Un Diplomado Internacional de gran valor para que valides con mayor solidez tus hipótesis y conclusiones mediante la Bioestadística con R” 

La Bioestadística se ha vuelto esencial en la investigación sanitaria para diseñar estudios experimentales y observacionales, analizar los datos que se han recabado y tomar decisiones basadas en estos resultados. De hecho, permite a los investigadores considerar factores como la variabilidad y la incertidumbre en los datos, lo que es relevante para validar las conclusiones obtenidas. Además, los resultados de las investigaciones a menudo se presentan en forma de cifras o estadísticas, y la Bioestadística ayuda a los investigadores a interpretarlos correctamente. Por tanto, resulta indudable que su contribución es fundamental para mejorar la comprensión de las enfermedades y tratamientos médicos en ámbitos como la Odontología. 

Es por ello que, si el profesional odontológico no dominara con solvencia la Bioestadística con R, estaría en clara desventaja, siendo sus investigaciones menos sólidas que las de otros compañeros al no aplicar avanzadas herramientas de validez de los resultados. Con mayor razón, este Diplomado Internacional le será de gran valor para actualizarse en esta materia de creciente interés. Así, a través del título recorrerá los conceptos estadísticos aplicados a la investigación, los fundamentos del lenguaje R y sus métodos de Regresión y análisis multivariante. Además, se adentrará en el Aprendizaje Supervisado y No Supervisado empleando el Data Mining en su metodología de trabajo. 

Sin duda, una preparación de alto nivel que llevará a sus investigaciones al siguiente nivel. Para ello, tan solo necesitará un dispositivo con conexión a Internet, el cual le abrirá las puertas a un extenso catálogo digital de recursos a su disposición en el Campus Virtual. Dentro de esta plataforma, el estudiante tendrá la batuta de sus propios tiempos académicos, sirviéndose de avanzados contenidos diseñados por un equipo docente referente. 

Este es el programa que buscas para analizar en detalle los métodos de Regresión y análisis multivariante con R”   

Este Diplomado Internacional en Bioestadística con R contiene el programa científico más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Bioestadística con R 
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional 
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje 
• Su especial hincapié en metodologías innovadoras  
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual 
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet 

Mediante avanzados materiales académicos, te beneficiarás de un ciclo educativo condensado en solo 150 horas que gestionarás a tu conveniencia mientras recorres los fundamentos del lenguaje R” 

El programa incluye en su cuadro docente a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.  

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.  

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.   

Dominarás todos y cada uno de los principales conceptos de la Bioestadística con R para llevar al siguiente nivel tus investigaciones odontológicas”   

¿Quieres manejar las técnicas estadísticas con Data Mining más eficaces? ¡Lo harás en tan solo 6 semanas!” 

El temario se ha diseñado siguiendo un formato online que permitirá al profesional odontólogo compaginar su actividad con esta alta preparación sin ningún problema. De hecho, no es necesario que acuda ni un solo día a un centro presencial y ni siquiera deberá adaptarse a horarios determinados. En su lugar, la gestión de los tiempos de estudio correrá de su cuenta e, incluso, podrá interiorizar las ideas del plan de estudios con mayor rapidez gracias al dinamismo de los recursos del Campus Virtual. En esta línea, dispondrá de formatos multimedia tan variados como esquemas interactivos, vídeos, clases magistrales o análisis de casos. 

Esquemas interactivos, vídeos, clases magistrales o análisis de casos impulsarán tu desempeño académico, lo que redundará en beneficio de tus investigaciones”  

Módulo 1. Estadística y R en investigación sanitaria   

1.1. Bioestadística 

1.1.1. Introducción al método científico 
1.1.2. Población y muestra. Medidas muestrales de centralización 
1.1.3. Distribuciones discretas y Distribuciones continuas 
1.1.4. Esquema general de la inferencia estadística. Inferencia sobre una media de una población normal. Inferencia sobre una media de una población general 
1.1.5. Introducción a la inferencia no paramétrica 

1.2. Introducción a R 

1.2.1. Características básicas del programa 
1.2.2. Principales tipos de objetos 
1.2.3. Ejemplos sencillos de simulación e inferencia estadística 
1.2.4. Gráficos 
1.2.5. Introducción a la programación en R 

1.3. Métodos de regresión con R  

1.3.1. Modelos de regresión 
1.3.2. Selección de variables 
1.3.3. Diagnóstico del modelo 
1.3.4. Tratamiento de datos atípicos 
1.3.5. Análisis de regresiones 

1.4. Análisis Multivariante con R 

1.4.1. Descripción de datos multivariantes 
1.4.2. Distribuciones multivariantes 
1.4.3. Reducción de la dimensión 
1.4.4. Clasificación no supervisada: análisis de conglomerados 
1.4.5. Clasificación supervisada: análisis discriminante 

1.5. Métodos de regresión para la investigación con R 

1.5.1. Modelos lineales generalizados (GLM): regresión de Poisson y binomial negativa 
1.5.2. Modelos lineales generalizados (GLM): regresiones logística y binomial 
1.5.3. Regresión de Poisson y Binomial Negativa infladas por ceros 
1.5.4. Ajustes locales y modelos aditivos generalizados (GAM) 
1.5.5. Modelos mixtos generalizados (GLMM) y generalizados aditivos (GAMM) 

1.6. Estadística aplicada a la investigación biomédica con R I 

1.6.1. Nociones básicas de R. Variables y objetos de R. Manejo de datos. Ficheros. Gráficos
1.6.2. Estadística descriptiva y funciones de probabilidad 
1.6.3. Programación y funciones en R 
1.6.4. Análisis de tablas de contingencia 
1.6.5. Inferencia básica con variables continuas 

1.7. Estadística aplicada a la investigación biomédica con R II 

1.7.1. Análisis de la varianza 
1.7.2. Análisis de correlación 
1.7.3. Regresión lineal simple 
1.7.4. Regresión lineal múltiple 
1.7.5. Regresión logística 

1.8. Estadística aplicada a la investigación biomédica con R III 

1.8.1. Variables de confusión e interacciones 
1.8.2. Construcción de un modelo de regresión logística 
1.8.3. Análisis de supervivencia 
1.8.4. Regresión de Cox 
1.8.5. Modelos predictivos. Análisis de curvas ROC 

1.9. Técnicas estadísticas de Data Mining con R I 

1.9.1. Introducción. Data Mining. Aprendizaje Supervisado y No Supervisado. Modelos Predictivos. Clasificación y Regresión 
1.9.2. Análisis descriptivo. Pre-procesamiento de datos 
1.9.3. Análisis de Componentes Principales (PCA) 
1.9.4. Análisis Clúster. Métodos Jerárquicos. K-means 

1.10. Técnicas estadísticas de Data Mining con R II 

1.10.1. Medidas de Evaluación de Modelos. Medidas de capacidad predictiva. Curvas ROC 
1.10.2. Técnicas de Evaluación de Modelos. Validación cruzada. Muestras Bootstrap 
1.10.3. Métodos basados en árboles (CART) 
1.10.4. Support vector machines (SVM) 
1.10.5. Random Forest (RF) y Redes Neuronales (NN) 

Un programa que recoge los métodos basados en árboles o el análisis Clúster para ofrecerte el enfoque más integral posible”