2016 octubre : Biostatnet

Estadística Aplicada a la Investigación Biomédica con R
La Unidad de Bioestadística del Instituto IMDEA Alimentación y la Facultad de Ciencias de la Universidad Autónoma de Madrid (UAM) han organizado conjuntamente un programa de formación continua en “Estadística Aplicada con R” que se va a impartir en Madrid en 2016 de forma presencial, formado por 7 módulos que pueden ser cursados de forma independiente Más información en: http://goo.gl/whB1MM y en http://www.alimentacion.imdea.org/unidad-de-formacion Matrículas: http://matriculas.fuam.es/matriculauam/Convocatorias.actionMódulo 4: Estadística Aplicada a la Investigación Biomédica con RFechas: 24, 25 y 26 de octubre de 2016 El objetivo principal de este módulo es proporcionar a los alumnos los conocimientos de las técnicas estadísticas más utilizadas dentro del campo de las ciencias de la salud, de la epidemiología y de la investigación biomédica en general. El módulo incluye las técnicas estadísticas más sencillas para analizar datos clínicos y epidemiológicos, como son el análisis descriptivo de datos y la inferencia básica, pero la parte más importante está dedicada a los modelos de regresión. Se ha dado especial importancia a las técnicas más usadas en la investigación biomédica, que son la regresión logística y la regresión de Cox, para analizar datos de supervivencia. Los modelos de regresión se explican desde un punto de vista práctico, y se han incluido temas avanzados como: el tratamiento de las variables de confusión, el análisis e interpretación de interacciones, las estrategias para la construcción de modelos de regresión multivariantes y el análisis de la capacidad predictiva de los modelos.
Métodos de Regresión Avanzados para la Investigación en Ciencias Naturales con R
La Unidad de Bioestadística del Instituto IMDEA Alimentación y la Facultad de Ciencias de la Universidad Autónoma de Madrid (UAM) han organizado conjuntamente un programa de formación continua en “Estadística Aplicada con R” que se va a impartir en Madrid en 2016 de forma presencial, formado por 7 módulos que pueden ser cursados de forma independiente Más información en: http://goo.gl/whB1MM y en http://www.alimentacion.imdea.org/unidad-de-formacion Matrículas: http://matriculas.fuam.es/matriculauam/Convocatorias.actionMódulo 3: Métodos de regresión avanzados para la Investigación en Ciencias Naturales con R Fechas: 19, 20 y 21 de octubre de 2016 El objetivo principal de este módulo es proporcionar a los alumnos los conocimientos de las técnicas estadísticas que extienden el análisis de regresión a las situaciones encontradas más frecuentemente en los campos de estudio de las ciencias naturales. El módulo parte de la exposición de los Modelos Lineales Generalizados (GLM), incidiendo en las regresiones de Poisson, logística, binomial y binomial negativa, para continuar con sus extensiones a los casos en los que aparece un gran número de ceros, frecuentes en los análisis de conteos de organismos (modelos inflados por ceros). Finalmente, se abordarán las extensiones no lineales (Modelos Aditivos Generalizados, GAM). Los modelos se explican desde un punto de vista práctico y el módulo incluye la consideración de estrategias para la construcción de modelos, la interpretación de interacciones y la inferencia multimodelo.
Métodos de Regresión con R
La Unidad de Bioestadística del Instituto IMDEA Alimentación y la Facultad de Ciencias de la Universidad Autónoma de Madrid (UAM) han organizado conjuntamente un programa de formación continua en “Estadística Aplicada con R” que se va a impartir en Madrid en 2016 de forma presencial, formado por 7 módulos que pueden ser cursados de forma independiente Más información en: http://goo.gl/whB1MM y en http://www.alimentacion.imdea.org/unidad-de-formacion Matrículas: http://matriculas.fuam.es/matriculauam/Convocatorias.actionMódulo 2: Métodos de Regresión con R Fechas: 6 y 7 de octubre de 2016 El objetivo de este módulo es que los alumnos adquieran los conocimientos necesarios para aplicar con R diversos métodos de regresión que permiten explicar una variable respuesta de interés en función de un conjunto de variables explicativas.  La primera parte del módulo se dedica a los modelos lineales de regresión, incluyendo el diagnóstico de sus hipótesis. La segunda parte se dedica a extensiones de gran importancia en la práctica: los modelos lineales generalizados y los métodos no paramétricos.