Propuesta de formación en métodos multivariados aplicados a datos biológicos con R: modelos multivariantes, diseños longitudinales, estadística espacial, clústeres, componentes principales, correspondencias y mínimos cuadrados parciales.

1. Introducción al álgebra lineal con R: vectores, matrices, listas y arreglos de datos.
2. Programación de funciones en R.
3. Matrices de varianzas y covarianzas, correlaciones, matriz coseno y distribución normal multivariante.
4. Modelos lineales para análisis multivariante: T² de Hotelling, pruebas t-Student y revisión de supuestos.
5. Diseño de experimentos multivariantes: MANOVA, MANCOVA y revisión de supuestos.
6. Modelos longitudinales: análisis de perfiles y medidas repetidas multivariantes.
7. Diseños longitudinales no paramétricos y muestreo espacial: diseños FxLDxFy, transectos e hipercubos.
8. Introducción a modelos lineales generalizados.
9. Regresión espacial: modelos autorregresivos, modelos de error espacial, Durbin y SARAR.
10. Análisis de clústeres: métodos jerárquicos, no jerárquicos y agrupación espacial.
11. Análisis de componentes principales: modalidades espacial y no espacial.
12. Análisis de correspondencias simple y múltiple: enfoque clásico y espacial.
13. Mínimos cuadrados parciales y modelos de regresión para conteos; aplicaciones en espectroscopia e imágenes satelitales.
14. Introducción a la estadística bayesiana y análisis de varianza bayesiano.