Descripción del proyecto
EL PROYECTO S3M1P4R SE CENTRA EN EL DESARROLLO DE NUEVOS METODOS ESTADISTICOS EN EL MARCO DE LA REGRESION SEMIPARAMETRICA CON EL FIN DE ABORDAR VARIOS PROBLEMAS ESTADISTICOS DESAFIANTES, CON UN INTERES PARTICULAR EN APLICACIONES EN DIFERENTES CAMPOS COMO LA SALUD Y LA MEDICINA, LAS CIENCIAS DEL DEPORTE Y EL IMPACTO DEL CAMBIO CLIMATICO, ASI COMO EL DESARROLLO DE PROGRAMAS INFORMATICOS DE CODIGO ABIERTO PARA LA COMUNIDAD CIENTIFICA.EL EQUIPO DE INVESTIGACION ESTA FORMADO POR MATEMATICOS Y ESTADISTICOS CON UNA SOLIDA FORMACION TEORICA, COMPUTACION E INVESTIGACION APLICADA EN EL DESARROLLO DE METODOS ESTADISTICOS QUE SE EMPLEARAN PARA DAR SOLUCIONES AVANZADAS EN OTROS CAMPOS CIENTIFICOS. EL EQUIPO DE TRABAJO ESTA COMPUESTO POR EXPERTOS EXTRANJEROS EN EL DESARROLLO DE METODOS PARA MODELOS NO-LINEALES MIXTOS E INVESTIGADORES EN EL AMBITO DE LA INGENIERIA BIOMEDICA CON EXPERIENCIA EN EL USO DE TECNICAS DE APRENDIZAJE AUTOMATICO. LA FORMACION PREDOCTORAL DE JOVENES INVESTIGADORES ES UN VALOR MUY IMPORTANTE EN EL PROYECTO, YA QUE CONTAMOS CON ESTUDIANTES DE DOCTORADO QUE DESARROLLARAN SUS INVESTIGACIONES BAJO LA SUPERVISION DE LOS INVESTIGADORES MAS EXPERIMENTADOS CONTRIBUYENDO ASI A LOS OBJETIVOS DE S3M1P4R.LOS METODOS DE REGRESION SEMIPARAMETRICA SON UNA AMPLIA GAMA DE TECNICAS ESTADISTICAS QUE PERMITEN INCORPORAR EN LA MODELIZACION DE DATOS DIFERENTES TIPOS DE ESTRUCTURAS, COMO CORRELACIONES, MEDIDAS REPETIDAS O ESTRUCTURAS MAS COMPLEJAS. LA RECIENTE POPULARIDAD DE ESTOS METODOS SE DEBE A QUE AMPLIAN LA REGRESION PARAMETRICA (LOS MODELOS LINEALES GENERALIZADOS) AL PERMITIR INCLUIR EFECTOS NO LINEALES SUAVES DE MANERA MUY FLEXIBLE MEDIANTE LA INCLUSION DE EFECTOS ALEATORIOS Y GRACIAS TAMBIEN AL SOFTWARE LIBRE EXISTENTE. SIN EMBARGO, TODAVIA HAY UN AMPLIO MARGEN PARA ABORDAR CUESTIONES DE INVESTIGACION INTERESANTES Y DESARROLLAR NUEVAS METODOLOGIAS ESTADISTICAS.EL PROYECTO S3M1P4R CUBRIRA VARIAS TEMATICAS. DESDE EL ANALISIS DE DATOS TIEMPO-HASTA-EVENTO (O ANALISIS DE SUPERVIVENCIA) CON EVENTOS RECURRENTES APLICADO A LA MEDICINA DEPORTIVA Y LA PREVENCION DE LESIONES, LA MODELIZACION ESTADISTICA DE LAS CURVAS DE CRECIMIENTO, LAS MEDICIONES DE LOS RESULTADOS COMUNICADOS POR LOS PACIENTES QUE SE UTILIZAN PARA EVALUAR LA CALIDAD DE VIDA RELACIONADA CON LA SALUD DE LOS PACIENTES CON ENFERMEDADES CRONICAS, HASTA LA MODELIZACION DE DATOS DE ENCUESTAS BAJO DISEÑOS DE MUESTREO COMPLEJOS, MODELOS DE PREDICCION PARA LA PRACTICA CLINICA Y EL DESARROLLO DE UNA METODOLOGIA ESTADISTICA PARA LA CONSTRUCCION DE META-MODELOS QUE COMBINEN PREDICCIONES DE DIFERENTES MODELOS QUE SE UTILIZARAN EN APLICACIONES RELACIONADAS CON EL IMPACTO DEL CAMBIO CLIMATICO EN LA AGRICULTURA Y LAS CIENCIAS DE LA TIERRA. EN LA PARTE METODOLOGICA, SE DESARROLLARAN NUEVAS TECNICAS DE SELECCION DE VARIABLES EN PROBLEMAS DE ALTA DIMENSION, NUEVOS METODOS DE ESTIMACION EFICIENTES EN MODELOS DE EFECTOS MIXTOS NO-LINEALES, METODOS DE INFERENCIA BAYESIANA PARA DATOS COMPOSICIONAL ESPACIALES Y LA CONEXION ENTRE LOS METODOS SEMIPARAMETRICOS Y LAS TECNICAS DE APRENDIZAJE AUTOMATICO EN APLICACIONES BIOMEDICAS. LA COLABORACION MULTIDISCIPLINAR ES UNO DE LOS PUNTOS FUERTES DE S3M1P4R, CONTAMOS CON COLABORADORES DEL AMBITO CLINICO, MEDIOAMBIENTAL, CIENCIAS DEL DEPORTE Y MEDICOS DE DIFERENTES ESPECIALIDADES PARA ABORDAR AQUELLOS RETOS EN SUS CAMPOS QUE LOS METODOS ESTADISTICOS AVANZADOS CONTRIBUIRAN A LA EXCELENCIA CIENTIFICA Y A LA TRANSFERENCIA DE CONOCIMIENTOS EN SUS DISCIPLINAS. EGRESION SEMI-PARAMETRICAS\SOFTWARE LIBRE.\CAMBIO CLIMATICO\MEDICINA DEPORTIVA\INFERENCIA BAYESIANA\ANALISIS DE ENCUESTAS BAJO DISEÑOS COMPL\MODELOS PREDICTIVOS\RESULTADOS REPORTADOS POR EL PACIENTE\SUAVIZADO\MODELOS MIXTOS