Análisis de series de tiempo para datos biomédicos con uso de R
Información General
| Programa | XXI Escuela Internacional de Verano 2020 |
|---|---|
| Año | 2020 |
| Semestre | Primero |
| Nombre | Análisis de series de tiempo para datos biomédicos con uso de R |
| Nombre Convenio Marco | Análisis de series de tiempo para datos biomédicos con uso de R |
| Equipo coordinador | Encargado: Rodrigo Torres Arellano Coordinador: Rodrigo Torres Arellano Administrativo: Janet Recabarren Valdés |
| Equipo docente |
|
| Unidad académica | Programa de Bioestadística |
| Versión | 4 |
| Modalidad | Presencial |
| Tipo de Curso | |
| Créditos 30 | 0 |
| Horas del Programa |
Horas directas (sincrónicas y asincrónicas): 20 Horas indirectas: 10 |
| Codigo SENCE/Convenio Marco | 1640785 |
| Días y Horarios | 14:00 a 18:00 horas |
| Lugar | |
| Cupo alumnos mínimo | 5 |
| Cupo alumnos máximo | 20 |
| Competencias y Habilidades necesarias para la Asignatura (Pre-requisitos) |
Conocimientos de estadística básica y regresión lineal. (No es necesario el conocimiento previo del software R) |
| Arancel | $ |
| Duración (semanas) | 1 |
| Fecha Inicio | 13/01/2020 |
| Fecha Término | 17/01/2020 |
Características del Curso
Tópicos
Fundamentos
Muchos conjuntos de datos importantes en salud, corresponden a series temporales. Existen métodos estadísticos poderosos, que permiten mediante su correcta aplicación, el análisis, el control, e incluso la predicción de variables relacionadas con la salud humana. Estas herramientas son de fácil y económica aplicación gracias a la existencia del potente software libre R.
Objetivo General
Identificación, análisis, tratamiento , control y predicción de series de tiempo de datos biomédicos y de salud.
Objetivos Específicos
- Aplicar la modelación ARIMA de series de tiempo para el análisis y predicción de series temporales.
- Identificar una serie temporal y determinar sus características esenciales.
- Realizar análisis exploratorio, gráfico y análisis clásico de las series de tiempo.
- Usar el software libre R en relación a los puntos anteriores
Contenidos/Temas
- Conceptos y aspectos del software libre R
- Identificación de series temporales, definición y ejemplos
- Determinación de las características de una serie
- Modelos simples para series temporales
- Análisis exploratorio: gráficos y análisis clásico
- Correlación, medidas de dependencia y suavizamiento
- Regresión clásica
- Series estacionarias, modelos autorregresivos y de medias móviles
- Modelación ARIMA y SARIMA
- Estimación y Predicción
- Construcción y elección de modelos
- Aplicación a datos reales
Perfil del alumno
Estudiantes, Profesores y Profesionales del ámbito de las ciencias biomédicas que requieran formación para el tratamiento, análisis, control y predicción de series de tiempo.
Competencias requeridas
Conocimientos de estadística básica y regresión lineal.
(No es necesario el conocimiento previo del software R)
Metodología
En el curso se realizarán:
Clases presenciales teórico-practicas con uso intensivo del software R, tareas personales y un trabajo final grupal con datos reales.
Las/os estuadiantes deben llevar a la clase un notebook con los programas R y RStudio (ambos softwares libres y seguros) previamente instalados.
Formas de Evaluación
- Este curso es evaluado
- Trabajo grupal
Calendario
| Sesión | Fecha | Hora | Docentes | Contenidos | Modalidad | Actividad |
|---|---|---|---|---|---|---|
| 13 enero 2020 | 14:00 - 18:00 | conceptos y aspectos básicos del software R y RStudio | Clase Presencial | |||
| 13 enero 2020 | 14:00 - 18:00 | Identificar una serie temporal y determinar sus características esenciales; definición de series de tiempo; Ejemplos y modelos simples | Clase Presencial | |||
| 14 enero 2020 | 14:00 - 18:00 | Auto-correlación y medidas de dependencia; suavizamiento; análisis exploratorio; regresión clésica | Clase Presencial | |||
| 15 enero 2020 | 14:00 - 18:00 | Series estacionarias: modelos auto-regresivos y de medias móviles | Clase Presencial | |||
| 16 enero 2020 | 14:00 - 18:00 | Funciones de auto-correlación y de auto-correlación parcial; estimación y predicción | Clase Presencial | |||
| 16 enero 2020 | 14:00 - 18:00 | Taller con datos reales | Taller Grupal | |||
| 17 enero 2020 | 14:00 - 18:00 | Estacionalidad; modelos SARIMA | Clase Presencial | |||
| 17 enero 2020 | 14:00 - 18:00 | Exposiciones finales | Taller Grupal |
Tutores/Dinamizadores
|