Curso: «Métodos Avanzados de Estadística Aplicada a las Ciencias de la Salud»

Métodos Clásicos:

1. Componentes Principales.

2. Análisis de Correspondencias.

3. Escalado Multidimensional.

4. Análisis de Conglomerados (clusters).

5. Análisis Discriminante.

6. Análisis Factorial.

7. Modelos Log-lineales.

8. Regresión Logística.

9. Regresión Poisson.

10. Regresión no Lineal y Regresión Suavizada.

11. Análisis de la Varianza con Medidas Repetidas.

12. Series Temporales.

13. Control Estadístico de la Calidad.

14. Data Mining.

15. Análisis Estadístico de Datos Direccionales y Espaciales.

16. Inferencias con Mixturas de Distribuciones.

17. Métodos Estadísticos de Alta Dimensión.

18. Modelos de Regresión Cero-Inflados.

19. Modelos de Efectos Mixtos.

20. Inteligencia Artificial: Técnicas Machine Learning.

21. Redes Neuronales Artificiales

Métodos Robustos:

22. Introducción a los Métodos Robustos.

23. Estimación puntual robusta.

24. Intervalos y tests robustos para una población.

25. Intervalos y tests robustos para dos poblaciones.

26. Análisis de la Varianza robusto.

27. Análisis de la Correlación y Estimación Multivariante robustos.

28. Regresión robusta.

Métodos de remuestreo:

29. El Jackknife.

30. El bootstrap. Aplicaciones a los métodos anteriores.

Tratamiento informático:

31. Tratamiento Informático de los Métodos Estadísticos anteriores con SAS, SPSS y R.

Aplicaciones:

32. Aplicaciones en Arqueología y Paleontología.

33. Aplicaciones en Biología y Ciencias Ambientales.

34. Aplicaciones en Ciencias de la Salud.

35. Aplicaciones en Economía y Ciencias Sociales.

36. Aplicaciones en Ingeniería.

Ponentes

DOCENTES