Este curso introductorio está destinado a usuarios de SAS que realicen análisis estadísticos con el software SAS/STAT. El curso se centra en t tests, regresión lineal e incluye una breve introducción a regresión logística. Realizar este curso (o el conocimiento equivalente) es un requisito previo necesario en muchos de los cursos de análisis estadístico.

Un tratamiento más avanzado de ANOVA y regresión lo encontrará en el curso Estadística 2: ANOVA y Regresión . En el curso Categorical Data Analysis Using Logistic Regression y en el curso Predictive Modeling Using Logistic Regression encontrará un tratamiento más avanzado de la regresión logística.

Este curso puede ayudarle a preparar los siguientes exámenes de Certificación: SAS Certified Clinical Trials Programmer Using SAS 9, SAS Statistical Business Analysis Using SAS 9: Regression and Modeling.

Aprenda a

• obtener estadísticas descriptivas y buscar datos con gráficos
• realizar análisis de la varianza y aplicar diversas técnicas de comparación
• realizar regresiones lineales y valorar los supuestos
• utilizar técnicas de selección de modelos de regresión para ayudar en la elección de variables predictivas en la regresión múltiple
• utilizar las estadísticas de diagnóstico para valorar supuestos estadísticos e identificar posibles valores “outliers” en la regresión múltiple
• utilizar estadísticos chi-cuadrado para detectar asociaciones entre variables categóricas
• ajustar modelos múltiples de regresión logística
• puntuar datos nuevos utilizando modelos desarrollados

A quién va dirigido

A estadistas, investigadores y analistas de negocio que usen la programación SAS para realizar análisis con variables (dependientes) de respuesta tanto categórica como continua.

Formatos disponibles	Duración estándar (la duración puede variar, consulte su horario)
Presencial:	3 días
Live Web:	6 sesión(es) de medio-día
e-Learning:	21 horas/180 día licencia

Antes de asistir a este curso, debería:

• haber completado el equivalente a una Licenciatura en Estadística que cubra los p-values, test de hipótesis, análisis de varianza y regresión
• ser capaz de ejecutar programas SAS y crear conjuntos de datos SAS. Puede obtener esta experiencia completando el curso Programación SAS 1: Introducción.

Este curso utiliza SAS/STAT software.

Base SAS software y se toca alguna funcionalidad del software SAS/GRAPH. Puede hacer este curso aunque no tenga software SAS/ GRAPH en su instalación.

Visión de general del curso y revisión de conceptos

• estadísticos descriptivos
• estadística inferencial
• examinar las distribuciones de datos
• obtener e interpretar estadísticas de muestra usando el procedimiento UNIVARIATE
• examinar de forma gráfica la distribución de datos en los procedimientos UNIVARIATE y FREQ
• construcción de intervalos de confianza
• ejecución de test simples de hipótesis
• realizar test de diferencias entre dos grupos con PROC TTEST

ANOVA y Regresión

• realizar ANOVA de un factor con el procedimiento GLM
• realizar pruebas de comparaciones múltiples post-hoc con el PROC GLM
• realizar correlaciones con el procedimiento CORR
• ajuste de un modelo de regresión lineal simple con el procedimiento REG

Modelos Lineales más complejos

• realizar ANOVA de dos factores con o sin interacciones
• comprender los conceptos de regresión múltiple

Construcción de modelos y selección de efectos

• técnicas de selección de modelos automatizadas en PROC GLMSELECT para elegir entre varios modelos candidatos
• interpretación y comparación de modelos seleccionados

Modelo Post-Fitting para Inferencia

• examen de residuales
• investigando observaciones influyentes
• evaluar la colinealidad

Creación de modelos y scoring para predicción

• comprender los conceptos de modelos predictivos
• comprender la importancia de la partición de datos
• comprender los conceptos de scoring
• obtener predicciones (scoring) para datos nuevos con PROC GLMSELECT y PROC PLM

Análisis de datos categóricos

• crear tablas de frecuencia con el procedimiento FREQ
• examen de pruebas para asociación general y lineal con el procedimiento FREQ.
• entender pruebas exactas
• comprender los conceptos de regresión logística
• ajuste de modelos de regresión logística univariante y multivariante con el procedimiento LOGISTIC.
• utilizando técnicas de selección de modelos automatizadas en el procedimiento PROC LOGISTIC incluyendo los términos de interacción.
• obtener predicciones (scoring) para nuevos datos usando PROC PLM