Introducción al Análisis de Datos Funcionales con R

Introducción al Análisis de Datos Funcionales con R

Presentación:

Los datos funcionales surgen cuando una de las variables de interés en un conjunto de datos se puede ver de forma natural como una curva o una función suave. Así el Análisis de Datos Funcionales (Functional Data Analysis, FDA) se puede considerar como el análisis estadístico de muestras de curvas. En las últimas décadas las técnicas de FDA han experimentado un rápido desarrollo, lo qué ha permitido que el FDA haya alcanzado una madurez metodológica notable. Muchos de los métodos estadísticos usuales tienen su versión para datos funcionales: modelos de regresión (lm, GLM, regresión no paramétrica, ...), análisis multivariante (PCA, MDS, clustering, medidas de profundidad, ...), series temporales, estadística espacial, entre otros. En paralelo, sus métodos se han ido aplicando ampliamente en medicina, ciencia, negocios, ingeniería, demografía, ciencias sociales, etc. Este curso ofrece una introducción al FDA y presenta algunas de las librerías de R orientadas a este tipo de datos. Se pretende que al final del curso los alumnos sean capaces de identificar situaciones dónde poder tratar sus datos como de tipo funcional, representar estos datos computacionalmente, aplicar técnicas sencillas de FDA (descriptiva, reducción de la dimensión, regresión) y visualizar los resultados.

Programa del curso:

  1. Introducción al FDA.
    • Una visión general de FDA.
    • Conceptos del Análisis Funcional útiles en Datos Funcionales.
  2. Datos funcionales observados y su representación computacional.
    • Desarrollo en bases de funciones.
    • Suavizados: Kernel, Polinomios locales, Splines.
    • Registro y transformaciones de datos funcionales.
  3. Análisis exploratorio de datos funcionales.
    • Estadísticos de localización y dispersión.
    • Medidas de profundidad.
    • Detección de outliers.
  4. Reducción de la dimensionalidad.
    • Componentes Principales Funcionales.
    • Multimensional Scaling.
  5. Regresión con datos funcionales.
    • Respuesta escalar.
    • Respuesta funcional.
    • Estimación mediana condicional, estimación cuantil condicional.
    • ANOVA.
    • Tratamiento de las covariables.
  6. Técnicas de clasificación.
    • Clasificación supervisada.
    • Clasificación no supervisada.
  7. Contraste de hipótesis.

Seminario:

Identificación de patrones atípicos de respuesta al ítem mediante análisis de datos funcionales
13 de abril de 2018
En este seminario se realizó una introducción al Análisis de Datos Funcionales
Presentación: enlace

Idioma:

Castellano.

Profesorado:

Pedro F. Delicado Useros. Departamento de Estadística e Investigación Operativa, Universidad Politécnica de Catalunya (http://www-eio.upc.es/~delicado/index.html).

Manuel Febrero Bande. Dpto. de Estadística, Análisis Matemático y Optimización, Universidad de Santiago de Compostela (http://eio.usc.es/pub/febrero/).

 

Destinatarios:

El curso está dirigido a profesionales, investigadores y estudiantes de Máster y doctorado con interés en el tema.

Requisitos:

Conocimientos básicos de estadística en general (regresión lineal, glm) y de análisis multivariante en particular (componentes principales, multidimensional scaling).
Conocimientos de R a nivel de usuario.

Para la realización de este curso es imprescindible que el alumno traiga su ordenador personal.

Detalles de organización:

El curso Introducción al Análisis de Datos Funcionales con R se impartirá los días 11, 12, 13, 14 y 15 de junio de 2018 en el aula A1 del Centre de Recerca Matemàtica (Campus de la UAB), con el siguiente horario:

Lunes 11 de junio: de 15h a 18h
Martes 12 de junio, miércoles 13 de junio y jueves 14 de junio: de 10h a 13h y de 15h a 18h
Viernes 15 de junio: de 10h a 13h

La duración total del curso es de 24 horas.

El número mínimo de participantes para la realización del curso es 10 i el máximo e de 20.

Para formalizar la pre-inscripción:  enlace

Una vez recibido vuestro formulario, os confirmaremos mediante un correo electrónico si tenéis plaza asignada o bien que estáis en lista de espera.

logo-maria-de-maeztu-v1-300x123.png

Con el apoyo de la BGSMath, vía el programa ”María de Maeztu” por Unidades de Excelencia en R&D” (MDM‐2014‐0445).

 

Cuotas de inscripción (2018):

Concepto Cantidad Importe
    Externo Esfera UAB
Inscripción
(antes del 1 de junio)
1 asist 450,00 € 325,00 € 270,00 €
Inscripción
(después del 1 de junio)
1 asist 750,00 € 545,00 € 450,00 €

Tarifa UAB: miembros de la UAB, miembros de la BGSMath y estudiantes de cualquier universidad.
Tarifa Esfera: organismos, instituciones y empresas vinculadas a la esfera de la UAB o al sector público.
Tarifa Externa: organismos, instituciones y empresas vinculadas al sector privado.

 

La tarifa se establece en base persona/institución/empresa que realiza el pago.

 

POLÍTICA DE DESCOMPTES

- Descuentos especiales para personas en situación de paro. Presentando copia del documento de alta o de renovación de la solicitud de ocupación emitido por la Oficina de trabajo de la Generalitat de Catalunya.

- Descuentos especiales para grupos de personas procedentes de la misma empresa/institución.

- Becas para estudiantes de estadística, consultad condiciones en el formulario de preinscripción.

Descuentos no acumulables.

Detalles de pago:

Una vez recibida la solicitud de la preinscripción, recibiréis un correo electrónico informando de los detalles para realizar el pago de la inscripción.

Antes de efectuar el pago, esperad a recibir nuestra confirmación de la reserva de la plaza para el curso.

Una vez se haya efectuado el pago del curso, y si no hay ningún motivo de fuerza mayor, no se devolverá el dinero de la inscripción.

Referencias:

  • Febrero-Bande, M. and M. Oviedo de la Fuente (2012). Statistical computing in functional data analysis: the R package fda.usc. Journal of Statistical Software 51(4), 1-28.
  • Ferraty, F. and P. Vieu (2006). Non parametric functional data analysis. Theory and practice. Springer.
  • Horvath, L. and P. Kokoszka (2012). Inference for functional data with applications. Springer.
  • Kokoszka, P. and M. Reimherr (2017). Introduction to Functional Data Analysis. CRC Press.
  • Ramsay, J. and Silverman, B. (2005). Functional Data Analysis (Second ed.). Springer.
  • Ramsay, J., Wickham, H., Graves, S., and Hooker, G. (2011). fda: Functional data analysis. R package version. https://cran.r-project.org/web/packages/fda/
Campus d'excel·lència internacional U A B