Bioestadística en R

Workshop 2025

Anuncios

Importante
  • 17.05.2025:

    • El video de la clase del 17.05 ya se encuentra en línea.

    • Recuerda que la fecha límite de entrega del trabajo final es el 21.06 hasta la medianoche.

  • 15.05.2025:
    • El video de la clase del 15.05 ya se encuentra en línea.
  • 10.05.2025:
    • El video de la clase del 10.05 ya se encuentra en línea.
  • 08.05.2025:
    • El video de la clase del 08.05 ya se encuentra en línea.
  • 26.04.2025:
    • El video de la clase del 26.04 ya se encuentra en línea.
  • 24.04.2025:
    • El video de la clase del 24.04 ya se encuentra en línea.
  • 12.04.2025:
    • Bienvenidos!
    • El video de la clase se encuentra ya en línea, chequea la pestaña de Recursos

Descripción del curso:

El presente curso de estadística tiene cómo propósito el dar un enfoque práctico de metodologías estadísticas comúnmente empleadas en el campo de la biología y la agricultura sin hacer mayor énfasis en teoría y resolución de problemas a mano como usualmente ocurre en el desenvolvimiento de contenidos de cursos tradicionales en estadística. En su lugar, el currículum aquí propuesto busca el dar una visión práctica a sus participantes de cómo los datos pueden ser analizados en base a un orden cronológico dentro de una investigación empezando por la definición de la pregunta objeto de esta, pasando por la decisión del diseño experimental más adecuado y finalizando con su correcto análisis e interpretación de los resultados. En mayor detalle, se abarcan además problemas comunes en el análisis de datos como lo son los análisis exploratorios de carácter formal tales como estadísticos descriptivos, patrones de pérdida de observaciones y visualizaciones; y aquellos de carácter operacional como la preparación y limpieza de datos, buenas prácticas de documentación y programación. Es por ello por lo que se alienta a los participantes a usar sus propios datos a la par de los ejemplos que se pondrán a disposición con el fin de aprovechar el carácter práctico del curso que incluye un comprensivo recorrido en el uso de R, el cual es al momento el lenguaje de programación estadística de mayor predilección en diversas ramas de las ciencias biológicas tanto en la academia como en la industria.

Requisitos:

  • Computador con al menos 2 GB de RAM y procesador de 64 bits

Duración:

20 horas de clases online en tiempo real, y

20 horas autónomo-prácticas, dando un total de

40 horas

Modalidad:

100% Online

Horario:

Sábados: 12 y 26 de abril, 10 y 17 de mayo de 9H00 a 12H30

Jueves: 24 de abril, 8 y 15 de mayo de 18H30 a 20H30

Nota

No hay clases los feriados de Semana Santa y Día del Trabajo.

Contenidos del curso

Módulo Contenido

Módulo 1: Generalidades e Introducción a R

Duración: 2 horas

  1. Generalidades

  2. Introducción a R

  3. Tipos de datos en R

  4. Operadores en R

  5. Tipos de objetos en R

  6. Paquetes y librerías

  7. Operaciones básicas

  8. Operaciones estadísticas básicas

  9. Estadísticos descriptivos

Módulo 2: Proyectos en R y buenas prácticas de programación

Duración: 0.5 horas

  1. Proyectos en R

  2. Reglas básicas para programar y nombrar objetos en R

  3. Buenas prácticas de programación

Módulo 3: Introducción al {tidyverse}

Duración: 2.5 horas

  1. Tipos de tablas

  2. Tidy data

  3. El {tidyverse}

  4. Importación y exportación de datos

  5. Operaciones con tablas de datos

Módulo 4: Visualización de datos con {ggplot2}

Duración: 2.5 horas

  1. Funciones de {ggplot2}

  2. Geometrías

  3. Estéticas de geometrías

  4. Formato de figuras

  5. Análisis Exploratorio

Módulo 5: Introducción a la Estadística Inferencial con R

Duración: 5 horas

  1. Muestras, poblaciones y muestreos

  2. Parámetros poblaciones y de muestro

  3. Estimación de parámetros de población.

  4. Intervalos de confianza

  5. Pruebas de hipótesis

  6. Tipos de errores

  7. Poder de una prueba estadística

  8. Tamaño del efecto

  9. Colas de una prueba

  10. Pruebas estadísticas paramétricas simples

  11. Pruebas estadísticas no paramétricas

  12. Introducción al Análisis de Varianza (ANOVA)

Módulo 6: Principios básicos de Diseño de Experimentos

Duración: 2.5 horas

  1. Tipos de estudios

  2. Pilares del diseño de experimentos

  3. Repeticiones

  4. Tamaño de muestra

  5. Diseño Completamente al Azar (DCA)

  6. Diseño en Bloques Completamente al Azar (DBCA)

  7. Diseño Factorial Completo (DFC)

  8. Diseño Cuadrado Latino (DCL)

  9. Otros diseños experimentales

Módulo 7: Otros métodos estadísticos comúnmente usados en Biología

Duración: 3 horas

  1. Regresión lineal simple y múltiple

  2. Introducción a modelos lineales generalizados

  3. Análisis de componentes principales

Módulo 8: Introducción a la creación de reportes con Quarto

Duración: 2 horas

  1. Introducción a Quarto y Rmarkdown

  2. Estructura de un documento de Quarto

  3. Generación de nuestro primer reporte

  4. Tipos de documentos en Quarto

Objetivos de aprendizaje:

Al término del curso, el estudiante deberá ser capaz de:

  • Realizar operaciones básicas en R, tales como: cargar, modificar, limpiar y guardar tablas de datos.

  • Realizar gráficos de manera profesional usando R.

  • Planificar y decidir que tipo de diseño experimental deberá usar para llevar a cabo un estudio, dependiendo de la hipótesis del mismo.

  • Llevar a cabo análisis exploratorio de datos.

  • Llevar a cabo, interpretar y reportar los resultados de metodologías estadísticas tales como: pruebas t, pruebas no paramétricas y análisis de varianza.

  • Realizar reportes estadísticos básicos en R.

Canales de comunicación:

  • Preguntas durante las sesiones

  • Consultas dirigidas al instructor al correo electrónico: [email protected]

Sobre el instructor

Mauricio Moreno, PhD

Ingeniero en Biotecnología (Universidad de las Fuerzas Armadas - ESPE), cuenta con un máster en Estadística con mención en Biometría (KU Leuven, Bélgica) y un doctorado en Bioinformática (Jacobs University Bremen, Alemania), posee más de diez años de experiencia en programación estadística en R. Ha trabajado como consultor independiente, profesor, analista de estadísticas ambientales e investigador postdoctoral. Actualmente, ocupa el puesto de Científico Bioestadístico en la función de Soluciones de Campo en Bayer Crop Science, liderando proyectos de investigación y desarrollo incluyendo la migración de procesos estadísticos a la nube y determinación de tamaños de muestra mediante simulaciones Montecarlo basados en cadenas de Markov.