Diseño y Análisis Avanzado de ensayos Agrícolas. Módulo 2

Docente coordinador

Dr. Julio A. Di Rienzo

Otros Docentes

Dr. Mariano Córdoba

 

Carga Horaria del Curso

40 horas.

Créditos que otorga

2 créditos.

Destinatarios

Profesionales que tiene a cargo el diseño y análisis de ensayos agrícolas. Estudiantes de maestría y doctorado.

LOS ASISTENTES AL CURSO DEBERAN TRAER SUS PROPIAS NOTEBOOKS.

Fecha de Inicio y Fecha de Finalización del dictado del Curso

El curso se realizará en un encuentro de una semana de duración entre el 1 al 5 de octubre de
2018

Fecha de Examen del Curso

Viernes 5-octubre-2018.

 

Objetivo General

Este módulo es un complemento del módulo I y se recomienda para alumnos que ya hayan
cursado es módulo. El propósito de este módulo es discutir los conceptos teóricos y prácticos
detrás del diseño y análisis estadístico en ensayos agrícolas donde las variables de respuestas no
son normales. Por ejemplo, conteo de plantas enfermas en un total de plantas expuestas,
densidades de malezas, conteo de insectos por metro lineal de surco, o tiempos de espera como
días abiertos en ganado lechero. Este módulo incluirá también la modelación no lineal de
efectos fijos y mixtos. Ejemplo de estos modelos son las curvas de respuesta a la fertilización
nitrogenada en maíz, que típicamente puede describirse como una regresión por tramos.

Objetivos Específicos

  • Desarrollar habilidades para el análisis mediante el uso de un software estadístico.
  • Ofrecer un espacio de discusión sobre estrategias de modelación estadística avanzada.

Contenidos: Programa Analítico

Contenidos Descripción
 

Modelo Lineal

generalizado

•  Generalidades

•  ¿Qué variables se analizan con modelos lineales

generalizados?

•  Familia exponencial de distribuciones

•  Función de enlace y predictor lineal

•  Criterios de bondad de ajuste

 

Ejemplificación y trabajo

en forma de taller

•  Modelo binario

•  Modelo binomial

•  Modelo Poisson

•  Modelo binomial negativo

•  Gamma

Modelo lineal

generalizado mixto

•  Generalidades

•  Ventajas para la modelación

 

Ejemplificación y trabajo

en forma de taller

•  Modelo binomial

•  Modelo Poisson

•  Modelo Binomial Negativo

•  Modelo Gamma

 

 

Modelos No lineales

•  Generalidad

•  Casos en que es preferible un modelo no lineal a

uno lineal

•  El problema de los valores iniciales

•  Algoritmos de estimación

 

 

Ejemplificación y trabajo

en forma de taller

•  Modelos lineales a dos tramos

•  Modelos de tres tramos

•  Modelo de forma sigmoidea (logístico, Gompertz,

etc.)

•  Modelos no lineales con heteroscedasticidad

•  Modelos no lineales con errores correlacionados

 

Modelos No lineales

Mixtos

•  Razones para incluir efectos aleatorios en un

modelo mixto

•  Diferencia con los modelos lineales

•  Ejemplificación

Bibliografía

  • DI RIENZO J.A., MACCHIAVELLI R, CASANOVES F. (2017) Modelo lineales generalizados mixtos en
    InfoStat. Edición electrónica. ISBN 978-987-42-4985-2. PP 101.
  • Agresti, A. (2015). Foundations of linear and generalized linear models. John Wiley & Sons.
  • Material didáctico
  • Software: InfoStat (los estudiantes pueden descargar la versión gratuita estudiantil desde
    www.infostat.com.ar).
  • Presentaciones Power Point
  • Material de referencia en formato pdf

Modalidad de dictado

Teórico-práctica. Los encuentros constarán de clases teóricas en las que se introducirán los conceptos y métodos estadísticos propuestos en el programa y talleres de análisis de datos con trabajo intensivo sobre computadoras.

Tipo de evaluación

Escrita, presencial.

 

Horario y lugar de dictado del Curso

El curso se desarrollará en las instalaciones de la Escuela para Graduados de la Facultad de Ciencias
Agropecuarias de la Universidad Nacional de Córdoba. Ing Agr. Félix Aldo Marrone 746. Ciudad
Universitaria (Avenida Valparaíso esq. Félix Aldo Marrone) en horario de 9:00 a 13:00 y de 14:00 a
17:00.

Arancel

Determinado por el Honorable Consejo Directivo de la FCA

Cupo mínimo y máximo

Cupo mínimo 10 alumnos
Cupo máximo 25 alumnos