PREÇO

295€

descrição

No mundo em que vivemos, o fluxo e volume de dados tem assistido a um crescimento avassalador que é transversal a toda sociedade. Esta realidade exige a adoção de ferramentas que permitam a manipulação e tratamento dos dados de uma forma célere e desejavelmente isenta do pagamento de licenças comerciais por parte dos seus utilizadores. A linguagem R ao longo de três décadas tem conseguido dar resposta a estes e a inúmeros outros desafios. Contudo a utilização de técnicas estatísticas multivariadas presentes na linguagem R exige um conhecimento profundo e amplo por parte dos seus utilizadores, em particular para as condições de aplicabilidade das mesmas e respetivas limitações. Contudo tal realidade nem sempre está presente nas análises estatísticas realizadas.

Na sequência das formações “Estatística e Análise de Dados com R” (nível básico e avançado) e  “R Data Science” , a presente formação irá visar o estudo de modelos de regressão com a linguagem R nas seguintes temáticas: Modelo de Regressão Linear (Simples e Múltiplo), Modelo de Regressão Logística (Binário, Ordinal e Multinomial), Modelo de Regressão de Cox (Análise de Sobrevivência), Curvas ROC e medidas discriminantes.

Será dada particular atenção para as condições de aplicabilidade das várias metodologias estatísticas inerentes aos referidos modelos de regressão sendo veiculados os aspetos quantitativos/matemáticos essenciais, assim como uma rigorosa e detalhada interpretação dos outputs. Todos os conteúdos ministrados serão acompanhados por bases de dados fornecidas durante a formação bem como de material pedagógico desenvolvido e concebido para o efeito bem como todo o código (script) em linguagem R.

Objetivo

Pretende-se que ao final da formação os formandos identifiquem quais os modelos de Regressão mais apropriados para os diversos estudos de caso propostos bem como se tornem progressivamente autónomos para a implementação destes modelos na linguagem R, com a respetiva análise crítica de resultados/outputs, interpretação e verificação dos pressupostos. Adicionalmente serão lançados desafios aos formandos com proposta de resolução dos mesmos recorrendo à linguagem R.

a quem se destina

Estudantes, docentes, investigadores e a todos os profissionais que de uma forma transversal necessitam de realizar análises estatísticas que visam suportar a sua tomada de decisão nos mais variados contextos.

formador

Ricardo São João

Licenciado em Matemáticas Aplicadas ramo Estatística e Investigação Operacional (CEUL, 2000) e Mestre em Matemática Aplicada às Ciências Biológicas (ISA-UTL, 2007). O interesse pela área da saúde levou-o a concluir a pós-graduação em Epidemiologia (FM-UL, 2011) e o seu doutoramento em Ciências da Vida na especialidade de Saúde das Populações/Bioestatística (FCM-UNL, 2015).

Ricardo São João tem-se dedicado à modelação estatística com um elevado background computacional. O entusiasmo e paixão pelo ensino, aliado ao desafio de modelação de fenómenos complexos com grande impacto na saúde e bem-estar das populações, fá-lo-ão sentir-se duplamente motivado. Professor no Ensino Superior desde 2001, ministra cursos graduados, pós-graduados e de curta duração, com especial ênfase na manipulação de software estatístico (SPSS e R).

É membro do CEAUL com interesses de investigação em: Estatística Multivariada e Espacial, Bioestatística e Epidemiologia.

Recursos Disponibilizados

– Link para instalação do R
– Certificado GADES Solutions, CEAUL e DGERT *
– Gravações das Sessões do Curso
– Slides e material demonstrado no decorrer do curso, em formato digital

(*) Para efeitos de emissão de certificado, será solicitado o preenchimento/assinatura dos seguintes documentos: Ficha de Inscrição e Contrato de Formação

programa

0. Breve introdução ao R

Descrição do ambiente R, importação/exportação da informação, armazenamento (tipo de dados e variáveis); plug-ins do R e livrarias/pacotes (libraries/packages) a serem utilizados.

1. Modelos de Regressão para variável resposta contínua

– Introdução, contextualização, conceitos chave e objetivos;
– Regressão Linear Simples (RLS) e Múltipla (RLM);
– Pressupostos da RLS e RLM e apresentação de testes estatísticos a elas associados com as respetivas formulações de hipóteses;
– Etapas na implementação da RLS e RLM na linguagem R;
– Expressão matemática dos modelos de RLS e RLM;
– Seleção automática vs seleção manual de variáveis;
– Estudos de Caso envolvendo o modelo de RLS e RLM;
– Apresentação de um desafio envolvendo os modelos de regressão com respectiva resolução no R.

2. Modelos de Regressão para variável resposta categórica

– Introdução, contextualização, conceitos chave e objetivos;
– Regressão Logística Binária (para variável resposta binária)
– Regressão Logística Ordinal (para variável resposta categórica com duas ou mais categorias em escala ordinal)
– Regressão Logística Multinomial (para variável resposta com três ou mais categorias)
– Etapas na implementação dos modelos de Regressão Logística na linguagem R;
– Estudos de Caso envolvendo modelos de Regressão Logística implementados no R;
– Apresentação de um desafio envolvendo a Regressão Logística com a respectiva resolução no R.

3. Curva ROC (Receiver Operating Characteristic) associada a Modelos de Regressão

– Introdução, contextualização, conceitos chave e objetivos;
– Medidas discriminantes associadas à Curva ROC e respetiva implementação no R;
– Determinação da Área abaixo da Curva ROC no R e significado;
– Representação gráfica e comparação de curvas ROC com recurso ao teste DeLong no R;
–  Apresentação de um desafio envolvendo curvas ROC com a respectiva resolução no R. 

4. Análise de sobrevivência na modelação de eventos singulares ao longo do tempo   

– Introdução, contextualização, conceitos chave e objetivos;
– Estimador e curva de Kaplan-Meier implemendados no R;
– Regressão de Cox (Modelo de Riscos proporcionais de Cox) implementada no R;
– Comparação de curvas de Sobrevivência no R;
–  Apresentação de um desafio envolvendo Análise de Sobrevivência com a respectiva resolução no R.

preço

295€  (Isento de IVA)

data e horário

A Anunciar

pré-requisitos

– Frequência nos cursos “Estatística e Análise de Dados com R” ou “Data Scientist com R” ou Conhecimento prévio de R
– Familiaridade e conhecimentos básicos, a nível do utilizador, dos produtos da família Microsoft e/ou MAC
– Computador com os software R instalado

Formato

Bibliografia

Inscrição

Escolha uma das seguintes opções: