Curso: Introducción a modelos lineales generalizados y modelos aditivos generalizados (3 - 7 junio 2017 - Dr.Segio Camiz)


Curso de introducción a los modelos lineales generalizados (GLM) y modelos aditivos generalizados (GAM)

 

El curso fue organizado por el equipo JEAI EMACEP “Ecología Marina Cuantitativa del Ecosistema de Afloramiento Peruano” los días 3, 4 y 7 de abril del 2017 en el Laboratorio de Modelado de Ecológico y Cambio Climático (LMOECC).

 

Los objetivos del curso fueron:

·        Brindar las bases necesarias para comprender y saber cuándo aplicar los modelos GLM y GAM.
·        Generar la capacidad de emplear los modelos GLM y GAM y sus herramientas en R.

 

Desarrollo del curso:

 

En la primera parte del curso se explicó el modelo lineal general, sus características y los requisitos que deben cumplir los datos para realizar su modelización. Se explicó que la variable respuesta es modelada por una función lineal de una o más variables explicativas y un término de error. Luego, se definió el modelo lineal generalizado como una extensión del marco conceptual del modelo lineal, para poder trabajar con variables que no tienen distribución normal sino otras como la distribución binomial o la de Poisson.

Finalmente, se explicó el modelo aditivo generalizado, el cual reemplaza la forma lineal por una suma de funciones de suavizado. Como ventaja, este modelo es un método empírico de maximizar la probabilidad logarítmica esperada o minimizar la distancia Kullback-Leibler ( medida no simétrica de la similitud o diferencia entre dos   funciones de distribución   de probabilidad ) hacia un modelo real.

En la segunda parte del curso se realizaron ejercicios usando variables binarias, multinomiales y de frecuencias que fueron inicialmente modeladas con el modelo lineal general y después con los modelos GLM y GAM para observar el mejor ajuste de estos últimos en comparación al anterior.

En la tercera parte del curso, los asistentes presentaron los resultados de la aplicación de los modelos GLM y GAM con sus propios datos.

 

Profesor:

Dr. Sergio Camiz, Dipartimento di Matematica Guido Castelnuovo, Sapienza Università di Roma – Italia.


Participantes:

Carlos Quispe ( cquispe@imarpe.pe )

Lista de participantes

 

Enlaces relacionados:

www.camiz.net

www.imca.edu.pe

 

Archivos relacionados:


Datos:   storks.csv

Script:   gam.R