Curso Modelización estadística avanzada y análisis multivariante de datos biomédicos con R

Del 4 al 7 de junio de 2018

Horario: Mañanas de 9h a 14h

Los estudios biomédicos generan una gran cantidad de datos de distinta naturaleza.

El análisis estadístico mediante el software R permite no sólo analizar estos datos con las técnicas estadísticas básicas si no que también permite llevar a cabo análisis mediante modelos más complejos que no se encuentran disponibles en otros programas diseñados para el análisis de datos.

La flexibilidad del entorno R también permite al usuario crear gráficos de alto nivel que permitan visualizar de forma eficiente la información que se está tratando. R también es un lenguaje de programación que permite al investigador crear sus propias funciones para facilitar, por ejemplo, el análisis masivo de datos.

Actualmente, muchas de las revistas científicas solicitan a los investigadores que sus trabajos sean reproducibles desde el punto de vista estadístico. R es el software más utilizado para esta tarea gracias a la posibilidad de integrar código de R en documentos de texto, LaTeX o incluso en páginas HTML.

Dado que R sigue la filosofía de “código abierto”, numerosos investigadores ponen a disposición de la comunidad científica librerías, funciones y ejemplos que faciliten el análisis de todo tipo de datos biomédicos incluso para aquellos que no tienen un conocimiento avanzado ni estadístico ni de programación.

Programa Bioestadistica Avanzada R 2018

PROGRAMA FORMATIVO

R avanzado (I)
• Cálculos intensivos con R: la familia apply y programación en paralelo
• Introducción a la programación en R
• Creación de librerías sencillas con R

Modelos estadísticos avanzados (II)
• Regresión logística
• Regresión de Poisson y Binomial Negativa
• Análisis de supervivencia
• Modelos lineales mixtos

Métodos multivariantes de aprendizaje no supervisado
• Análisis de componentes principales (PCA)
• Multidimensional Scaling (MDA)
• Selección óptima del número de componentes
• Métodos basados en modelos de clases latentes
• Análisis de Clusters

Métodos de clasificación para el análisis supervisado
• Redes neuronales
• Análisis mediante árboles de clasificación
• Support Vector Machines
• Boosting
• Medidas de validación y selección de variables

Imprencindible tener conocimiento básicos de Bioestadística y de manejo de R

Cada alumno debe traer su propio ordenador portátil