Doctorandos/as matriculados/as en PD043 Conservación de recursos naturales; PD041 Ciencias;  PD042 Hidrología y gestión de los recursos hídricos (interuniversitario) y PD044 Ecología, conservación y restauración de ecosistemas (interuniversitario) de la Escuela Internacional de Doctorado de la URJC. Prioridad Programas de Conservación Recursos Naturales.

En este módulo, el estudiantado profundizará en el uso de modelos estadísticos aplicados a datos científicos mediante el entorno de programación R. Se abordarán los siguientes tipos de modelos:

• Modelos lineales (LMs)
• Modelos lineales generalizados (GLMs)
• Modelos aditivos generalizados (GAMs)
• Modelos mixtos (lineales y generalizados)

El enfoque será eminentemente práctico, orientado a la implementación, interpretación, validación y evaluación de modelos. Se trabajará con datos reales, promoviendo el pensamiento crítico en la selección de modelos adecuados y en la interpretación de resultados.

Este módulo es una continuación natural del curso "Métodos Estadísticos para la Investigación I: Análisis Exploratorio de Datos (EDA) con R", por lo que se asume que el estudiantado ya domina los conceptos básicos de estadística descriptiva, visualización de datos y manejo de R. En caso de no contar con estos conocimientos previos, se recomienda cursar primero el módulo I.

La actividad contempla una parte teórica y otra práctica con el programa R. El contenido se divide en tres bloques temáticos:

1. Regresión Lineal Simple y Múltiple con R (3 horas)
- Conceptos fundamentales de la modelización: variables dependientes e independientes, coeficientes, residuales.

- Ajuste de modelos de regresión lineal simple con lm().

- Supuestos del modelo lineal (linealidad, independencia, homocedasticidad).

- Evaluación del modelo: R², residuales, gráficos de diagnóstico.

2. Modelos Lineales Generalizados (GLMs) (3 horas)
- Introducción a los GLMs: estructura y aplicaciones.

- Regresión logística para variables dependientes binarias con familia binomial.

- Regresión con familia Poisson para datos de conteo.

- Diagnósticos y validación del modelo: pseudo-R², AIC, BIC.

3. Modelos Mixtos y Modelos Aditivos Generales (4 horas)
- Introducción a los modelos mixtos: efectos fijos y aleatorios.

- Ajuste de modelos lineales mixtos con  el paquete de R glmmTMB().

- Interpretación de los coeficientes y varianzas en modelos mixtos.

- Introducción a los Modelos Aditivos Generales (GAM)

- Ajuste de GAMs con el paquete de R mgcv()

- Validación, visualización e interpretación de modelos GAM

CB11, CB12, CA01, CA02, CA03, CA05, CA06, C04.01, C04.02, C04.03, C04.05

Carlos Lara Romero.

Amplia experiencia en materia impartida.

Profesor Universidad Rey Juan Carlos. Responsable de la asignatura "Métodos Estadísticos y Diseño Experimental" en el Grado de Ingeniería Química de la Universidad Técnica Particular de Loja (2015 y 2016).

Diseño y participación como profesor en los cursos "Curso Superior Análisis de Redes Complejas" (2018 y 2019)  ( https://www.urjc.es/estudios/titulos-propios/4000-curso-superior-universitario-en-analisis-de-redes-ecologicas ),  Introduction to Next-Generation Sequencing: Applications in Ecology and Evolution ( https://uverano.urjc.es/33221/detail/cv007-introduction-to-next-generation-sequencing_-applications-in-ecology-and-evolution.-iv-edition.html ) (2016-2019) y "Gestión y visualización de datos con R. Convirtiendo datos en historias" (2021) ( http://www.aeet.org/events/2021/09/20/02/gestion-y-visualizacion-de-datos-con-r-convirtiendo-datos-en-historias )

Docente del Curso " Métodos Estadísticos para la Investigación" del Programa de Doctorado en Conservación en Recursos Naturales (Curso 2019-2023).

Docente en la asignatura "Técnicas de muestreo y obtención de datos de campo" en el Master Universitario en Técnicas de Conservación de la Biodiversidad y Ecología (Curso 2015-2016 y 2016-2017).

Aplicación de técnicas de estadística en numerosos artículos de ecología y conservación ( https://lararomero.weebly.com/publications.html )

Desarrollador de funciones de R para implementar análisis estadísticos en diversos campos de la Ecología ( https://github.com/CarlosLaraR )

Miembro del grupo de trabajo sobre ecoinformática de la Asociación Española de Ecología Terrestre (AEET).

CRITERIOS DE ADMISIÓN:

1. Haber realizado la inscripción en tiempo y forma.Tendrán prioridad los estudiantes del PD052 TICs.
2. Una vez cerrado el plazo de inscripción, se asignarán las plazas, ordenadas las solicitudes por orden de solicitud.
3. Si la demanda es mayor al número de plazas ofertadas, se priorizará a quienes hayan realizado menos actividades ofertadas por la EID y que no tengan penalizaciones.

CANCELACIONES:

Si no puede realizar la actividad, cancele su solicitud ANTES de que finalice el plazo de inscripción. La inasistencia a las actividades en las que se inscriba se penalizará en el orden de prelación de las solicitudes de actividades posteriores.

Control de asistencia a la actividad formativa. Participación del alumno en clase, ejercicios prácticos resueltos en clase.

Para obtener el certificado de la actividad, es necesario cumplir 3 requisitos:

• Asistencia: haber asistido al menos al 80% de las horas de formación,
• Evaluación: haber superado las pruebas o actividades de evaluación planteadas por el profesorado y
• Encuesta de satisfacción: haber accedido a la encuesta de satisfacción de la actividad (disponible cuando el profesorado haya cerrado el acta de la actividad).

Los certificados se podrán descargar de la aplicación de gestión de actividades, una vez se haya cerrado el acta de la actividad.