...

Tech ESPAÑA

Curso Universitario Bioestadística con R

Duración:

Ritmo Autónomo

Modalidad:

Online

Precio

570 €

Idioma:

Español

Plazas

No hay límite

Créditos

6 ECTS

Dentro de los procesos más importantes de la investigación nutricional se encuentran la tabulación, clasificación y organización de la información. Así, la Estadística gestiona de una forma orgánica cada detalle del proyecto, lo que ayuda a identificar de una manera periódica los hallazgos más relevantes. Este proceso, agilizado con el sistema R, se erige como una gran necesidad para los investigadores de cara a resultados más rápidos, por lo que TECH ha diseñado un programa con el que podrán avanzar exponencialmente en cada paso. Con tal fin, identificarán los conceptos principales de la Bioestadística y los diferentes métodos de regresión, todo ello de modo 100% online y con sumas flexibilidades.

Módulo 1. Estadística y R en investigación sanitaria

  • 1.1. Bioestadística

1.1.1. Introducción al método científico
1.1.2. Población y muestra. Medidas muestrales de centralización
1.1.3. Distribuciones discretas y Distribuciones continuas
1.1.4. Esquema general de la inferencia estadística. Inferencia sobre una media de una población normal. Inferencia sobre una media de una población general
1.1.5. Introducción a la inferencia no paramétrica

  • 1.2. Introducción a R

1.2.1. Características básicas del programa
1.2.2. Principales tipos de objetos
1.2.3. Ejemplos sencillos de simulación e inferencia estadística
1.2.4. Gráficos
1.2.5. Introducción a la programación en R

  • 1.3. Métodos de regresión con R

1.3.1. Modelos de regresión
1.3.2. Selección de variables
1.3.3. Diagnóstico del modelo
1.3.4. Tratamiento de datos atípicos
1.3.5. Análisis de regresiones

  • 1.4.  Análisis Multivariante con R

1.4.1. Descripción de datos multivariantes
1.4.2. Distribuciones multivariantes
1.4.3. Reducción de la dimensión
1.4.4. Clasificación no supervisada: análisis de conglomerados
1.4.5. Clasificación supervisada: análisis discriminante

  • 1.5. Métodos de regresión para la investigación con R

1.5.1. Modelos lineales generalizados (GLM): regresión de Poisson y binomial negativa
1.5.2. Modelos lineales generalizados (GLM): regresiones logística y binomial
1.5.3. Regresión de Poisson y Binomial Negativa infladas por ceros
1.5.4. Ajustes locales y modelos aditivos generalizados (GAM)
1.5.5. Modelos mixtos generalizados (GLMM) y generalizados aditivos (GAMM)

  • 1.6. Estadística aplicada a la investigación biomédica con R I

1.6.1. Nociones básicas de R. Variables y objetos de R. Manejo de datos. Ficheros. Gráficos
1.6.2. Estadística descriptiva y funciones de probabilidad
1.6.3. Programación y funciones en R
1.6.4. Análisis de tablas de contingencia
1.6.5. Inferencia básica con variables continuas

  • 1.7. Estadística aplicada a la investigación biomédica con R II

1.7.1. Análisis de la varianza
1.7.2. Análisis de correlación
1.7.3. Regresión lineal simple
1.7.4. Regresión lineal múltiple
1.7.5. Regresión logística

  • 1.8. Estadística aplicada a la investigación biomédica con R III

1.8.1. Variables de confusión e interacciones
1.8.2. Construcción de un modelo de regresión logística
1.8.3. Análisis de supervivencia
1.8.4. Regresión de Cox
1.8.5. Modelos predictivos. Análisis de curvas ROC

  • 1.9. Técnicas estadísticas de Data Mining con R I

1.9.1. Introducción. Data Mining. Aprendizaje Supervisado y No Supervisado. Modelos Predictivos. Clasificación y Regresión
1.9.2. Análisis descriptivo. Pre-procesamiento de datos
1.9.3. Análisis de Componentes Principales (PCA)
1.9.4. Análisis Clúster. Métodos Jerárquicos. K-means

  • 1.10. Técnicas estadísticas de Data Mining con R II

1.10.1. Medidas de Evaluación de Modelos. Medidas de capacidad predictiva. Curvas ROC
1.10.2. Técnicas de Evaluación de Modelos. Validación cruzada. Muestras Bootstrap
1.10.3. Métodos basados en árboles (CART)
1.10.4. Support vector machines (SVM)
1.10.5. Random Forest (RF) y Redes Neuronales (NN)

Cualquier persona Interesada en la bioestadística con R.

Seraphinite AcceleratorOptimized by Seraphinite Accelerator
Turns on site high speed to be attractive for people and search engines.