Curso certificado

Análisis Estadístico Avanzado con R

Workshop (clases en vivo)

Los modelos lineales son la abstracción más sencilla de un problema de estudio, con el precio de ofrecer muchas limitaciones ante situaciones donde no se cumplan sus estrictos supuestos teóricos. En este curso abordaremos métodos de modelamiento avanzado para flexibilizar las asunciones de los métodos lineales, con modelos de efectos mixtos y modelos generalizados lineales.

Vistas recientes

Inicio: 07 de Enero de 2022.

Fin: 21 de Enero de 2022.

Clases: Lunes, Miércoles y Viernes.

Horario: 6:00 a 8:30 pm (GMT-5, hora oficial de Lima, Quito, Bogotá) 

18 horas de clase en vivo.

30 horas académicas (detallado en el certificado).

Archivos descargables, PDFs de las diapositivas, scripts, R Markdowns, retos y prácticas de casa.

Visualización y descarga de videos de las clases posterior a cada sesión.

Acceso a la plataforma hasta el 01 de Marzo, 2022.

Sobre este curso

La tendancia moderna nos impulsa a desarrollar habilidades de programación sin importar la carrera de la que provengamos. Las capacidades de análisis computacionales cada vez se hacen más indispensables en los profesionales de vanguardia. Aquí aprenderás a aplicar métodos de modelamiento que van más allá del modelo lineal clásico, generalizando (flexibilizando) sus asunciones teóricas, además de métodos de efectos mixtos para afrontar dependencia de observaciones o reducir la variabilidad generado por las observaciones agrupadas. Este curso es el quinto de una serie de cinco cursos pertenecientes al programa de certificación especializado Data Science: Estadística y Análisis de Datos en R (conoce más haciendo clic aquí). 


Dirigido a

Estudiantes y profesionales de diferentes áreas de la ciencias: biólogos, ingenieros, especilistas ambientales, así como de las ciencias médicas, psciológicas, analistas, consultores, monitores, entre otras carreras afines.


Requisitos mínimos

  • Se requiere al menos conocimientos básicos o introductorios en estructuras de datos del lenguaje de programación R.

  • Conocimientos de estadística básica y modelos lineales.

  • Se requiere tener instalada la aplicación de Zoom para las clases.

  • Las especificaciones mínimas de los equipos a usar incluyen: memoria RAM de 4GB, especio en el disco de almacenamiento de al menos 5GB.


Al finalizar el curso obtendrás

Un (01) certificado del curso validado por el Instituto de Ciencias Antonio Brack. El certificado es digital, entregado en formato PDF, código QR para su validación online.


Normativa para obtener la Certificación

  • Para obtener el certificado del curso deberás haber aprobado el examen con nota mínima de 16 (en la escala de 0 a 20). 

  • Tendrás tres intentos para aprobar. Para intentos adicionales envía una solicitud al departamento administrativo del instituto (info@brackinstitute.com) para conocer la tasa de derecho por reintento para el curso (por tres nuevos intentos). Los participantes que deseen obtener reintentos y no aprobaron el examen recibirán una constancia de participación en el curso. 

  • Los alumnos que se graduen con nota de 20 recibirán la distinción “Con Honores” en su certificado final.

¿Qué aprenderás?

  • Generar código de R para programar modelos generalizados lineales para variables de respuesta no numérico-continuas, usando diversas familias de distribución teórica de probabilidades.

  • Reconocer la teoría de modelos de efectos mixtos y su aplicación con código en R.

  • Graficación avanzada de los modelos.

  • Interpretación y reporte de resultados.

Sílabus detallado

 
  • Breve repaso sobre modelamiento

  • ¿Cómo abordar problemas estadísticos?

  • Modelo lineal de efectos mixtos (LMM)

  • Diferencias entre LMM y ANOVA para muestras repetidas

  • Terminología para modelos de efectos mixtos

  • Enfoques de análisis Regresión lineal simple y LMM

  • Definición de un LM

  • Topología de un LMM

  • Generando un LMM en R

  • Gráficas asociadas a ggplot2 de los modelos LMM

  • Relación GLM y LM: Definición matemática

  • Distribuciones teóricas de probabilidades en GLM

  • Función de enlace (link function)

  • Topología de un GLM

  • Generando GLMs en R

  • Regresión Logística (Bernoulli  y Binomial): Odds, OR, Logit

  • Deviance, Pseudo R cuadrado y p-valor de un GLM, IC

  • Selección de modelos: Stepwise regression, criterios de información

  • Regresión de Poisson

  • Lidiando con Sobredispersión

  • Regresión Quasipoisson

  • Regresión Binomial Negativa

  • Regresión Beta

  • Modelos de Hurdle, Zero-inflados y Zero-truncados

  • Gráficas asociadas a ggplot2 de los modelos GLM

  • Introducción a los GLM de efectos mixtos (GLMM)

  • Inferencias basadas en Máxima verosimilitud y Monte Carlo S.

  • Generando GLMMs en R

  • Topología de un GLMM

  • Regresión Logistica de Efectos Mixtos

  • Regresión de Poissonde Efectos Mixtos

  • Sobredispersión en modelos de Efectos Mixtos

  • Regresión Quasipoisson y Binomial Negativa de Efectos Mixtos

  • Gráficas asociadas a ggplot2 de los modelos GLMM

Una muestra de lo que a aprenderás a realizar (haz click)

Gráfico de Odds Ratios
press to zoom
Regresión de Poisson
press to zoom
Modelo Lineal de Efectos Mixtos
press to zoom
Curva ROC
press to zoom
Regresión Logística
press to zoom
Regresión Beta
press to zoom
Gráfico de Razón de Tasa de Incidencia - IRR
press to zoom
Regresión Modelo de Hurdle
press to zoom
Gráfico múltiple de efectos
press to zoom
Regresión binomial con facetas
press to zoom
1/1

Instructor(es)

Image-empty-state.png

Blgo. Irwing S. Saldaña

Biólogo de la Universidad Nacional de Trujillo (Perú). Investigador CONCYTEC (RENACYT: P0038629), asociado al Dpto. de Ecoinformática y Biogeografía, Instituto de Ciencias Antonio Brack, y a la ONG CINBIOTYC. Me interesa desarrollar el campo de la ecoinformática con un enfoque integrativo, utilizando aplicaciones estadísticas y de aprendizaje automático, para dilucidar los procesos de especiación y evolución que dan forma a la distribución actual y futura de aves de rango-restringido y amenazadas en ecosistemas críticos de los Andes Tropicales.

Image-empty-state.png

Certificado por

Image-empty-state.png
Image-empty-state.png

Inversión

$50 o 195 soles

No aplican descuentos.

Este curso tiene certificación independiente del programa de Data Science: Estadística y Análisis de datos en R, por lo que puedes inscribirte en él sin la necesidad de tomar otros cursos del programa. Si deseas inscribirte en el programa completo (cinco cursos) puedes revisar la información y descuentos haciendo clic aquí.