Docente coordinador:

Dra. María del Pilar Díaz. Cát. Estadística y Bioestadística. Escuela de Nutrición. Facultad de Ciencias Médicas. Av. Enrique Barros s/n. Ciudad Universitaria. Te/fax: 0351-433 4027. E-mail: pdiaz@fcm.unc.edu.ar

Objetivos:

Presentar modelos específicos para el abordaje de información proveniente de ensayos biológicos en el contexto de los modelos lineales generalizados.

Describir aplicaciones especiales de estos modelos generalizados, mostrando las técnicas de estimación, de bondad de ajuste, de diagnósticos, de inferencia y de obtención de intervalos de confianza.

Examinar casos particulares de modelación continua y discreta para asociaciones espaciales, datos correlacionados y medidas repetidas temporal en el contexto de los modelos lineales generalizados.

Contenidos:

Introducción General a los Ensayos Biológicos: Ejemplos y teoría básica. Distribuciones para variables de respuesta. Repaso de pruebas de hipótesis clásicas. Diseños de experimentos más utilizados en el campo biológico. Repaso del ANAVA para modelos de regresión y de clasificación.

Nivelación en Modelos Lineales Generalizados: Definición de un MLG. Componentes de un modelo lineal generalizado. Metodología general de modelación, proceso de inferencia, el análisis de la deviance (ANODEV) y técnicas de diagnóstico. El análisis de la varianza generalizado.

El Modelo Logístico: Funciones de tolerancia y enlaces logístico, probit, complemento log-log. Estimación de dosis efectivas (LD50, LD90) y modelos threshold, potencia relativa de un producto. Descripción de técnicas para la construcción de intervalos de confianza para dosis letales. Estimación de la mortalidad natural, modelos para mezcla de productos, estimación de efectos de sinergismo y antagonismo. Modelos para datos compuestos o superdispersos. Aplicaciones.

La Regresión Poisson: modelos log-lineales para datos de conteo. Regresión lineal simple y múltiple para datos discretos. Diagnóstico y análisis de residuos. Modelos para datos con superdispersión. Aplicaciones al caso de datos agregados.

Modelos de Sobrevida: Tipos de sobreviva. Modelos Gamma, Exponencial, Weibull. Estimación e inferencia. Diagnóstico y análisis de residuos. Modelos con censura. Aplicaciones.

Modelos No lineales: Estimación e inferencia. Casos especiales. Curvas de crecimiento. Estimación e interpretación de parámetros. Aplicaciones.

Modelos para datos Correlacionados: modelos de cuasi-verosimilitud para regresión binaria y Poisson., variables continuas con medidas repetidas en el tiempo. Modelos para la descripción de la distribución espacial. Aplicaciones.

Fecha:

Del 11 al 14 de agosto de 2009. Escuela para Graduados. FCA. UNC

Modalidad:

Clases teórico-prácticas, con asistencia de uso de Gabinete de Computación para uso del STATISTICA (versión 7.0). Seminarios grupales sobre tópicos específicos.

Tipo Evaluación:

Informe escrito sobre trabajos basados en artículos científicos y/o análisis de datos provenientes de situaciones reales en el área biológica.

Horas totales:

Carga Áulica: 6 ½ (seis y media) horas diarias, durante 4 (cuatro) días. Extra-áulica: preparación de trabajos prácticos, 5 (cinco) horas y elaboración de seminario-síntesis (último día), 4 (dos) horas. Total de horas: 40 (treinta y cinco).

Costo:

$300.-

Horario:

Todos los días: de 9:00 a 12:30 y de 14:00 a 17:00 hs.

Destinatarios:

Profesionales y graduados universitarios de diversas áreas, con énfasis en Ciencias Biológicas y Agropecuarias. Licenciados en Matemática e Ingenieros en otras disciplinas serán admitidos en el caso que tengan conocimientos previos en Diseño de Experimentos y Bioestadística.

Se recomienda que los candidatos tengan conocimientos de Probabilidad y Estadística General (Estadística Descriptiva e Inferencial).

Cupo mínimo y máximo:

Mínimo: 10 (diez), Máximo: 25 (veinticinco)

Bibliografía:

-Aitkin, M.; Anderson, D.; Francis, B.; Hinde, J. 1989. Statistical Modelling in GLIM. Oxford Statistical Sciences Series-Claresdon Press, Oxford.

-Collet, DR. Modelling Binary Data. Chapman and Hall, London, 1991. 369p.

-Cox, DR. EJ Snell. The analysis of binary data. Chapman & Hall, londres. 1987. 236p.

-Crawley, MJ.Glim for Ecologists. Blackwell Scientific Publications. 1993. 379p.

-Díaz, M.P.; Demétrio, C.G.B. 1998. Introducción a los Modelos Lineales Generalizados: Su Aplicación en las Ciencias Biológicas. Screen Edit. 112p.

-Finney, DJ. Probit Analysis. 2ª ed. Cambridge University Press. 1952. 333p.

-Fisher, RA. Statistical methods for research workers. 11ª ed. Oliver & Boyd, Edinburgo. 1950.

-Hinde, JE, CGB Demétrio. Overdispersion: models and Estimation. São Paulo, 1998, 73p.

-Morgan, BJT. Analysis of Auantal Response Data. Chapman & Hall, Londres. 1992. 511p.

-Morgan, BJT. Statistics in Toxicology. Oxford Science Publications. 1996. 224p.

-Dobson A.J. 1990. An Introduction to Generalized Linear Models. Chapman & Hall.

-Farhrmier L y Tutz G. 2001. Multivariate statistical modelling based on Generalized Linear Models. 2nd. Edition. Springer Verlag. New York.

-Lindsey J.K. 1997. Applying Generalized Linear Models. Springer. pp 257.

-McCullagh, P.; Nelder, J.A. 1989. Generalized Linear Models. 2nd. ed. London: Chapman & Hall.