TÉCNICAS AVANZADAS DE REGRESIÓN EN CIENCIAS NATURALES
1) Regresión múltiple trabajando con variables respuesta normales y asociaciones lineales. Revisando la robustez de los resultados mediante el análisis de los supuestos.
2) Regresión múltiple trabajando con otros tipos de distribuciones de la variable respuesta y con asociaciones lineales (generalized linear models trabajando con distribuciones Poisson binomiales y multinomiales ordinales).
3) Regresión múltiple trabajando con asociaciones no lineales; aproximación polinomial; aproximación generalizada aditiva (generalized additive models). procedimientos de simplificación de modelos
4) Procedimientos de simplificación de modelos.
5) Cuando las variables predictoras están fuertemente asociadas entre si: partial least regression analysis.
6) Abordando sencilla y elegantemente las asociaciones no lineales cuando además existen interacciones entre las variables predictoras: árboles de regresión y de clasificación.
7) Prediciendo situaciones complicadas mediante procesos secuenciales de aprendizaje: boosted trees.
En cada una de las herramientas analíticas presentadas se incidirá en los siguientes aspectos:
1) objetivos perseguidos por la técnica y resultados proporcionados
2) tipo de datos requeridos
3) presupuestos estadísticos y consecuencias de su violación
4) empleo de la técnica (con STATISTICA 6.0 o Microsoft Excel)
5) interpretación de los resultados
6) comprobación de presupuestos
Para un mejor aprovechamiento de este curso se requiere un mínimo de conocimientos básicos sobre técnicas de regresión y análisis multivariantes ya que el programa docente no contempla proporcionar información teórica de modo generalizado.
91 411 13 28 ext 1117
91 564 5078
2) Regresión múltiple trabajando con otros tipos de distribuciones de la variable respuesta y con asociaciones lineales (generalized linear models trabajando con distribuciones Poisson binomiales y multinomiales ordinales).
3) Regresión múltiple trabajando con asociaciones no lineales; aproximación polinomial; aproximación generalizada aditiva (generalized additive models). procedimientos de simplificación de modelos
4) Procedimientos de simplificación de modelos.
5) Cuando las variables predictoras están fuertemente asociadas entre si: partial least regression analysis.
6) Abordando sencilla y elegantemente las asociaciones no lineales cuando además existen interacciones entre las variables predictoras: árboles de regresión y de clasificación.
7) Prediciendo situaciones complicadas mediante procesos secuenciales de aprendizaje: boosted trees.
En cada una de las herramientas analíticas presentadas se incidirá en los siguientes aspectos:
1) objetivos perseguidos por la técnica y resultados proporcionados
2) tipo de datos requeridos
3) presupuestos estadísticos y consecuencias de su violación
4) empleo de la técnica (con STATISTICA 6.0 o Microsoft Excel)
5) interpretación de los resultados
6) comprobación de presupuestos
Para un mejor aprovechamiento de este curso se requiere un mínimo de conocimientos básicos sobre técnicas de regresión y análisis multivariantes ya que el programa docente no contempla proporcionar información teórica de modo generalizado.
Los candidatos deberán enviar a la Secretaría de la Sociedad de amigos del Museo con el objeto de hacer una selección previa de los participantes una página donde expongan los motivos por los que se desea realizar este seminario así como una síntesis del trabajo de investigación o técnico que se está desarrollando junto a su correo electrónico.
* se tendrá en cuenta el orden de llegada de las candidaturas
91 411 13 28 ext 1117
91 564 5078
Museo Nacional de Ciencias Naturales - Madrid- Consejo Superior de Investigaciones Científicas
Fecha
- Jueves, 30 Junio 2011
Ubicación
Secretaría General Adjunta de Informática del CSIC C/ del Pinar 19 - 28006 Madrid -
Plazas
20
Tarifas
190 (Amigos del Museo 170)