Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
I. Introducción y preliminares
1. Visión general
- Hacer que R sea más amigable: R e interfaces gráficas (GUI) disponibles
- RStudio
- Software relacionado y documentación
- R y estadística
- Uso interactivo de R
- Sesión introductoria
- Obtención de ayuda sobre funciones y características
- Comandos de R, sensibilidad a mayúsculas, etc.
- Recordar y corregir comandos anteriores
- Ejecutar comandos desde un archivo o redirigir la salida a un archivo
- Permanencia de los datos y eliminación de objetos
- Buenas prácticas de programación: scripts autónomos, buena legibilidad (por ejemplo, scripts estructurados, documentación, Markdown)
- Instalación de paquetes; CRAN y Bioconductor
2. Lectura de datos
- Archivos de texto (read.delim)
- Archivos CSV
3. Manipulaciones sencillas: números, vectores y matrices
- Vectores y asignación
- Aritmética con vectores
- Generación de secuencias regulares
- Vectores lógicos
- Valores faltantes
- Vectores de caracteres
- Vectores índice; selección y modificación de subconjuntos de un conjunto de datos
- Matrices
- Indexación de matrices. Subsecciones de una matriz
- Matrices de índices
- La función array() y operaciones sencillas con matrices (por ejemplo, multiplicación, transposición)
- Otros tipos de objetos
4. Listas y marcos de datos (data frames)
- Listas
- Construcción y modificación de listas
- Concatenación de listas
- Marcos de datos (data frames)
- Creación de marcos de datos
- Trabajo con marcos de datos
- Adjuntar listas arbitrarias
- Gestión de la ruta de búsqueda
5. Manipulación de datos
- Selección y subconjunto de observaciones y variables
- Filtrado y agrupación
- Recodificación y transformaciones
- Agregación y combinación de conjuntos de datos
- Formación de matrices particionadas: cbind() y rbind()
- La función de concatenación, c(), con matrices
- Manipulación de cadenas de texto: paquete stringr
- Breve introducción a grep y regexpr
6. Más sobre la lectura de datos
- Archivos XLS y XLSX
- Paquetes readr y readxl
- Datos en formatos SPSS, SAS, Stata y otros
- Exportación de datos a txt, csv y otros formatos
7. Agrupación, bucles y ejecución condicional
- Expresiones agrupadas
- Sentencias de control
- Ejecución condicional: sentencias if
- Ejecución repetitiva: bucles for, repeat y while
- Introducción a apply, lapply, sapply y tapply
8. Funciones
- Creación de funciones
- Argumentos opcionales y valores predeterminados
- Número variable de argumentos
- Alcance y sus consecuencias
9. Gráficos sencillos en R
- Creación de gráficos
- Gráficos de densidad
- Gráficos de puntos (Dot Plots)
- Gráficos de barras
- Gráficos de líneas
- Gráficos circulares (Pie Charts)
- Diagramas de caja (Boxplots)
- Gráficos de dispersión (Scatter Plots)
- Combinación de gráficos
II. Análisis estadístico en R
1. Distribuciones de probabilidad
- R como conjunto de tablas estadísticas
- Examen de la distribución de un conjunto de datos
2. Pruebas de hipótesis
- Pruebas sobre la media poblacional
- Prueba de razón de verosimilitud
- Pruebas de una y dos muestras
- Prueba de bondad de ajuste Chi-cuadrado
- Estadístico de Kolmogorov-Smirnov para una muestra
- Prueba de rangos con signo de Wilcoxon
- Prueba para dos muestras
- Prueba de suma de rangos de Wilcoxon
- Prueba de Mann-Whitney
- Prueba de Kolmogorov-Smirnov
3. Múltiples pruebas de hipótesis
- Error tipo I y FDR (tasa de descubrimiento falso)
- Curvas ROC y AUC
- Procedimientos de pruebas múltiples (BH, Bonferroni, etc.)
4. Modelos de regresión lineal
- Funciones genéricas para extraer información del modelo
- Actualización de modelos ajustados
- Modelos lineales generalizados
- Familias
- La función glm()
- Clasificación
- Regresión logística
- Análisis discriminante lineal
- Aprendizaje no supervisado
- Análisis de componentes principales
- Métodos de agrupamiento (k-medias, agrupamiento jerárquico, k-medoides)
5. Análisis de supervivencia (paquete survival)
- Objetos de supervivencia en R
- Estimación de Kaplan-Meier, prueba log-rank, regresión paramétrica
- Bandas de confianza
- Análisis de datos censurados (censura por intervalos)
- Modelos de Cox PH con covariables constantes
- Modelos de Cox PH con covariables dependientes del tiempo
- Simulación: comparación de modelos (comparación de modelos de regresión)
6. Análisis de varianza (ANOVA)
- ANOVA de un factor
- Clasificación de ANOVA de dos factores
- MANOVA
III. Problemas resueltos en bioinformática
- Breve introducción al paquete limma
- Flujo de trabajo para el análisis de datos de microarrays
- Descarga de datos desde GEO: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE1397
- Procesamiento de datos (control de calidad, normalización, expresión diferencial)
- Gráfico de volcano
- Ejemplos de agrupamiento y mapas de calor
28 Horas
Testimonios (2)
conocimiento del formador, personalizado, todos los temas cubiertos
eleni - EUAA
Curso - Forecasting with R
Traducción Automática
Las aplicaciones de la vida real utilizando Statcan y CER como ejemplos.
Matthew - Natural Resources Canada
Curso - Data Analytics With R
Traducción Automática
