Exploración de Patrones en Ciencias Naturales: una aproximación analítica utilizando regresión y técnicas multivariantes
INTRODUCCIÓN
1) Diseños experimentales y observacionales. Método inductivo vs. hipotético-deductivo. Validez interna y externa.
2) Conceptos fundamentales en Estadística: supuestos paramétricos implicaciones de su violación.
3) Replicación vs pseudorreplicación.
4) Errores estadísticos tipo I y II. Potencia de los tests.
DEFINICIÓN DE PATRONES CON VARIABLES DEPENDIENTES
5) Modelos Generales Lineales (GLM) Generalizados Lineales (GLiM) y Generalizados Aditivos (GAM).
6) Sumas de Cuadrados y varianza explicada. Devianza. Máxima Verosimilitud (maximum likelihood).
7) Tipos de distribución para las variables dependientes (binomial multinomial multinomial ordenada normal poisson gamma etc). Funciones canónicas de relación de los predictores con la variable dependiente.
8) Relaciones lineales vs. relaciones no lineales (polinomiales spline etc)
9) Regresión Múltiple. Conceptos generales. Supuestos estadísticos y consecuencias de su violación. Independencia entre variables y redundancia.
10) Procedimientos por pasos para obtener modelos de regresión múltiple sencillos.
11) Partición de la variabilidad en distintas componentes. Estima de magnitud de efectos.
12) Modelización y corroboración de modelos estadísticos. Jackniffing y simulaciones de Monte Carlo.
13) Regresión logística como caso particular cuando la variable dependiente es binomial o multinomial.
14) Arboles de regresión y clasificación. Caso particular de modelos no lineales cuando hay ausencia de efectos homogéneos en la determinación de la variable dependiente.
DEFINICIÓN DE PATRONES MULTIVARIANTES
15) Análisis multivariante de las escalas multidimensionales (Multidimensional Scaling)
16) Análisis de las Componentes Principales.
17) Análisis de Correlaciones Canónicas.
18) Análisis de las Funciones Discriminantes. Convergencia con modelos MANOVA.
19) Estimación y control de efectos de contagio espacial (autorregresión espacial regresión polinomial).
Licenciados y estudiantes de programas de doctorado en el campo de las ciencias naturales y todos aquellos interesados en el análisis de datos en general. Es necesario un nivel básico de conocimientos estadísticos.
91 411 13 28 Ext. 1117
91 564 5078
Investigador Científico
Museo Nacional de Ciencias Naturales (CSIC)
1) Diseños experimentales y observacionales. Método inductivo vs. hipotético-deductivo. Validez interna y externa.
2) Conceptos fundamentales en Estadística: supuestos paramétricos implicaciones de su violación.
3) Replicación vs pseudorreplicación.
4) Errores estadísticos tipo I y II. Potencia de los tests.
DEFINICIÓN DE PATRONES CON VARIABLES DEPENDIENTES
5) Modelos Generales Lineales (GLM) Generalizados Lineales (GLiM) y Generalizados Aditivos (GAM).
6) Sumas de Cuadrados y varianza explicada. Devianza. Máxima Verosimilitud (maximum likelihood).
7) Tipos de distribución para las variables dependientes (binomial multinomial multinomial ordenada normal poisson gamma etc). Funciones canónicas de relación de los predictores con la variable dependiente.
8) Relaciones lineales vs. relaciones no lineales (polinomiales spline etc)
9) Regresión Múltiple. Conceptos generales. Supuestos estadísticos y consecuencias de su violación. Independencia entre variables y redundancia.
10) Procedimientos por pasos para obtener modelos de regresión múltiple sencillos.
11) Partición de la variabilidad en distintas componentes. Estima de magnitud de efectos.
12) Modelización y corroboración de modelos estadísticos. Jackniffing y simulaciones de Monte Carlo.
13) Regresión logística como caso particular cuando la variable dependiente es binomial o multinomial.
14) Arboles de regresión y clasificación. Caso particular de modelos no lineales cuando hay ausencia de efectos homogéneos en la determinación de la variable dependiente.
DEFINICIÓN DE PATRONES MULTIVARIANTES
15) Análisis multivariante de las escalas multidimensionales (Multidimensional Scaling)
16) Análisis de las Componentes Principales.
17) Análisis de Correlaciones Canónicas.
18) Análisis de las Funciones Discriminantes. Convergencia con modelos MANOVA.
19) Estimación y control de efectos de contagio espacial (autorregresión espacial regresión polinomial).
Licenciados y estudiantes de programas de doctorado en el campo de las ciencias naturales y todos aquellos interesados en el análisis de datos en general. Es necesario un nivel básico de conocimientos estadísticos.
91 411 13 28 Ext. 1117
91 564 5078
Investigador Científico
Museo Nacional de Ciencias Naturales (CSIC)
Fecha
- Lunes, 24 Marzo 2003
Ubicación
Sala de Juntas del M.N.C.N. José Gutiérrez Abascal 2
Plazas
30
Tarifas
169 (Amigos del Museo 150)