El analisis multivariante durante la investigación en ciencias de la salud

Convocatorias disponibles:

El analisis multivariante durante la investigación en ciencias de la salud

Para enfermero


Universidad de Nebrija

Conocer los fundamentos y técnicas más usuales del Análisis Estadístico Multivariante (AEM), con el fin de conocer las estructuras de datos y las técnicas de análisis multivariante de datos de clasificación y representación para la resolución de problemas estadísticos.

BLOQUE I: I. El análisis multivariante

 

  • Comprender en qué consiste el análisis multivariante y qué tipo de análisis de datos permite realizar

  • Saber definir la distribución normal multivariante.

  • Saber que son las distribuciones marginales y condicionadas

  • Conocer las distribuciones de formas cuadráticas y las distribuciones aleatorias normales.

  • Saber interpretar la función de verosimilitud.

  • Comprender en qué consiste la estimación máximo verosímil.

  • Saber desarrollar e interpretar los contrastes de la razón de verosimilitudes, contrastes de unión-intersección, contrastes de hipótesis acerca del valor de medias y acerca de la matriz de varianzas-covarianzas y los contrastes de hipótesis múltiples MANOVA.

  • Saber qué son los intervalos de confianza múltiples y su interpretación.

 

BLOQUE II: Técnicas de Dependencia

 

  • Comprender y desarrollar la ecuación de regresión múltiple, así como el error estándar múltiple de estimación.

  • Saber medir la fuerza de la relación entre las variables independientes, utilizando los coeficientes múltiples de determinación

  • Comprender como se realiza un análisis de discriminación entre dos grupos con distribuciones conocidas y entre dos grupos con distribuciones conocidas y parámetros desconocidos.

  • Comprender cómo se realiza un análisis discriminante entre más de dos grupos.

  • Comprender el fundamento del modelo de Regresión Logística.

  • Comprender el concepto de “odd” (o “riesgo”).

  • Saber interpretación los parámetros del modelo de Regresión Logística.

  • Saber realizar una estimación del Modelo de Regresión Logística.

  • Comprender el Modelo de Regresión Multinomial

  • Comprender que nos permite obtener un análisis conjunto: explicar de forma cuantitativa las preferencias del consumidor “Partiendo de información no métrica (preferencias) nos proporciona información métrica (utilidades)”

  • Aplicar la estimación por mínimos cuadrados para ser capaz de estimar la importancia relativa de cada atributo, así como del Valor o Utilidad Parcial de las distintas opciones o niveles dentro de cada uno de ellos.

  • Interpretar los resultados, de este modo, comprenderá cómo se configura la estructura de preferencias de cada sujeto o grupo de sujeto.

 

BLOQUE III: Técnicas de Interdependencia

 

  • Comprender la estructura del modelo factorial: qué son los factores comunes y los factores específicos.

  • Indeterminación de las soluciones factoriales.

  • Obtención de soluciones: el método del factor principal y el método de máxima verosimilitud.

  • Rotación de las soluciones.

  • Puntuaciones factoriales

  • Conocer qué es el ACP y cuáles son las propiedades de las componentes principales.

  • Aprender a obtener las componentes principales a partir de una muestra

  • Conocer sus posibles aplicaciones.

  • Aprender a construir nubes de puntos y el significado de las distancias.

  • Comprender como se realiza un análisis de las nubes de puntos en  Rp (la nube de los n puntos–fila, en un subespacio p–dimensional) y Rn (nube de p puntos–columna en un espacio n–dimensional) y las relaciones entre ellas.

  • Aprender a reconstruir la tabla de frecuencias original.

  • Interpretación: las relaciones de dependencia e independencia de un conjunto de variables categóricas a partir de los datos de una tabla de contingencia.

  • Comprender los conceptos de  Distancias y similaridades.

  • Aprender los métodos de clasificación que ofrece el análisis de conglomerados: Clasificación jerárquica ascendente y descendente y Clasificación no jerárquica.

  • Entender que los encuestados utilizan dimensiones a la hora de evaluar a los objetos. 

  • Saber cuántas dimensiones utilizan.

  • Qué importancia relativa tiene cada dimensión y cómo se relacionan perceptualmente los objetos do es más adecuada la aplicación de cada uno de ellos.

UNIDAD  I - EL ANÁLISIS MULTIVARIANTE

1 - INTRODUCCIÓN AL ANÁLISIS MULTIVARIANTE

2 - DISTRIBUCIÓN NORMAL MULTIVARIANTE

3 – ESTIMACIÓN

4 - CONTRASTE DE HIPÓTESIS

 

UNIDAD  II - TÉCNICAS DE DEPENDENCIA

5 - REGRESIÓN LINEAL MÚLTIPLE

6 - ANÁLISIS DISCRIMINANTE

7 - ANÁLISIS DE REGRESIÓN LOGÍSTICA

8 - ANÁLISIS CONJUNTO

 

UNIDAD  III - TÉCNICAS DE INTERDEPENDENCIA

9. “ANÁLISIS FACTORIAL”

10 - ANÁLISIS DE COMPONENTES PRINCIPALES

11 - ANÁLISIS DE CORRESPONDENCIAS

12 - ANÁLISIS DE CONGLOMERADOS

 

13 – ESCALONAMIENTO

 

Precio: 50 ¡€! 50

Categoría: Enfermero [cambiar]

Modalidad: Online

Si usted posee la afiliación o acude a través de un sindicato con el que actualmente tiene Orion suscrito acuerdo de colaboración, le aconsejamos que acuda a través de la pestaña 'sindicatos y asociaciones' del menú y seleccione su sindicato de la lista disponible para poder adquirir este curso con las ventajas correspondientes. En caso contrario, una vez abonado el importe, no se podrá modificar la promoción escogida.

La certificación de este curso se habilitará en la plataforma para su descarga en un documento con firma digital una vez sea recibida y tramitada.

En cursos acreditados por la Universidad como máximo puede realizar 400 horas de formación en la misma convocatoria según establece el Sistema europeo de transferencia y acumulación de créditos (ECTS). En caso de que se supere esta limitación no se expedirá la certificación de la formación.

Otros cursos de la categoría Enfermero

Ver categoría


Cesta de compra

[ocultar]
Se recomienda escoger convocatorias en meses distintos
Total:
0
Realizar pedido
0
Para mejorar su experiencia en la web y ofrecer un mejor servicio usamos cookies. Puede obtener más información pulsando en el siguiente enlace: Política de cookies.