DATES: 20-25 July 2009

SCHEDULE: 30 hours; 5 hours/day sessions organised by slots of 1 hour each; between 10:00-13:00 and 15:30-17:30.

VENUE: auditório 131, Colégio do Espírito Santo, Universidade de Évora, Largo dos Colegiais, Évora, Portugal

COST: students at the University of Évora, Oporto and Azores: 250 euros; others: 275 euros

NUMBER OF PARTICIPANTS: up to 35

REGISTRATION: closed.

CONTENTS:

El objetivo de este curso es doble. En primer lugar introducir el método científico utilizado en el análisis y discernimiento de patrones en ‘ciencias naturales’ sensu lato. En segundo lugar, presentar demostrativamente las herramientas estadísticas que nos permiten este abordaje, mostrando la ‘praxis’ del análisis de datos basado en diferentes técnicas de regresión. A continuación se presenta el temario, centrado en los principales aspectos del curso.

1) Método científico en ‘ciencias naturales’. Deductivismo versus inductivismo, observación versus experimentación, causalidad versus casualidad. Enunciado y contraste de hipótesis: proximación hipotético-deductiva. Validez interna y externa de los resultados. Explicación y predicción.

2) Regresión múltiple trabajando con variables respuesta normales y asociaciones lineales. Supuestos canónicos, examen de supuestos, interpretación de resultados, magnitud de efectos y partición de la variación en diferentes componentes.

3) Cuando las variables predictoras están fuertemente asociadas entre si: ‘partial least regression analysis’.

4) Generalizando la distribución canónica de la variable respuesta: ‘generalized linear models’ trabajando con distribuciones Poisson, binomiales y multinomiales ordinales.

5) Regresión múltiple trabajando con asociaciones no lineales: el atajo de la aproximación polinomial utilizando modelos lineales, y los modelos generalizados aditivos (‘generalized additive models’)

6) Simplificando los modelos: aproximaciones ‘stepwise’ y basadas en criterios de información (AIC).

7) Poder explicativo y predictivo de los modelos; procedimientos de validación; ‘bootstrapping’.

8) Abordando sencilla y elegantemente las asociaciones no lineales, cuando además existen interacciones entre las variables predoctoras: árboles de regresión y de clasificación.

9) Prediciendo situaciones complicadas mediante procesos secuenciales de aprendizaje: ‘boosted trees’

En cada una de las herramientas analíticas presentadas se incidirá en los siguientes aspectos:

1) objetivos perseguidos por la técnica y resultados proporcionados

2) tipo de datos requeridos

3) presupuestos estadísticos y consecuencias de su violación

4) empleo de la técnica (con STATISTICA 6.0, S-PLUS 2000 o Microsoft Excel)

5) interpretación de los resultados

6) comprobación de presupuestos

Para un mejor aprovechamiento de este curso se requiere un mínimo de conocimientos básicos sobre regresión, ya que el programa docente no contempla proporcionar información teórica básica de modo generalizo. Esto es, el curso incidirá en el cómo se emplean las técnicas, sus requerimientos y limitaciones.