Archivos de la categoría UMU

EIDUM, MAN01: Métodos de análisis de datos multivariantes

fernandoPSComienza el curso de EIDUM “Métodos de análisis de datos multivariantes.”. Consiste en dos sesiones, y hay tres grupos con diferente horario (horario de tarde). Se imparte en el aula Mangel de ATICA y la buitre de la facultad de Biología. Acceso a la agenda aquí.

Destinatarios

El curso está dirigido a alumnos de doctorado con conocimientos básicos en R y elaboración de informes y documentos sencillos en Rmarkdown. En su caso es recomendable haber realizado los cursos de Introducción a R y Rstudio, Procedimientos para la elaboración de informes y documentos científico-técnicos, Representación y tabulación de datos, o tener los conocimientos considerados en estos cursos.

En el curso abordará las técnicas de análisis de datos multivariantes evitando en lo posible los aspectos más formales, abordando las cuestiones desde un punto de vista eminentemente práctico. Se estudiarán las técnicas de ordenación y clasificación más habituales sus aplicaciones y ejemplos prácticos. Finalmente se hará una introducción a las técnicas de aprendizaje automatizado (machine learning), así como al empleo de curvas ROC y sus aplicaciones.

Competencias

  • Ser capaz de identificar la naturaleza del problema multivariante a abordar y las técnicas a aplicar
  • Ser capaz de realizar una clasificación e interpretar los resultados identificando las características de los grupos obtenidos.
  • Ser capaz de realizar una ordenación e interpretar los resultados
    describiendo el significado de los ejes obtenidos.
  • Ser capaz de leer un informe de resultados de una análisis realizado por una técnica de aprendizaje automático.

Contenidos

  1. Técnicas de ordenación: Análisis de componentes principales
  2. Técnicas de ordenación: Análisis de correspondencias
  3. Técnicas de ordenación: Escalado multidimensional
  4. Técnicas de ordenación: Análisis factorial
  5. Técnicas de clasificación: Clasificación no jerárquica: algoritmo k-means
  6. Técnicas de clasificación: Clasificación jerárquica: Elaboración de dendrogramas
  7. Introducción al aprendizaje automatizado.
  8. Curvas ROC usos e interpretación.

Resultados de aprendizaje

  • Conocer las más habituales técnicas multivariantes existentes.
  • Saber aplicar las técnicas multivariantes con R.
  • Ser capaz de interpretar y elaborar informes de los resultados.
  • Saber aplicar los fundamentos del aprendizaje automatizado para el diseño de análisis
  • Ser capaz de construir en R una curva ROC e interpretar el resultado.
  • Ser capaz de combinar los resultados de distintos análisis multivariantes para mejorar la interpretación de los resultados.

En la clase de hoy hemos hecho un PCA viviente….

PCA( 00Rteam[,1:4], graph = TRUE, scale.unit = TRUE )

pca_00rteam

I Jornada Big Data y Salud en la Región de Murcia

El pasado 21 de Abril tuvimos el placer de asistir a la I Jornada Big Data y Salud en la Región de Murcia. En ella, diversos conferenciantes expusieron proyectos muy interesantes en los que se hacía necesaria una recogida ingente de datos. Y es aquí, donde los modelos que ofrece el Big Data para el tratamiento de la información, se convertían en una herramienta fundamental. Sin duda, la conclusión unánime de la jornada fue, que cada vez se hará más patente la demanda de analistas de datos en el ámbito de la salud, pues este intercambio disciplinar no hace más que ampliar las posibilidades y enriquecer los resultados.



Podéis pinchar aquí para consultar el programa de la I Jornada Big Data y Salud en la Región de Murcia, y en este otro enlace para ver la galería de fotos del evento.

EIDUM, MEX01: Métodos de contraste de hipótesis y diseño de experimentos

421821075_110627

Destinatarios

Para cualquier investigador resulta básico la lectura y la generación de documentación donde se encuentran detallados los procedimientos de análisis estadístico. En este curso se plantea como objetivo general proporcionar a los participantes la capacidad práctica para abordar un estudio estadístico basado en el contraste de hipótesis. De forma práctica se abordarán, especialmente, tanto el análisis de la varianza (ANOVA) como la realización de análisis lineal (regresión lineal), pasando por otros aspectos relevantes y test más habituales.

Se trata de un curso eminentemente práctico y es imprescindible tener conocimientos de R (en particular de tabulación y representación gráfica de datos) y del uso de investigación reproducible.

Competencias

  • Se capaz de realizar adecuadamente un análisis de la varianza con R e interpretar los resultados obtenidos.
  • Se capaz de realizar adecuadamente un análisis de regresión con R e interpretar los resultados obtenidos.
  • Ser capaz de evaluar la adecuación de los principales test estadísticos a los problemas y los casos prácticos más frecuentes.

Contenidos

  1. Conceptos y distribuciones de probabilidad aplicados al contraste de hipótesis. El teorema del límite central. Los intervalos de confianza de un estadístico y los tipos de variables.
  2. Introducción a la aplicación de los contrastes de hipótesis y las situaciones de aplicación.
  3. Pruebas de diferencias de poblaciones (t, \chi^2 y ANOVA).
  4. Modelos de respuesta (el modelo lineal y otros modelos).

Resultados de aprendizaje

  • Capacidad de uso de los conceptos de probabilidad, las pruebas estadísticas, el contrastes de hipótesis y la significación en la elaboración de los datos propios y en la lectura crítica de documentación técnica.

  • Identificar las situaciones más frecuentes en el diseño de experimentos y sus soluciones.

  • Realización de protocolos de análisis con R y uso de análisis reproducible para elaborar informes de resultados.

Generando gráficos 3D en movimiento con R

movie

En esta entrada explicamos cómo elaborar un gráfico 3D en movimiento con R. Además veremos cómo exportarlo en formato .gif. Utilizamos para ello la librería rgl de R.

Preparando los datos

Leemos el fichero de datos con el que queremos trabajar.

biom <- read.table("http://ares.inf.um.es/00Rteam/datos/biom2003.dat")

Verificamos una lectura adecuada con un simple vistazo de las primeras filas de biom:

head( biom )

Comprobamos que el número de filas y columnas es adecuado:

dim( biom )

Pasamos a elaborar nuestro gráfico en 3 dimensiones.

Gráficos 3D

Cargamos la librería rgl y elaboramos el gráfico con la función plot3d().

library( rgl )
plot3d( biom$Altura, biom$Peso, biom$Hombros, 
        col = biom$Sexo, type = "s", radius = 1.5 )

Para ver nuestro gráfico en movimiento utilizamos la función play3d() cuyos argumentos son

  • spin3d(): para girar el gráfico.
  • duration: tiempo que está en movimiento (seg.)

La expresión quedaría:

play3d( spin3d(  ), duration = 10 )

Podemos añadirle a la función spin3d() los argumentos axis y rpm, con los que indicamos los ejes y la velocidad de rotación.

play3d( spin3d( axis = c(0, 0, 1), rpm = 7), duration = 10 )

Sigue leyendo

Índice de contenidos, figuras y tablas

Este documento es un ejemplo de cómo hacer con RStudio que tus documentos, además de un índice de contenidos, tengan un índice de tablas y otro de figuras. Para eso haremos uso de instrucciones de LaTeX en el documento de Rmarkdown.

Se puede descargar el fichero en Rmd y pdf desde aquí:.Rmd, .pdf

Índice de contenidos: toc

Para hacer que aparezca un índice de contenidos, en el preámbulo del documento ponemos toc: yes, de esta forma:

---
title: "Índice de contenidos, figuras y tablas"
output:
  pdf_document:
    toc: yes
---

toc

Índice de tablas y figuras

Para el índice de figuras tenemos que añadir dos sentencias de LaTeX donde queramos que aparezcan estos índices

\listoffigures
\listoftables

simplemente aparecerá al principio el toc o table of contents que es lo que pretendíamos. Vemos los detalles …

listoffigures

list of figures

Sigue leyendo

EIDUM, IDC01: Representación y tabulación de datos

elvirax-pizarra

Esta semana comienza el curso de EIDUM “Representación y tabulación de datos.”. Consiste en tres sesiones, y hay tres grupos con diferente horario (mañana y tarde). Se imparte en el aula Mangel de ATICA y la buitre de la facultad de Biología. Acceso a la agenda aquí.

Destinatarios

Alumnos de doctorado con conocimientos básicos sobre el manejo de R y sobre la elaboración de informes y documentos reproducibles. Recomendable haber realizado previamente los cursos de Introduccción a R y Rstudio y Procedimientos para la elaboración de informes y documentos ciéntifico-técnicos, o poseer los conocimientos que se abordan en ellos.

El curso está destinado a aquellos investigadores que se interesan por avanzar en tareas de gestión de datos, y en su caso, el manejo de grandes volúmenes de información. También se abordará la adecuada organización de los datos en una o más tablas, la codificación y los formatos para la presentación de los dados. Por otro lado, discutiremos métodos para la elaboración automática de tablas de datos. En especial a partir de fuentes originalmente heterogéneas o donde es necesario reelaborar la propia información para abordar otros enfoques o análisis de la información. También se abordará la elaboración una estadística descriptiva mediante tablas de resultados o gráficos más o menos complejos. Todo ello considerando siempre la forma de automatizar las tareas repetitivas con funciones de usuario.

Competencias

  • Saber preparar la información para su mecanización y tratamiento estadístico
  • Ser capaz de representar datos y funciones de forma integrada con R
  • Ser capaz de resumir la información mediante tablas y estadísticos
  • Ser capaz de exportar tablas y gráficos elaborados con R

Contenidos

  1. Datos y ficheros: formatos, codificación y estructura
  2. Importación y exportación de datos en R
  3. Resumen de datos: tablas, estadísticos y gráficos
  4. Distribución de frecuencias y distribuciones de probabilidad
  5. Objetos en R: manipulación avanzada de datos y simulación
  6. Creación de funciones en R: generalizando un procedimiento
  7. Toda la potencia de la representación gráfica en R
  8. Creación de gráficos y exportación: formatos gráficos Sigue leyendo

Curso de LaTeX de ASEMAT

ASEMAT Lo imparte la Asociación de Estadística y Matemáticas de la Universidad de Murcia (ASEMAT)

Está abierto el periodo de matricula: Sigue leyendo

EIDUM, GDA01: Procedimientos para la elaboración de informes y documentos científico-técnicos

2014-10-23 12.16.26

Comienza el curso de EIDUM “Procedimientos para la elaboración de informes y documentos científico-técnicos”. Consiste en dos sesiones, y hay tres grupos con diferente horario (mañana y tarde). Se imparte en el aula Mangel de ATICA. Acceso a la agenda aquí.

Destinatarios

Para elaborar documentación de carácter técnico es necesario incluir diversos elementos en el texto: índice de contenidos, de figuras y de tablas, datos, referencias cruzadas, citas bibliográficas, etc. La utilización de un adecuado proceso de trabajo y del software adecuado proporciona los mejores resultados y numerosos beneficios, por ejemplo, el ahorro de tiempo, mejor calidad tipográfica y reducción de errores; además, permite introducir elementos y modificaciones en cualquier momento sin requerir una reedición del material ya elaborado.

Además de estas ventajas, cabe añadir la posibilidad de que los documentos, cuando contienen análisis estadísticos, puedan incluir tanto los procedimientos y como los resultados de los cálculos realizados. Los documentos así elaborados permiten reproducir los mismos análisis y cálculos únicamente utilizando nuevos datos de entrada; esta forma de trabajar que se demonima investigación reproducible o análisis reproducible.

Estas tareas se pueden abordar desde lenguajes de marcas como markdown, que se ha convertido en un estándar en la elaboración de documentos digitales y que proporciona la posibilidad de crear desde un mismo documento base, distintas versiones en formatos de word, pdf, epub (y otras versiones de documentos electrónicos).

Este curso proporcionará las bases para poder preparar documentos aprovechando al máximo las capacidades de los programas para evitar el trabajo manual y descargando las tareas repetitivas en el ordenador.

Es recomendable tener nociones básicas del lenguaje R.

Competencias

  • Saber elaborar documentación con un sistema minimalista.
  • Saber crear documentos científicos de calidad y para distintos formatos a partir de un mismo original.
  • Saber organizar adecuadamente la información para realizar automáticamente la presentación de la información en el documento final.
  • Saber gestionar las referencias bibliográficas y su citado de forma automática en los documentos.

Contenidos

  1. Documentos: estructuras y ficheros
  2. Los lenguajes de marcas y markdown
  3. Edición de documentos con markdown: programas y plugins, usando rstudio
  4. Normas de estilo y fundamentos en la elaboración de documentos científicos
  5. Uso de bases de datos de referencias y citado automático
  6. Introducción al análisis reproducible

Resultados de aprendizaje

  • Crear documentos científicos de calidad
  • Reducir los tiempos de edición y revisión de los materiales elaborados
  • Trabajar reduciendo al máximo los errores en las tareas mecánicas con un coste mínimo de elaboración

EIDUM, IER01: Introduccción a R y Rstudio

2016-02-10 13.23.37

El primer grupo, hay 3, comenzó el día 3 de febrero de 2016. Se imparte en las aulas Buitre de la fac de Biologíia y Mangel de ATICA.
Acceso a la agenda aquí.

Destinatarios

Este curso va dirigido a los investigadores que requieren de herramientas para la manipulación de datos o han de utilizar métodos de análisis de datos. Esencialmente es un curso básico del lenguaje estadístico R y sus capacidades para manejar información cuantitativa y cualitativa, representación de datos y una introducción al uso de su amplísimo catálogo de funciones, que en la actualidad supera las 150000.

Entender los procedimientos de trabajo de los programas estadísticos y la metodología para preparar los datos y desarrollar protocolos de trabajo es uno de los aspectos básicos en la formación de un doctorando, si no posees estos conocimientos este curso es para ti; también, si sólo necesitas realizar tareas repetitivas para procesar información preparando tablas o gráficos.

Competencias

  • Utilizar con fluidez la terminal y manejar la interfaz básica de R.
  • Aprovechar las características los principales elementos, así como el fundamento, de la sintaxis de R
  • Elaborar procedimientos básico de trabajo con R
  • Resolver los problemas derivados de los mensajes de error del sistema

Contenidos

  1. Sintaxis del lenguaje R: el valor de la expresiones
  2. Las interfases de R: uso de RStudio
  3. Valores, operadores y funciones en R
  4. Objetos en R: vectores, matrices, data frames y listas
  5. Ficheros de datos y de protocolos
  6. Ayudas y documentación en R

Resultados de aprendizaje

  • Ser capaz de instalar y utilizar el software libre R y RStudio
  • Disponer de procedimientos de trabajo para abordar el análisis para un conjunto de datos
  • Saber elaborar procedimientos básicos para el tratamiento de datos
  • Ser capaz de aplicar protocolos predefinidos de análisis con R
  • Saber reutilizar protocolos conocidos o parte de ellos para resolver nuevos problemas

Cursos de la Escuela Internacional de Doctorado UMU

Desde la Sección de Apoyo Estadístico del SAI colaboramos en algunos cursos del Doctorado Internacional destinados a los futuros doctores y doctoras de esta Universidad. Los cursos están encuadrados en de la temática Diseño de Experimentos y Fundamentos de Análisis de Datos:

  • IER01: Introducción a R y RStudio.
  • GDA01: Procedimientos para la elaboración de informes y documentos científico-técnicos.
  • IDC01: Representación y tabulación de datos.
  • MEX01: Métodos de contraste de hipótesis y diseño de experimentos.
  • MAN01: Métodos de análisis de datos multivariantes.
  • EDE01: Creación, manejo y explotación de datos espaciales.

A principios de mes comenzamos con el primero de los cursos, sobre Introducción a R y RStudio. En futuras entradas os iremos contando más cosas sobre ellos :).

Fdo. El 00Rteam

logo-00rteam

2015-12-15-todos-00rteam