Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

MTM2015-73670-JIN

Financiado

DESARROLLO DE ALGORITMOS RAPIDOS Y EFICIENTES PARA MODELOS DE REGRESION FLEXIBLE...

DESARROLLO DE ALGORITMOS RAPIDOS Y EFICIENTES PARA MODELOS DE REGRESION FLEXIBLES CON APLICACION A RETOS EN BIOMEDICINA Y AGRICULTURA. EL ANALISIS DE REGRESION JUEGA UN PAPEL FUNDAMENTAL EN ESTADISTICA, EL OBJETIVO DE ESTA METODOLOGIA ES EVALUAR LA INFLUENCIA QUE UNA SERIE DE VARIABLES EXPLICATIVAS (O COVARIABLES) TIENEN SOBRE EL VALOR MEDIO DE UNA VARIABLE RESPU... ver más

01/01/2015

UVIGO

206K€

Presupuesto del proyecto: 206K€

Líder del proyecto

UNIVERSIDADE DE VIGO No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 410

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2015-01-01 No tenemos la información de la convocatoria

0% 100%

Participantes

UVIGO

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

RYC2019-027534-I Semiparametric and nonparametric regression methods and thei... 309K€ Cerrado

MTM2008-03129 INFERENCIA ESTADISTICA FLEXIBLE: AVANCES METODOLOGICOS Y NUE... 62K€ Cerrado

MTM2008-01603 MODELOS ADITIVOS GENERALIZADOS EN ESTUDIOS DE ASOCIACION, PR... 107K€ Cerrado

MTM2013-41383-P INFERENCIA NO PARAMETRICA: MODELIZACION, ESTIMACION, CONTRAS... 120K€ Cerrado

MTM2011-28285-C02-01 INFERENCIA EN MODELOS ADITIVOS GENERALIZADOS: EXTENSIONES AL... 97K€ Cerrado

MTM2011-28657-C02-02 TECNICAS DE REMUESTREO, DE RECORTE Y METRICAS PROBABILISTICA... 27K€ Cerrado

Líder del proyecto

UNIVERSIDADE DE VIGO No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 410

Presupuesto del proyecto 206K€

Descripción del proyecto EL ANALISIS DE REGRESION JUEGA UN PAPEL FUNDAMENTAL EN ESTADISTICA, EL OBJETIVO DE ESTA METODOLOGIA ES EVALUAR LA INFLUENCIA QUE UNA SERIE DE VARIABLES EXPLICATIVAS (O COVARIABLES) TIENEN SOBRE EL VALOR MEDIO DE UNA VARIABLE RESPUESTA DE INTERES, LA FORMA MAS HABITUAL DE REPRESENTAR LA DEPENDENCIA ENTRE UNA VARIABLE RESPUESTA Y LAS COVARIABLES ES A TRAVES DEL MODELO DE REGRESION LINEAL MULTIPLE (MRL), SIN EMBARGO, EN ALGUNAS CIRCUNSTANCIAS, LA SUPOSICION DE LINEALIDAD EN LA QUE SE BASA EL MRL PUEDE SER MUY RESTRICTIVA Y NO VERSE RESPALDADA POR LOS DATOS DISPONIBLES, PARA VENCER TAL LIMITACION, SE HAN PROPUESTO METODOS COMPLETAMENTE NO PARAMETRICOS, PERO SU APLICACION NO ES FACTIBLE CUANDO EL NUMERO DE COVARIABLES ES GRANDE O INCLUSO MODERADO, LOS MODELOS ADITIVOS GENERALIZADOS (GAM) REPRESENTAN UNA ALTERNATIVA A LA REGRESION NO PARAMETRICA MULTIVARIANTE SIN RESTRICCIONES, LOS GAM ASUMEN UN EFECTO ADITIVO DE LAS COVARIABLES PERO NO IMPONEN UNA FORMA PARAMETRICA FIJA PARA DICHOS EFECTOS, EN LOS ULTIMOS AÑOS, LOS GAM HAN ALCANZADO UNA GRAN POPULARIDAD EN LA INVESTIGACION TANTO ESTADISTICA COMO APLICADA, DESDE UN PUNTO DE VISTA ESTADISTICO, LA RAZON DE SU POPULARIDAD SE DEBE A SU APLICABILIDAD A DIVERSOS CAMPOS, DESDE EL ANALISIS DE SUPERVIVENCIA Y EL ANALISIS ESPACIAL Y ESPACIO-TEMPORAL A LA EVALUACION DE PRUEBAS DIAGNOSTICAS, DESDE EL PUNTO DE VISTA APLICADO, LOS AVANCES METODOLOGICOS ES ESTE AREA HAN PERMITIDO ANALIZAR Y COMPRENDER FENOMENOS BIOLOGICOS Y DE SALUD COMPLEJOS, LA CRECIENTE DISPONIBILIDAD DE BASES DE DATOS DE GRAN TAMAÑO, CON LA LLEGADA DE LOS LLAMADOS "BIG DATA", HA REPRESENTADO UN RETO EN LA INVESTIGACION ESTADISTICA, MAS AUN, LA POSIBILIDAD DE RECOGER UN GRAN NUMERO VARIABLES Y LA CRECIENTE COMPLEJIDAD DE LOS PROCESOS QUE SE ESTUDIAN REQUIERE DE ENFOQUES METODOLOGICOS NUEVOS Y GRUPOS DE INVESTIGACION MULTIDISCIPLINARES QUE PERMITAN COMPRENDER Y ABORDAR LA PREGUNTA DE INVESTIGACION DESDE DIFERENTES ANGULOS, ADEMAS, HOY EN DIA HAY UNA INNEGABLE NECESIDAD DE IMPLEMENTAR LAS NUEVAS PROPUESTAS EN SOFTWARE DE FACIL USO, EL PRESENTE PROYECTO TIENE COMO OBJETIVO CUBRIR ESTOS TRES ASPECTOS: DESDE (A) EL COMPONENTE COMPUTACIONAL, Y (B) EL DESARROLLO DE METODOS ESTADISTICOS INNOVADORES Y SU APLICACION A PROBLEMAS REALES, A (C) LA IMPLEMENTACION DE SOFTWARE LIBRE QUE SE PONDRA A DISPOSICION DE TODA LA COMUNIDAD CIENTIFICA, EN CONCRETO, EL OBJETIVO PRINCIPAL ES EL DESARROLLO DE ALGORITMOS EFICIENTES Y ESTABLES EN EL MARCO DE LOS MODELOS DE REGRESION GAM, ESTOS NUEVOS ALGORITMOS SERAN EMPLEADOS EN LA EVALUACION DEL VALOR DIAGNOSTICO Y/O PRONOSTICO DE BIOMARCADORES CLINICOS Y EN LA SELECCION DE PUNTOS DE CORTE OPTIMOS PARA LA CATEGORIZACION DE COVARIABLES CONTINUAS, EN EL CAMPO DE LA AGRICULTURA Y DE LA BIOLOGIA, LOS NUEVOS AVANCES BUSCAN PERMITIR EL MODELADO DE PROCESOS ESPACIALES Y ESPACIO-TEMPORALES, TANTO EN EL ANALISIS DE EXPERIMENTOS DE CAMPO AGRICOLAS COMO EN EL ESTUDIO DE LA DINAMICA DE ENFERMEDADES, EL FIN ULTIMO DEL PROYECTO ES PERMITIR EL USO DE LOS MODELOS ADITIVOS EN SITUACIONES EN LAS CUALES, DEBIDO A LA DIMENSION DEL PROBLEMA, A DIA DE HOY NO ES FACTIBLE, EL USO DE LOS NUEVOS AVANCES NO SE LIMITARA A LOS CAMPOS DE LA AGRICULTURA Y LA MEDICINA (EN LOS QUE CENTRAMOS EL PROYECTO), SINO QUE SERAN APLICABLES EN AREAS MUY DIVERSAS, LA IMPLEMENTACION DE LOS NUEVOS AVANCES EN PAQUETES DE R AYUDARA AL DESARROLLO DE ESTOS CAMPOS DE INVESTIGACION, MODELOS ADITIVOS GENERALIZADOS\BIOMARCADORES PROGNÓSTICOS\ENSAYOS DE CAMPO AGRÍCOLA\MODELOS PREDICTIVOS\SOFTWARE DE CÓDIGO ABIERTO.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores