mapa webhomeSociedad de Amigos del Museo
Sociedad de Amigos del Museo
           SOCIEDAD DE AMIGOS DEL MUSEO       HAZTE AMIGO       PUBLICACIONES
 

Más información sobre la SAM:
mcnc104@mncn.csic.es 

Volver http://www.sam.mncn.csic.es 

  actividades   conferencias   cursos   

Cursos / Seminarios

Luis M. Carrascal

Profesor de Investigación. Departamento de Biogeografía y Cambio Global. Museo Nacional de Ciencias Naturales - CSIC


DISEÑOS FACTORIALES Y ANÁLISIS DE EXPERIMENTOS EN CIENCIAS NATURALES



Temario:
Entendiendo los diseños factoriales.

* Tipo de variables respuesta y predictoras (gausianas, gamma, poisson, binomiales negativas, binomiales, multinomiales). Factores entre- y dentro-de sujetos. Factores fijos y aleatorios. Factores anidados.

* Modelos Generales y Generalizados Lineales. Transformación de variables (log, raíz y Box-Cox). Varianza y devianza. Parametrización de efectos no lineales mediante transformaciones polinomiales.

* Efectos simples, parciales e interacciones. Tipos de sumas de cuadrados (I, II y III) y sus equivalentes en modelos generalizados no gausianos. Partición de la variación: eta2 y eta2 parcial.

* Tablas de contrastes en diseños factoriales. Comparaciones planificadas.

* Revisión de los supuestos canónicos trabajando con los residuos de los modelos. Desvío de la normalidad de los residuos, heterocedasticidad de los residuos, heterogeneidad de varianzas en las celdas n-factoriales.

* Re-cálculo de coeficientes, errores estándar y significaciones utilizando las matrices de varianza-covarianza (estimadores sándwich, HC3 y HC4m), cuando existe heterocedasticidad en los residuos.

* Estimas robustas, Bootstrapping y validación cruzada de los modelos.

* Comparación entre modelos usando el criterio de información de Akaike (IACc).

Tipos de diseños factoriales

* Diseños n-factoriales univariantes: AN(c)OVAs. Diseños de bloques, cuadrados latinos.

* Diseños n-factoriales multivariantes: MAN(c)OVAs

* Modelos mixtos I: diseños n-factoriales univariantes que mezclan covariantes, factores de efectos fijos y aleatorios. Establecimiento de términos error deseables y posibles.

* Modelos mixtos II: Aproximaciones de Kenward-Roger y Satterthwaite a la estima de los grados de libertad y significaciones. Aproximación de bootstrap paramétricos.

* Diseños de factores anidados con y sin celdas de interacciones vacías.

* Diseños de medidas repetidas. Diseños “split-plot”. Supuesto de esfericidad y simetría compuesta; corrección de grados de libertad y significaciones; aproximación multivariante.




Programa:
El objetivo de este curso es presentar conceptos avanzados relacionados con el análisis de datos obtenidos en diseños experimentales que implican la combinación de (co)variables continuas y factores de diferentes tipos. Se efectuará un repaso exhaustivo de las distintas familias de diseños factoriales (entre sujetos, dentro de sujetos, anidados, de efectos fijos y aleatorios), incluyendo las diferentes combinaciones de ellos en modelos “mixtos”.

El curso pondrá el énfasis en aspectos fundamentales generalmente no sopesados en estos diseños, como son: el qué, por qué, para qué, cómo, limitaciones y alcance de los diferentes diseños y las herramientas que los abordan, las implicaciones de las violaciones de sus supuestos, y las pruebas canónicas necesarias para valorar la idoneidad de las herramientas estadísticas utilizadas. Esto es, la buena praxis previa a la interpretación de los resultados. Otro aspecto en el que se incidirá es en la robustez de las estimas de los modelos, teniendo en cuenta la existencia de puntos influyentes y/o perdidos.

Todo el curso se desarrollará desde la perspectiva de su aplicabilidad en cualquier plataforma estadística (e.g., R, SAS, SPSS, STATISTICA), aunque la ejemplificación se desarrollará principalmente en el entorno abierto de R mediante el empleo de RStudio. El uso de los diferentes paquetes de R (e.g., lme4, car, afex, heplots, moments, MASS, sandwich, lmtest, DAAG, MuMIN, etc) se desarrollará de manera que los resultados que generan sean replicables y consistentes con los que se obtienen en otras plataformas como SPSS o STATISTICA. Debido a la dificultad inherente al empleo de R, el profesor pondrá el énfasis en su aprendizaje y aplicabilidad desde un nivel “cero” de conocimiento, presentándolo en un contexto “amable” que supere las reticencias ante este modo “Retro” de hacer estadística.

El curso tendrá una parte “teórica” de presentación de ideas y procedimientos por el profesor (23 h), y una parte “demostrativa” de aprendizaje práctico mediante el uso del entorno R (17 h).



Dirigido a:
Los candidatos deberán enviar a la Secretaría de la Sociedad de Amigos del Museo una página donde expongan los motivos por los que se desea realizar este curso, así como una síntesis del trabajo de investigación o técnico que están desarrollando. Se tendrá en cuenta el orden de llegada de las candidaturas. También deberán aportar su correo electrónico para agilizar la comunicación. Para el módulo práctico, los alumnos traerán su ordenador personal.



Fechas:
DEL 23 de enero al 3 de febrero de 2017

Lugar:
Sala de Juntas del Museo Nacional de Ciencias Naturales

Módulo teórico 23, 25, 27 y 30 de enero. 1 y 3 de febrero de 2017 de 15:30 a 19:00 horas. Sábado 28 de 9:00 a 13:00 horas

Módulo práctico 24, 26 y 31 de enero y 2 de febrero de 15:30 a 20:00 horas

Precio:
Módulo teórico 240 €. Teórico+ práctico 340 €.

Plazas:
Módulo teórico, 30 plazas. Módulo práctico, 20 plazas

Informes:
Tel: 914111328 ext 1117
Fax:

URL:
http://www.sam.mncn.csic.es