Curso introductorio a R

Entre el 19 y el 23 de noviembre de 2012 la profesora visitante Dra. Gilda Garibotti dictará el curso “Introducción al paquete estadístico R” en el Departamento de Fisiología, Biología  Molecular y Celular de la Universidad de Buenos Aires (UBA).  El curso está dirigido a Lic. en Cs. Biológicas y carreras afines, y se dará prioridad a estudiantes de doctorado. Se dictará de lunes a viernes, de 9 a 13hs y de 14 a 18hs (40 hs) y otorga 2 puntos para doctorado.

El curso tiene un cupo de 25 alumnos. Aquellos interesados, escribir a cursor.fbmc@gmail.com, adjuntando carta de interés y CV, antes del 31 de octubre de 2012.

El objetivo general del curso es brindar las herramientas básicas del paquete estadístico R para que los alumnos se puedan desenvolver de manera autónoma  y utilizarlo en el análisis de los datos de sus respectivos problemas de investigación.

Las clases se desarrollaran en modalidad teórico-prácticas. Las clases serán dictadas en la sala de informática, de modo que los alumnos vayan practicando la utilización del paquete durante el desarrollo de la clase. Luego de introducida una metodología, se les dará ejercitación para que por su propia cuenta los alumnos practiquen lo aprendido.  Al finalizar el curso se tomará un examen que deberá ser resuelto utilizando R y será evaluado de manera oral.

Contenidos:

  1. Elementos esenciales del programa R: Expresiones y objetos, funciones y argumentos, vectores, valores faltantes, matrices, factores, listas, marcos de datos. Carga de datos. Gráficos.
  2. Probabilidad y distribuciones: Función de densidad, función de distribución acumulada, cuantiles y números aleatorios.
  3. Estadística descriptiva: Medidas resumen. Histogramas. Gráficos de probabilidad normal. Gráficos de cajas. Gráfico de barras.
  4. Pruebas de hipótesis: Prueba de hipótesis t para una muestra. Test del signo de Wilcoxon. Prueba de hipótesis t para dos muestras. Test de Wilcoxon para dos muestras. Prueba t para muestras apareadas. Test de Wilcoxon para muestras apareadas.
  5. Regresión y correlación: Regresión lineal simple. Residuales y valores ajustados. Intervalos de confianza y predicción. Correlación.
  6. ANOVA y Kruskal-Wallis: Análisis de la varianza de un factor, comparaciones múltiples. Prueba de hipótesis de Kruskal-Wallis. Análisis de la varianza de dos factores. Test de Friedman.
  7. Proporciones. Una proporción. Comparación de dos proporciones independientes. Comparación de k proporciones. Tablas r x c.
  8. Potencia y cálculo de tamaño de muestra: Potencia del test t para una muestra y muestras apareadas. Potencia del test t para dos muestras. Potencia de la comparación de proporciones.
  9. Regresión múltiple: Gráficos. Especificación del modelo. Búsqueda del modelo.
  10. Curvas de sobrevida. Estimadores de Kaplan-Meier. Test de logaritmo de rangos. Modelo de Cox de azares proporcionales.

 

Comentarios