Instituto de Investigación e Ingeniería Ambiental

Curso de posgrado: Modelos Lineales Generalizables

El curso Modelos Lineales Generalizables. Aplicación en Estudios Ambientales abordará el uso práctico de modelos lineales (regresión, ANOVA, ANCOVA) con distribuciones de errores varios (normal, poisson, binomial). Se realizará del 3 al 7 de septiembre en el Campus Miguelete. Actividad arancelada.

Dirigido a estudiantes de posgrado y profesionales de carreras relacionadas con el medio ambiente o la ecología, con otras disciplinas que estudien la asociación de variables-respuesta con el medioambiente (indicadores, ensayos distribución de especies, etc.) o con estudios experimentales con muchos factores o distribuciones de error no normales.

Los ejercicios se realizarán con el software R. Se puede traer PC portátil propia.

Docentes: Aníbal E. Carbajo (3iA/CONICET) y María Victoria Cardo (3iA/CONICET)

Fechas: Del 3 al 7 de septiembre de 2018

Cierre de inscripción: 15 de agosto de 2018

Modalidad: Presencial. Clases teórico-prácticas (lunes y miércoles de 10:30 a 18 y martes, jueves y viernes de 8:30 a 16)

Lugar: Edificio 3iA, Campus Miguelete

Aprobación del curso: Sujeta a la rendición de un examen final.

Certificado: Otorgado por el Instituto de Investigación e Ingeniería Ambiental (3iA)

Metodología para la inscripción:

  • Completar todos los datos solicitados en el Formulario de Preinscripción, el cual deberá ser enviado a [email protected] antes del 15 de agosto de 2018.
  • Dado que el número de vacantes es limitado, se realizará una evaluación de los postulantes. Los seleccionados recibirán un correo electrónico de confirmación de preinscripción junto con la información para realizar el pago.

Contenidos:

  • Modelos como representaciones sintéticas de la realidad. Muestreo aleatorio, Modelos generales vs. particulares. Modelo correcto vs. modelos satisfactorios.
  • Paramétricos vs. no paramétricos. Modelos lineales en los parámetros.
  • Distribuciones de las variables: Normal, binomial, poisson, gamma y binomial negativa.
  • Modelos clásicos de regresión, anova y ancova. Ajuste de los parámetros, origen de los supuestos para su validez y verificación de los mismos.
  • GLM componentes determinístico, aleatorio y función de nexo. Familias de error y relación de la media con la varianza. Dominio de la variable respuesta y funciones de nexo.
  • Métodos de ajuste, medidas de dispersión. Desvianza y AIC. Sobredispersión. Verificación de supuestos.
  • Modelos múltiples. Variables explicativas. Preprocesamiento. Colinealidad, correlaciones de las variables explicativas y factor de inflado de la varianza. Métodos de selección de variables automáticos y manuales, escalonados hacia arriba y hacia abajo. Ventajas y desventajas de cada uno. Desempeño y comparación de modelos. Índice de concordancia kappa y selección de puntos de corte en modelos binomiales dicotómicos.  Bootstrap de los parámetros.
  • Interpretación, interpolación, extrapolación, predicción. Rearmado manual de los modelos predictivos.

Informes e inscripción[email protected]

 

 

Nota actualizada el 3 de agosto de 2018

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *