[Todos FBMC] Curso de postgrado: Modelos lineales mixtos y generalizados con R - DEGE

aaperez en ege.fcen.uba.ar aaperez en ege.fcen.uba.ar
Mie Dic 6 19:56:17 ART 2017


Dirigido a: licenciados en Ciencias Biológicas y carreras afines

Requisitos: haber aprobado Biometría II o Análisis de la varianza y 
diseño de experimentos o poseer conocimientos equivalentes. 
Conocimientos básicos de R

Profesores a cargo: Adriana Pérez, Gerardo Cueto
Colaboradores: María Soledad Fernández, Julieta Filloy, Martín Graziano, 
José Crespo, Adelia González Arzac, Nicolás Flaibani

Duración: 45 horas
Puntaje para el doctorado: 2 puntos

Fechas de dictado: jueves 1, viernes 2, martes 6, miércoles 7, viernes 9 
de marzo de 9 a 17 hs y lunes 12 de marzo de 9 a 14 hs.

Modalidad: curso a desarrollarse en laboratorio de computación mediante 
el uso del software R. Con evaluación final.

Arancel: $600. Exentos: alumnos inscriptos en doctorado de la UBA, 
docentes de la FCEyN

Cupo: 30 alumnos
Prioridades: tendrán prioridad los estudiantes de doctorado de la FCEyN 
admitidos

Pre-inscripción: los interesados deberán preinscribirse a través del 
siguiente link:
https://docs.google.com/forms/d/e/1FAIpQLSdAcnCkN5sANe1qmS8L-iqxbqpOr7vhp0xpzZlgH3hTe9WuCw/viewform#start=openform

La pre-inscripción cierra el miércoles 27 de diciembre. El viernes 29 se 
informará a cada postulante vía correo electrónico si ha sido admitido 
en el curso.

Fundamentación
Diseños desbalanceados, falta de independencia en las observaciones, 
heterogeneidad en las varianzas, conteos o proporciones como variable 
respuesta… En las investigaciones biológicas a menudo se generan datos 
que no son susceptibles de ser analizados por métodos clásicos como el 
análisis de la varianza debido al incumplimiento de los supuestos 
requeridos. Los modelos lineales mixtos, de uso cada vez más difundido, 
constituyen una generalización del modelo lineal tradicional, y permiten 
modelar estructuras de datos desbalanceados, con variabilidad 
heterogénea, con distribución no normal, correlacionados espacial o 
temporalmente y vinculados a la presencia de factores aleatorios. En 
este taller se propone el análisis de casos provenientes de la biología 
en el contexto de modelos lineales mixtos mediante el uso del programa 
R.

Programa analítico
1-	Introducción a los modelos lineales: Estimación por máxima 
verosimilitud. Selección de modelos. Criterios informativos, prueba del 
cociente de verosimilitud.
2-	Modelos lineales generales: distribución normal. Modelado de 
varianzas.
3-	Modelos con efectos aleatorios: diseños anidados y de medidas 
repetidas. Componentes de varianza. Modelos condicionales. Estructura de 
la matriz de covarianzas.
4-	Modelos lineales  generalizados: distribución de Poisson, Bernoulli y 
binomial. Sobre y subdispersión. Modelos lineales generalizados y 
mixtos.

Bibliografía
Zuur, A., Ieno, E.N., Walker, N., Saveliev, A.A., Smith, G.M. 2009. 
Mixed Effects Models and Extensions in Ecology with R. Springer, New 
York.
Zuur AF, Hilbe JM and Ieno EN. 2013. Beginner's Guide to GLM and GLMM 
with R. Highland   Statistics Ltd
Agresti, A. 2012. Categorical Data Analysis. Wiley
Pinheiro J.C., Bates D.M. 2004. Mixed-Effects Models in S and S-PLUS. 
Springer, New York.
Di Rienzo, J,  Macchiavelli, R., Casanoves, F.  2010. Modelos Mixtos en 
InfoStat


Más información sobre la lista de distribución Todos