Resumen
El conocimiento de los modelos estadísticos es más importante que nunca hoy en día porque en casi todos los campos de la ciencia, como la medicina, la epidemiología, la ingeniería, la economía o las finanzas, las decisiones se toman sobre la base de los datos observados. Se necesita un modelo estadístico adecuado para descubrir relaciones importantes entre variables o para obtener predicciones precisas. Hoy en día los datos están disponibles en gran cantidad y los investigadores tienen mucha información. Sin embargo, los datos grandes y complejos también plantean desafíos sobre su análisis desde una perspectiva estadística. R es la herramienta líder para el análisis estadístico, ya que es gratuito y tiene miles de paquetes. Como resultado, los investigadores tienen fácil acceso a las herramientas y técnicas estadísticas más avanzadas. Este curso tiene como objetivo guiar a los estudiantes en el uso de R para el modelado lineal, considerando datos tanto de corte transversal como de series de tiempo. El enfoque de este curso es “aprender haciendo”. Por lo tanto, se alienta a los estudiantes a aplicar las herramientas aprendidas en el curso a sus propios proyectos de investigación y/o conjuntos de datos que se encuentran en su área de investigación. Durante las sesiones de trabajo en grupo se brindará orientación en la correcta aplicación de estas herramientas.
Descripción
El curso tiene como objetivo proporcionar a los estudiantes conocimientos sobre los siguientes temas:
1. Estadísticas base con R: RStudio; bibliotecas y paquetes de R; importar conjuntos de datos; identificación de valores atípicos y faltantes; medir la centralidad y la variabilidad de una distribución; ejemplos con datos reales
2. Análisis transversal de datos en R: regresión lineal simple y múltiple, predicciones; prueba de hipótesis; errores estándar robustos a la heteroscedasticidad; regresión con respuesta binaria; introducción a la dependencia espacial; aplicaciones a datos reales
3. Modelado lineal con series temporales: autocorrelación; trazado de series de tiempo; descomposición de series de tiempo; eliminación de tendencia basada en regresión; ajuste estacional basado en regresión; regresión lineal con datos de series de tiempo; errores estándar de heteroscedasticidad y autocorrelación robusta (HAC); regresiones predictivas; aplicaciones a datos reales
4. Otros temas: reducción de dimensionalidad; encontrar estructuras de datos (clustering): datos transversales frente a series temporales; introducción al análisis longitudinal de datos
Datos de la actividad
Patrocina:
Escuela Internacional de Doctorado (EIDUAL).Imparte:
Raffaele Mattera, PhD. (Sapienza University of Rome). Sus principales líneas de investigación son la estadística computacional, el análisis de series temporales, la estadística espacial y la econometría financiera. Publica en revistas internacionales relacionadas con la estadística computacional (con aplicación) y participa en numerosas conferencias internacionales con el mismo enfoque. Es miembro ordinario de la Sociedad Italiana de Estadística, la Asociación Italiana de Econometría y la Asociación de Econometría Espacial.Fecha:
1 Y 2 de febrero de 2023, desde las 15:00 horas hasta las 18:00.
Dirigido a:
Estudiantes de último curso de FYCO, COFIC, doctorado en CCEE y Matemáticas.Nº de horas:
6 horasLugar:
Aula 13 de informáticaNº de plazas:
40 plazasCertificado:
Emitido por la organización del acto, pueden dirigirse a jetrini@ual.es para cualquier consulta.