T2: Análisis exploratorio y estadístico de datos biológicos usando R

Datos generales

Código: T2-RDataAnalysis
Duración: 40 horas
Nivel: intermedio
Idioma: español
Fecha: del 30 de julio al 3 de agosto de 2018
Lugar: Aula 2 LCG

¿Qué aprenderás?

• Conocerás funciones comúnmente usadas para el análisis exploratorio y estadístico de datos.
• Aprenderás a usar las funcionalidades de R para generar diferentes tipos de gráficas.
• Aprenderás a generar reportes en web.

Pre-requisitos

Requisitos de conocimientos previos

• Los participantes deberán tener conocimientos básicos del lenguaje de programación R: asignación de variables, lectura de archivos: read.csv, read.delim, read.table; estructuras de datos: matrix, dataframe, list; tipos de datos: character, numeric, factor, logical, etc; instalación y uso de paquetes.
• Saber usar RStudio.

Requisitos técnicos

• Computadora Personal
  Un mínimo de 8 GB de RAM, un ratón y espacio de disco suficiente para archivos de texto y archivos de imagen. Privilegios de administrador para instalar y ejecutar utilidades de RStudio.

Descripción

El taller se enfoca al análisis exploratorio y estadístico de datos biológicos usando R. Se inicia con una revisión de paquetes y conceptos de R que serán útiles para manipular y graficar datos, así como para reportar los resultados. Posteriormente se revisarán los conceptos estadísticos fundamentales requeridos para el análisis de datos biológicos usando las librerías o paquetes previamente vistos de R. El taller ha sido concebido para enseñar la teoría y la aplicación práctica, de tal forma que el estudiante pueda relacionar los conceptos estadísticos con el análisis de datos biológicos.

Contenido

• Introducción
  • Paquete dplyr
  • Uso de pipes
  • Paquete ggplot2
  • Generando reportes con shiny
• Transformación y análisis exploratorio de datos
  • Estadística descriptiva
  • Medidas de tendencia central
  • Medidas de dispersión
  • Análisis gráfico básico (histogramas, boxplots, …) de los datos para detección de outliers y otros problemas
• Conceptos de probabilidad y distribuciones de probabilidad
  • Espacios muestrales
  • Eventos
  • Propiedades de la probabilidad
  • Números aleatorios en R
  • Cálculo de probabilidades en R
• Distribuciones muestrales
  • Usando gráficos básicos
  • Distribución binomial
  • Distribución normal
  • Distribución hipergeométrica
  • Distribución de Poisson
  • Generación de distribuciones de probabilidad en R
• Estadística aplicada
  • Estandarizacion
  • Prueba z
  • p-values y su interpretación
  • Significancia estadística
  • Tamaño de la muestra
  • Intervalo de confianza
• Pruebas estadísticas básicas
  • Pruebas paramétricas
    • student
    • student pareada
    • T student muestras independientes
  • Pruebas no paramétricas
    • U de Mann Whitney
    • Chi cuadrada
    • Prueba exacta de Fisher
    • Prueba de Wilkoxon
• Análisis de la varianza (ANOVA)
• Correlación en R
  • El concepto de correlación
  • Varianza, covarianza y el coeficiente de correlación de Pearson
  • Correlaciones parciales
  • Supuestos del estadístico de correlación de Pearson r
  • El coeficiente de correlación no paramétrico de Kendall (Tau)
  • Significancia del coeficiente de correlación de Pearson
  • Análisis de potencia del coeficiente de correlación
  • El cuarteto de Anscombe y la importancia de visualizar las relaciones entre variables mediante gráficos de dispersión
  • Correlaciones prácticas
    • Funciones del paquete de base stats para el cálculo de la correlación y su significancia en R
    • Ejemplos de uso de los paquetes psych::corr.test(), corrplot::corrplot(), ggm::pcor.test(), pwr::pwr.r.test()
• Regresión lineal simple y regresión polinomial en R
  • Introducción: el concepto de regresión y tipos de regresión
  • Regresión lineal simple
  • Diagnóstico del modelo de regresión y validación de supuestos
  • Transformación de datos y selección de modelos
  • Regresión polinomial y determinación de desviaciones de relación de linearidad entre variables
  • AIC: Selección de modelos mediante el criterio de información de Akaike
  • Predicciones usando el modelo seleccionado
  • Graficado de bandas e intervalos de confianza
• Regresión lineal múltiple y selección de modelos

Software usado

• R
• Librerias dplyr, ggplot2, shiny
• RStudio

¿Quién es nuestra audiencia?

El curso va dirigido a personas que conocen los conceptos básicos de R y lo han usado, pero que se enfrentan al problema de análisis de datos biológicos y la aplicación de estadísticas para su interpretación.

Profesores