aumentar disminuir original

Modelos Estadísticos

(curso a dictarse en el marco del Doctorado en Mejoramiento Genético)

DOCENTE

Dra Teresa Boca

DESTINATARIOS

Profesionales de carreras afines o interesados en la temática.

REQUISITOS

Título universitario o de nivel superior no universitario de cuatro años de duración como mínimo. Conocimientos básicos de álgebra aplicada a la estadística, operaciones con matrices, rango de una matriz, matriz inversa, etc. y Manejo elemental de R y Rstudio.

Objetivos

Estudiar los elementos teóricos y algebraicos de modelos estadísticos para cualquier distribución de la variable de respuesta. Analizar el proceso de inferencia de los parámetros de los modelos estadísticos.

Diseñar adecuadamente el proceso de adquisición y tratamiento de los datos.

Ser capaz de identificar o crear el modelo adecuado a cada caso.

Desarrollar la capacidad para manipular computacionalmente los modelos, aprovechando la potencia de los métodos estadísticos, de optimización etc., y realizar el análisis de los modelos y de los resultados obtenidos.

Lograr percibir la naturaleza de los problemas e interpretar las soluciones proporcionadas por los modelos correspondientes.

Programa analítico

Clase 1 Introducción al algebra Matricial aplicada a la estadística

Vectores, Matrices, Operaciones con matrices: suma y multiplicación, Rango de una matriz, Matrices especiales, Inversa de matrices, Formas cuadráticas.

Clase 2  Diseño de experimentos y el modelo lineal.

Principio del diseño experimental.

Definición del modelo lineal, Forma General del modelo lineal, Matriz de diseño..

Clase 3 Modelo lineal de rango completo y rango incompleto

Ecuaciones Normales, Propiedades de invariancia, Suma de cuadrados

Clase 4 Teoría de distribución del modelos lineal

Modelos de clasificación a una vía. Supuestos del modelos lineal, Funciones estimables. Pruebas de hipótesis.

Clase 5 El modelo lineal generalizado (MLG).

Componentes. Funciones de enlace. Procesos de Estimación. Método de máxima verosimilitud y de mínimos cuadrados.

Clase 6 Modelo lineal mixto.

Conceptos generales: Factores fijos y aleatorios. Estructura de la matriz de covarianzas Diseños jerárquicos y anidados Componentes de varianza.

Clase 7  Autocorrelación y Multicolinealidad

Correlación temporal de las observaciones. Diseños con medidas repetidas – Consecuencias de la autocorrelación

Clase 8  Modelos no lineales.

Especificaciones no lineales. Aproximación lineal al modelo no lineal. Ajuste parabólico, potencial y exponencial.

Bibliografía Obligatoria

Faraway, J. J. (2006). Extending the linear model with R: Generalized linear. Mixed effects and nonparametric regression models. 

Graybill, F.A. (1976). Theory and Application of the Linear Model. Wadsworth Publishing Company.

Pinheiro J.C., Bates D.M. (2004). Mixed-Effects Models in S and S-PLUS. Springer, New York.

Skillings, J. H., & Weber, D. (1999). A first course in the design of experiments: a linear models approach. CRC Press.

Faraway, J. J. (2002). Practical regression and ANOVA using R. 

Crawley, M. J. (2012). The R book. John Wiley & Sons.

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.

 

Modalidad de evaluación

 El trabajo integrador final consta de la resolución de situaciones problemas

 

Carga horaria: 40 horas

Cronograma: 7, 14, 21 y 28 de agosto

Horario sería 10:00 a 13:00 hs y de 14:30 a 17:00 hs

Modalidad: Virtual

 

ARANCEL

Profesionales en general: $8000

Docentes, No docentes y graduados UNNOBA: $ 6500