del 15 al 18 de octubre de 2019 – 9.00 a 17.00 hs.
Aula de Posgrado Facultad de Ciencias Agrarias UNR
Campo Experimental Villarino – Zavalla Santa Fe
Docentes:
- Ing. Agr. (Ph.D.) Mónica Balzarini.
CONICET. FCA-UNC (Coordinadora) - Ing. Agr. (Dra.) Cecilia Bruno.
CONICET. FCA-UNC
Objetivos:
- Ofrecer a los estudiantes de posgrado, un espacio para la discusión y generación de conocimientos que les permitan reconocer situaciones donde el uso de modelos estadísticos contemporáneos como los modelos mixtos son necesarios y provechosos
- Desarrollar destrezas en la formulación y aplicación de modelos lineales mixtos mediante el análisis de casos y el debate sobre diferentes enfoques e interpretaciones para cada uno.
Contenidos
Modelos Lineales Mixtos
- Modelos Lineales de Efectos Mixtos/ Conceptos Generales
- Modelos para la Estructura de Covarianza Residual
- Estimación de Co-Varianzas en Poblaciones Normales
- Inferencia sobre Efectos Aleatorios.
- Criterios de Bondad de Ajuste
- Modelos para Datos Longitudinales. Modelos de Correlación Espacial.
Modelos Lineales Generalizados Mixtos
- Linea del tiempo en la Modelación Estadística. Desde el Modelo Lineal General hasta el Modelo Lineal Generalizado Mixto.
- El Modelo Lineal Generalizado. Componente aleatoria Binomial. Componente aleatoria Poisson y Binomial Negativa. Modelos de Clasificación y Modelos de Regresión. Ejemplos.
- Modelo Lineal Generalizado Mixto. Aplicación al caso de estudios longitudinales. Medidas repetidas en el tiempo.
Metodología del curso:
Clases teórico-prácticas distribuidas en 4 días. Clases práctica de discusión de estrategias de análisis.
Requerimientos
Cada asistente al curso deberá traer una notebook con el software InfoStat, R y la conexión entre ambos.
Carga Horaria: 40 hs.
ARACEL: 4 CRÉDITOS
Bibliografía:
- Stroup, W. 2012. Generalized Linear Mixed Models: Modern Concepts, Methods and Applications. CRC Press.
- West, T. B., Welch, K. B., Galecki, A. T. 2015. Linear mixed models: A practical guide using statistical software (2nd ed.). Boca Raton: Chapman & Hall/CRC, 440 pp.
Software:
- Di Rienzo J.A., Casanoves F., Balzarini M.G., Gonzalez L., Tablada M., Robledo C.W. InfoStat versión 2017. Grupo InfoStat, FCA, Universidad Nacional de Córdoba, Argentina. URL http://www.infostat.com.ar
- R Core Team, 2017. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/.
Documentación de InfoStat:
- Balzarini M.G., Gonzalez L., Tablada M., Casanoves F., Di Rienzo J.A., Robledo C.W. 2008. Infostat. Manual del Usuario, Editorial Brujas, Córdoba, Argentina