El curso de Estadística Computacional en R es una introducción a los modelos estadísticos empleados en la investigación en ciencias naturales y en el manejo de los recursos naturales. El estudiante obtendrá conocimientos teóricos y prácticos para el análisis de datos, interpretará los resultados y apreciará la necesidad de una adecuada planificación de un proyecto de investigación, así como de un diseño experimental correcto y la toma de datos.
El objetivo del curso es familiarizar al estudiante con los métodos estadísticos utilizados cotidianamente en la investigación en ecología y evolución.
- Que el estudiante identifique los modelos o aproximaciones estadísticas que pueden ayudar a resolver el problema de investigación que se aborda.
- Que el estudiante sea capaz de organizar los datos de forma correcta para realizar los análisis estadísticos.
- Que el estudiante sea capaz de realizar los análisis estadísticos.
- Que el estudiante sea capaz de interpretar correctamente los resultados de los análisis estadísticos.
- Que el estudiante sea capaz de representar gráficamente los resultados obtenidos.
El coordinador del curso presentará el fundamento de cada modelo, su aplicación, los supuestos y las limitaciones de las pruebas, y demostrará con ejemplos prácticos que los estudiantes seguirán en sus ordenadores personales. Posteriormente, los estudiantes resolverán problemas similares de manera individual. Los estudiantes obtendrán datos de repositorios o de publicaciones relevantes para plantear un problema de investigación, el cual deberán formalizar y presentar los resultados.
Fundamentos de probabilidad y lógica
Habilidades numéricas, pensamiento abstracto.
Evaluación de Ejercicios Individuales
Presentación del Proyecto
1) Introducción al sistema R
· Ambiente R
· Sistema de ayuda en R
· Objetos
· Asignar valores a objetos
· Llamar objetos
· Operaciones básicas
· Tablas
· Vectores y matrices
· Funciones
· Programación
· Números aleatorios
· Iteraciones
· Gráficas
· Importar datos
2) Probabilidad
3) Estadística descriptiva en R
· Frecuencias
· Media
· Desviación estándar
4) Comparaciones básicas
· Una muestra
· Dos muestras
· Varianzas
· t de Student
· Suma de rangos de Wilcoxon
· Muestras pareadas
· Comparar dos proporciones
· Distribución binomial
· Distribución Poisson
· Contingencia
· Bondad de ajuste
· Correlación
· Correlación y escala
· Correlación y covarianza
· Kolmogorov-Smirnov
5) Regresión
· Principios de la regresión
· Parámetros estimados
· Gráficas
· Supuestos
· Regresión múltiple
· Regresión: modelos de árboles
· Regresión: bosque de árboles
6) Análisis de varianza
· Principios del ANOVA
· Supuestos
· ANOVA en R
· ANOVA de 1 vía
· ANOVA de 2 vías
· Interacciones
· ANOVA factorial
· Comparaciones múltiples
· Gráficas
7) Análisis de covarianza
· Principios del ANCOVA
· Gráficas
· Simplificación de modelos
8) Contrastes
· Diseños ortogonales
· Contrastes
· Contrastes de coeficientes
· Simplificación a posteriori
· Contrastes en ANCOVA
9) ANOVA de bloques divididos
· Fundamento
· Diseños complejos
10) ANOVA anidado
· Fundamento
· Pseudoreplicación
· Componentes de la varianza
11) Crítica de modelos
· Residuales
· Heterocedasticidad
· Errores no normales
· Atípicos
· AIC
· Mala definición de modelo
· Mala elección de error
· Mala elección de función de liga
· Sobredispersión
· Revisar el modelo
12) Funciones y transformaciones
13) Simplificación de modelos
14) GLM (Modelos Lineales Generalizados)
· Predictor lineal
· Valores ajustados
· Función de liga
· Estimación de parámetros
· Devianza
15) GLM con proporciones
· Error binomial
· Devianza
· Sobredispersión
· Crítica de modelos
· Regresión
· Análisis de devianza
· Simplificación y sobredispersión
· ANCOVA
16) GLM con conteos
· Distribución Poisson
· Devianza
· Log-lineal
· Análisis de devianza
· Sobredispersión
· ANCOVA
· Tablas de contingencia
17) GLM con respuestas binarias
· Devianza
· Función de incidencia
· ANCOVA logística
18) Modelos mixtos
· Efectos fijos
· Efectos aleatorios
· Bloques
· Medidas repetidas
19) Modelos aditivos. GAM
· Suavizadores
· Puntos de inflexión
· GAM mixtos
20) Otras aplicaciones en ecología, análisis de la diversidad y evolución
