Bibliografía sobre estadística, bioestadística, data
science y programación en R
Joaquín Amat Rodrigo [email protected]
2017
Versión PDF: https://github.com/JoaquinAmatRodrigo/Estadistica-con-R
El siguiente listado contiene las fuentes de información sobre estadística, data science y
programación en R que he ido encontrando y que me han resultado útiles. Están ordenadas
según, a mi parecer, facilitan el aprendizaje.
A la hora de adentrarse en estas disciplinas existen diferentes aproximaciones, en mi
caso, el objetivo inicial fue aprender las principales herramientas estadísticas empleadas en el
análisis de datos del ámbito biomédico. La programación (en este caso R) era simplemente la
herramienta auxiliar de la que me ayudaba para realizar los cálculos necesarios. La experiencia
me he convencido de que adquirir ambos conocimientos en paralelo mejora mucho el
aprendizaje. ¡Nada mejor para asimilar un método estadístico que poder simular, representar y
aplicar fácilmente los cálculos necesarios!
Siguiendo esta idea, utilizar la programación como herramienta para el análisis de
datos, recomiendo el siguiente orden:
1. Open Intro Statistics: Una buena introducción a la estadística. Bien explicado y con
ejemplos interesantes. Libro gratuito con un curso online también gratuito.
2. Swirl: aprender R desde el terminal de forma dinámica. Visitar página web para ver
instrucciones de instalación.
3. R for Data Science, Garrett Grolemund and Hadley Wickham: Introducción al
uso de R aplicado al análisis de datos, con particular énfasis en el manejo, limpieza y
visualización de la información.
4. Handbook of Biological Statistics: Un libro que explica los test estadísticos de forma
muy clara sin profundizar en la matemática, identifica las ventajas y limitaciones de cada
uno. Muy recomendable.
5. Bioestadística Francisca Rius Díaz: Libro en español de introducción a la
bioestadística. Con ejemplos para realizar de forma manual, no por ordenador.
6. Introduction to Statistical Learning with Aplications in R: Libro en el que se
introducen y se describen los principales modelos de regresión así como su
implementación en R. Muy recomendable.
Bibliografía sobre estadística, bioestadística, data science y programación en R
7. Practical Guide To Cluster Analysis in R, Alboukadel Kassambara: Introducción
a las técnicas de clustering y su implementación en R.
8. Mastering Software Development in R Roger D. Peng, Sean Kross, and
Brooke Anderson: Libro dedicado a profundizar sobre el lenguaje de programación R.
Encuentro muy interesante leer la reflexión que hace David Robinson en su blog sobre las
diferentes formas de introducir el lenguaje de programación R a principiantes.
Otras fuentes de información que me han resultado útiles:
o Points of Significance, Nature: La revista científica Nature Methods publica unas
columnas en las que se explica de forma muy clara los principales métodos estadísticos
empleados en ciencia.
o Statistics Using R with Biological Examples: En este libro se introduce de forma
simultánea el uso básico de R y conceptos de estadística.
o TheRBook Michael J Crawley: Es un manual de uso de R. Recomendable leer los
primeros capítulos para aprender los conceptos básicos. Los últimos capítulos son más
útiles como consulta de temas concretos.
o Métodos estadísticos en ingeniería Rafael Romero Villafranca, Luisa Rosa
Zúnica Ramajo
o Statistical Bioinformatics with R, Sunil K. Mathur
o R Tutorials by William B. King, Ph.D http://ww2.coastal.edu/kingw/statistics/R-
tutorials/. Describe los test estadísticos más comunes de forma práctica, con sus ventajas y
desventajas. Incluye ejemplos en R.
o http://www.um.es/ae/FEIR/20/ apuntes de la Universidad de Murcia. Repaso de los
diferentes test estadísticos, ventajas, limitaciones y ejemplos en R.
o Bootstrap Methods and Permutation Tests by Tim Hesterberg: Introducción
muy intuitiva a los conceptos de bootstrapping y resampling.
o Comparing groups Randomization and Bootsrap Methods using R Andrew S.
Zieffler: Descripción detallada de los métodos de resampling y bootstrapping.
o Linear models with R, Faraway: Libro en el que se introducen y se describen los
principales modelos de regresión así como su implementación en R. Profundiza un poco
más en el aspecto matemático que el libro Introduction to Statistical Learning with
Aplications in R, por lo que recomiendo leerlo a continuación de este último.
