr. rer. nat. Humberto LLinás Solano

Recently Published

6.19.2 Pruebas de hipótesis con R (resumen)
6.18.2 Intervalos de confianza con R (resumen)
3.12.2. Análisis exploratorio de datos con R (parte 1)
1.15.1. Estadística Inferencial (pregrado) - TOC
1.15.0.Lineamientos para las Actividades de Análisis de Datos (Estadística Inferencial)
0. Análisis Multivariado (TOC - short1)
18.0. Bibliografía de Multivariado
23.5.1. Training a neural network by hand (XOR, x_1=0, x_2=1, fixed weights)
23.4.1. Learning and optimization in neural networks
23.3.1. Activation functions
23.2.1. An introduction to neural networks
13.3.2. Introducción a la Teoría de probabilidad con R
c5_NLP: Vectorizing Text and Quantifying Similarity
23.1.2. c4_NLP: Transforming Text into Data Structures
1.13.0. Fundamentos de AI (con NN y Transformers) - TOC
23.1.1. c3_NLP: Lexical foundations and vocabulary construction in NLP
17.8.4. Invarianza de medida - Aplicación
18.7.3. Invarianza de medida -Teoría
18.8.1. Consistencia interna
3.11.1. Correlaciones
1.12. Modelos de Variables latentes (TOC)
13.2.1. Distribución de funciones de variables aleatorias - sin R - teoría avanzada (univariada)
28.6. Regresión logística multinomial con 3 niveles (matriz de confusión)
21.2. Paquete glsm in R
Tabla de contenido en RPubs
21.1. Paquete lsm en R
21.0. Mis paquetes publicados
1.1.2. GLM (Maestría en Estadística) - TOC
13.3.2.1. Variables aleatorias discretas (con R)
13.3.3. Probabilidad condicional e independencia
1.11.1. Teoría de probabilidad (pregrado CD) - TOC
13.3.1. Espacio muestral, eventos y técnicas de conteo
4.1.1 Espacio muestral, eventos y técnicas de conteo
STATISTICAL TIMELINE: From Classical Statistics to Modern AI
17.1.2. Redes Neuronales a mano: XOR
1.1.0. Teoria de probabilidad (Pregrado Math) - TOC
Teoría de Probabilidad (Maestría en Estadística)
18.7.2. Modelos de ecuaciones estructurales SEM (aplicaciones)
18.7.1. Modelos de ecuaciones estructurales SEM (teoría)
18.4.2. Análisis de conglomerados (algorimo k-means)
18.4.1. Análisis de conglomerados (teoría)
18.6.1. Regresión Logística (caso binario)
18.5.2. Análisis Factorial Exploratorio (aplicaciones)
18.5.1. Análisis Factorial Exploratorio (EFA)
18.3.1. Análisis de correspondencia (teoría)
18.3.2. Análisis de Correpondencia (CA)
18.1a. Análisis Multivariado (Historia)
18.2.2. PCA - aplicación
18.2.1. PCA - Teoria
3.5.5. Polígonos de frecuencias y ojivas con ggplot2
18.1b Análisis Multivariado (Investigación y Métodos)
18.4. Análisis Multivariado (Valore atípicos)
18.3. Análisis multivariado (Conceptos básicos de la Estadística)
18.2. Conceptos del Algebra Lineal
18.0. Multivariado_Preliminares
0. Análisis Multivariado (TOC)
2.1.1. GLM (Pregrado Ciencia de Datos)
Estadística Matemática (Pregrado Math) - TOC
1.4.1. Seminario Electivo Metodología - PSI 64006
0.1.0. Teo. Prob. y Est. Math (BIBLIOGRAFÍA)
14.1.2. Estimación (teórico con R)
14.1.4. Pruebas de hipótesis (teórico con R)
14.1.1. Distribución muestral (teórico con R)
14.1.3. Intervalos de confianza (teórico con R)
Estadística Matemática (Maestría en Estadística) - TOC
Estadística II (EST 1031) - TOC
14.2.3. Pruebas de hipótesis (teórico)
14.2.2. Intervalos de confianza (teórico)
14.2.1. Distribución muestral (teórico)
1.5.0. Estadística Matemática (Doctorado en Ingeniería) - TOC
13.2.1. Distribuciones de probabilidad (teórico)
0. Cursos y seminarios impartidos
0. Biographical sketch
5.11b.4. Aproximaciones de distribuciones discretas a la normal
5.11b.3. Distribución normal (teoría)
1.1.1. GLM (Maestría en Estadística) - TOC
1.1.2. Estadística I (EST 1022) - TOC
5.10b.5. Distribución hipergeométrica (teoría)
5.10b.3. Distribución binomial (teoría)
5.0.1. Distribuciones de probabilidad (teoría): TOC
5.10b.1. Variables aleatorias discretas (teoría)
4.1.3. Probabilidad condicional e independencia (teoría)
1.1.3. Análisis cuantitativo de datos
4.1.2. Introducción a la probabilidad (teoría)
4.0.1 Probabilidad (teoría): TOC
3.1.5. Estadística descriptiva (práctica con R)
3.5.4. Polígonos de frecuencias y ojivas con ggplot2 (general)
3.5.3. Polígonos y ojivas con agricolae
3.5.2. Polígonos y ojivas con la librería UsingR
3.5.1. Polígonos y ojivas con hist (caso univariado)
3.4.5. Histogramas con gglot2 (por grupos)
3.4.4. Histogramas con ggplot2 (univariado)
3.4.3. Histogramas con ggplot2 (general)
3.4.2. Histogramas con la librería agicolae
3.3.3. Diagrama de barras con ggplot 2 (general)
3.3.4 Diagrama de barras con ggplot (univariadas)
3.3.2. Tablas de frecuencias agrupadas en R
3.1.2. Estadística descriptiva (teoría): Organización de datos
3.1.4. Estadística descriptiva (teoría): Resumen
3.1.0. Estadística descriptiva (teoría): TOC
3.1.3. Estadística descriptiva (teoría): Medidas estadísticas
3.1.1. Estadística descriptiva (teoría): Términos básicos
2.4.1. Variables y sus tipos
26.0B. Modelo lineal generalizado (BIBLIOGRAFIA)
26.0B. Regresión logística (BIBLIOGRAFIA)
2.2.2. Instalación y carga de las librerías
2.3.4. Filtrar data frames in R
2.3.3. Examinar data frames
2.3.2. Importar datasets
2.3.1. Data frames (generalidades)
2.4.0. Variables en R (TOC)
2.3.0. Data frames (TOC)
2.2.0. Introducción a R (TOC)
2.1.0. R Studio y R Markdown (TOC)
2.4.2. Recodificar Variables
8.0. Diseño de experimentos (TOC)
7.0. Análisis de datos categóricos (TOC)
19.0. Pruebas de hipótesis (TOC)
17.0. Estimación (TOC)
16.0. Distribución muestral (TOC)
27.7. Regresión logística binaria (curva ROC)
27.6. Regresión logística binaria (matriz de confusión)
8.0. Regresión lineal (TOC)
6.0. Estadística inferencial (TOC)
4.0. Probabilidad (TOC)
5.0. Distribuciones de probabilidad (TOC)
3.0. Estadística descriptiva con R (TOC)
26.0. Regresión Logística (TOC)
28.4. Regresión logística multinomial con 3 niveles (pruebas de hipótesis)
28.2. Regresión logística multinomial con 3 niveles (Estimacion)
28.0. Regresión Logística multinomial (TOC)
28.1. Modelos multinomiales con 3 niveles: completo, nulo y saturado
27.5. Regresión logística (solo variables independientes categóricas)
27.4. Regresión logística binaria (pruebas de hipótesis)
27.3. Regresión logística binaria (intervalos de confianza)
27.2. Regresión logística binaria (Estimacion)
27.0. Regresión Logística binaria (TOC)
27.1. Modelos binarios: completo, nulo y saturado
26.0. Modelos Lineales Generalizados (TOC)
26.1. Modelos lineales generalizados (teoría)
26.2 Paquetes CRAN relacionados con GLM
19.1. Conceptos de la prueba de hipótesis
19.7. Anexo: Tabla de supuestos
19.2. Pruebas de hipótesis en R: Una media
10.1. Variables aleatorias discretas
3.3.1. Diagrama de barras con barplot
0. Enlaces y Materiales
0. Notas de clase
16.6. Distribución de la proporción muestral
3.2. Ejemplo (Tablas y diagramas de barras con barplot)
2.1.2. R Markdown
2.1.1. RStudio
2.2.1. Básicos de R
2.1. Tabla de frecuencias no agrupadas en R
3.4.1. Histogramas con hist (univariado)
3.3.5. Diagrama de barras con ggplot (por grupos)
16.5. Distribución de la media muestral
11.4. Distribución normal en R: Aproximaciones de distribuciones discretas
25.5. Análisis de correlación
25.4. Pruebas de hipótesis para el intercepto y la pendiente
25.3. Intervalos de confianza para el intercepto y la pendiente
25.2. Estimación de los parámetros del modelo de regresión simple con R
25.1. Regresión lineal simple en R: básico
11.3. Distribución normal en R
10.5. Distribución hipergeométrica en R
10.3. Distribución binomial en R
19.3. Prueba de hipótesis en R: Una proporción
17.4. Intervalos de confianza en R: Una proporción
17.3. Intervalos de confianza en R: Una media
9.5. Probabilidad condicional en R
9.4. Probabilidad clásica en R
9.3. Técnicas de conteo en R
9.2. Muestreo desde una urna en R
9.1. Experimento, espacio muestral y evento en R
3.9.1. Medidas estadísticas