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 (COVARIABLES) TIENEN SOBRE EL VALOR MEDIO DE UNA VARIABLE RESPUESTA DE INTERES, LA FORMA MAS HABITUAL DE REPRESENTAR DICHA RELACION 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, EN SUS SIGLAS EN INGLES) 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 AL ANALISIS ESPACIAL Y ESPACIO-TEMPORAL, DESDE EL PUNTO DE VISTA APLICADO, LOS AVANCES METODOLOGICOS EN 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 DEL DENOMINADO "BIG DATA", REPRESENTA UN RETO EN LA INVESTIGACION ESTADISTICA, 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 METODOLOGICO, Y (B) EL DESARROLLO DE METODOS ESTADISTICOS INNOVADORES Y SU APLICACION A PROBLEMAS REALES, A (C) LA IMPLEMENTACION DE SOFTWARE QUE SE PONDRA A DISPOSICION DE TODA LA COMUNIDAD CIENTIFICA, EL OBJETIVO PRINCIPAL ES EL DESARROLLO DE METODOS DE ESTIMACION EFICIENTES Y ESTABLES EN EL MARCO DE LOS MODELOS DE REGRESION GAM, EL FIN ULTIMO ES PERMITIR EL USO DE LOS GAM EN SITUACIONES EN LAS CUALES A DIA DE HOY, DEBIDO A LA DIMENSION DEL PROBLEMA, NO ES FACTIBLE, LOS NUEVOS METODOS SERAN EMPLEADOS EN LA EVALUACION DEL VALOR DIAGNOSTICO/PRONOSTICO DE BIOMARCADORES CLINICOS, EN EL CAMPO DE LA AGRICULTURA Y LA BIOLOGIA, LOS NUEVOS AVANCES BUSCAN PERMITIR EL MODELADO DE PROCESOS ESPACIALES Y ESPACIO-TEMPORALES EN EL CONTEXTO DE EXPERIMENTOS DE CAMPO AGRICOLAS, LA DINAMICA DE POBLACIONES, O LOS MODELOS DE HABITAT EN ECOLOGIA, SIN EMBARGO, EL USO DE LOS NUEVOS AVANCES NO SE LIMITARA A LOS CAMPOS DE LA AGRICULTURA, LA MEDICINA O LA BIOLOGIA, SINO QUE SERAN APLICABLES EN AREAS MUY DIVERSAS, LA IMPLEMENTACION DE LOS NUEVOS AVANCES EN PAQUETES EN R FACILITARA EL USO DE LAS NUEVAS PROPUESTAS POR INVESTIGADORES DE DIVERSAS AREAS, AYUDANDO ASI AL DESARROLLO DE ESTOS CAMPOS DE INVESTIGACION, ADEMAS, CON EL DESARROLLO DE SOFTWARE LIBRE SE CUMPLE CON EL OBJETIVO DE LA TRANSPARENCIA CIENTIFICA Y LA TRANSFERENCIA TECNOLOGICA, EN CLARO COMPROMISO CON LA INVESTIGACION REPRODUCIBLE Y REPLICABLE, BIOESTADÍSTICA\MODELOS ADITIVOS GENERALIZADOS\BIOMARCADORES PROGNÓSTICOS\MODELOS MIXTOS\OPEN SOURCE SOFTWARE