Análisis de Supervivencia y Modelado de Tiempo de Eventos con R

Comprender cuánto tiempo tarda en ocurrir un evento es una habilidad crítica en campos que van desde la medicina y la ingeniería hasta las finanzas y las ciencias sociales. Ya sea que lo llames análisis de duración, análisis de confiabilidad o modelado de tiempo de eventos, la capacidad de predecir resultados a lo largo del tiempo es esencial para los profesionales de datos modernos. Este curso proporciona un camino estructurado para analizar información con marca de tiempo utilizando R, convirtiendo datos brutos en conocimientos estadísticos procesables. Pasarás de aprender la terminología básica a aplicar modelos sofisticados que manejan los desafíos únicos de los datos de supervivencia, como la censura y los intervalos de tiempo variables. Lo que aprenderás: - Comprender conceptos clave, incluida la censura, las tasas de peligro y las funciones de supervivencia - Aplicar el estimador de Kaplan-Meier para estimar y comparar probabilidades de supervivencia - Realizar pruebas logrank para identificar diferencias significativas entre grupos - Construir e interpretar modelos de riesgos proporcionales de Cox con covariables múltiples - Implementar árboles de supervivencia como un enfoque moderno de aprendizaje automático para datos de duración - Limpiar y preparar información compleja de fecha y hora utilizando el paquete lubridate - Identificar y gestionar valores faltantes y valores atípicos para garantizar la confiabilidad del modelo El curso comienza con definiciones fundamentales y las estructuras de datos específicas requeridas para el análisis de supervivencia. Luego progresarás a través del modelado no paramétrico y semiparamétrico antes de explorar flujos de trabajo avanzados de preprocesamiento de datos y aplicaciones modernas de aprendizaje automático para datos de tiempo hasta el evento. Este curso está diseñado para principiantes en estadística o ciencia de datos que tengan una familiaridad básica con la sintaxis de R pero sean nuevos en el análisis de duración y confiabilidad. No se requiere experiencia previa en modelado de supervivencia. Comienza a construir modelos de supervivencia robustos para resolver problemas del mundo real relacionados con la duración hoy mismo.