Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales Bioestadística Maestría Protección Vegetal - Maestría Mecanización Agraria (Curso Acreditable a Carreras de Posgrado) Docente Responsable: Dr. Sergio Bramardi Docentes Intervinientes: Ing. Agr. Martín Delucis, Ing. Ftal. Sarah L. Burns Ing. Agr. Laura Maly Fundamentación de la Propuesta La Estadística, como disciplina, se ha convertido en una herramienta imprescindible ante la necesidad de conocimiento y descripción en una sociedad que como la actual, es demandante de producción y análisis de información. La importancia que el Cálculo Estadístico ha alcanzado en nuestros días, tanto como cultura básica, como en el trabajo profesional y en la investigación, es innegable. La tendencia positivista de las ciencias modernas, ha hecho que la legitimación y comprobación de resultados o garantías de su validez, y la toma de decisiones, dependan cada vez más de la utilización de herramientas estadísticas adecuadas para la recolección, análisis e interpretación de la información. Estos métodos estadísticos se utilizan en los campos más diversos de las actividades humanas, donde no escapan las disciplinas biológicas y en particular las ciencias agropecuarias. La presente propuesta consiste en el planteo de un curso de postgrado donde se profundiza los aspectos vistos en el grado dotando al alumno de las herramientasnecesarias para utilizar inteligentemente las potencialidades de las técnicas estadísticas fundamentales para el análisis, la estimación y evaluación de la información manejada en un trabajo de investigación biológica o en una tesis de postgrado. Objetivos El principal objetivo del curso es continuar con la formación general en estadística iniciada en el grado profundizando en las principales técnicas de análisis de datos orientadas a la experimentación e investigación científica. Se espera que al finalizar el curso los participantes se encuentren en condiciones de: -leer bibliografía específica sobre los métodos estadísticos abordados -interpretar críticamente resultados estadísticos que aparecen en las publicaciones científicas -diseñar estrategias de análisis adecuadas para evaluar objetivamente los resultados de investigación propia, haciendo principal énfasis en el área de la biología. -conocer y disponer de un software estadístico para el análisis de datos Contenidos (Programa Analítico + Bibliografía) MODULO I: REVISIÓN DE CONCEPTOS BÁSICOS Manejo de datos estadísticos. Descriptores de un conjunto de datos. Distribuciones de frecuencias. Varia-ble aleatoria. Distribución de probabilidad. Modelos normal, t-Student, FSnedecor, chi-cuadrado. Distribución de estadísticos muestrales. Estimación de parámetros por intervalos de confianza. Teoría general de las pruebas de hipótesis. Tipos de errores. Dócimasrelativas a la media, a la variancia y a una proporción. Comparación dedos medias y dos varianzas en muestras independientes. Pruebas de distribución libre: bondad de ajustes de modelos de probabilidad, pruebas de independencia. MODULO II: ANÁLISIS DE REGRESIÓN Y DE CORRELACIÓN Objeti-vos en el análisis de regresión y de correlación. Análisis de regresión simple. Estimadores mínimos cuadrados. Medidas de la bondad del ajuste. Pruebas relativas a los parámetros. Análisis de residuos. Predic-ciones. Modelos no lineales pero linealizables por transforma-ciones. Modelos intrínsecamente no lineales. Variables indicadoras. Correlación lineal simple. Matriz de correlación. Correlación parcial. Modelo de regresión múltiple. Modelos polinómi-cos. Método de selección de variables paso a paso. MODULO III: TÉCNICAS MULTIVARIADAS DE AGRUPAMIENTO Y ORDENACIÓN Problemas de interpretación de muchas variables con gran volumen de datos. Principales estrategias descriptivas del análisis multivariado de datos. Matrices de distancia y de similaridad entre individuos. Propiedades de las medidas de asociación. Representación de datos multivariantes. Criterios de agrupamiento de datos: análisis de conglomerados jerárquicos (análisis de cluster - dendogramas). Estrategias de ligamiento (linkage). Métodos de reducción de las dimensiones originales: Análisis de Componentes Principales, Análisis de Coordenadas Principales y Análisis de Correspondencia. MODULO IV: MODELOS DE ANÁLISIS DE LA VARIANZA Y DISEÑO DE EXPERIMENTOS Modelos lineales con variables categóricas. Modelo de clasificación según un solo factor. Partición de la suma de cuadrados global. Cuadrados medios. Prueba de la F global. Esperanza de los cuadra-dos medios. Modelos de efectos fijos y aleatorios. Comparaciones particulares de medias. Criterios a posteriori: pruebas t, criterio de Bonferroni, Tukey, Duncan, etc. Criterios a priori: contrastes ortogonales. Estudio de tendencia: polinomios ortogonales. Verificación de los supuestos del modelo. Transformaciones de la variable de respuesta. Modelos de clasificación según dos facto-res cruzados con una única observación por casilla. Modelos con más de dos factores. Diseños completamente aleatorizados (DCA), en bloques completos aleatorizados (DBCA) y en cuadrado latino (DCL). Medidas de eficiencia. Experimentos factoriales. Concepto de interacción entre los factores. Experi-mentos 2n, 3n y nxm. Modelos jerárquicos (factores anidados). Estimación de componentes de varianza. Diseños en parcela dividida. Análisis de covariancia. BIBLIOGRAFIA DE REFERENCIA CANAVOS, G. (2003). Probabilidad y estadística. Madrid: Mc Graw Hill. Ed. C.E.C.S.A. HINES W.C.; BORROR C. M.; GOLDSMAN D. M.; MONTGOMERY D. C. (2006). Probabilidad y estadística para ingeniería. KUEHL, R. (2001). Diseño de Experimentos. México: Ed. Thomson Learning. JOHNSSON, D. E. (2000). Métodos multivariados aplicados al análisis de datos. México: International Thomson Editores. MONTGOMERY D. (1991). Diseño y Análisis de experimentos. México: Grupo Ed. Iberoamérica. MONTGOMERY D.; RUNGER, G. (1996). Probabilidad y estadística aplicadas a la ingeniería. México: Mc Graw Hill. MONTGOMERY, D.; PECK, E.; VINING, G. (2002). Introducción al Análisis de Regresión Simple. Ed. C.E.C.S.A. PEÑA, D. (1989). Estadística: Modelos y Métodos -Tomo II: Modelos Lineales. Madrid: Alianza Universidad Textos. PEÑA, D. (2002). Análisis de Datos Multivariantes. Madrid: McGraw Hills/Interamericana de España. Metodología: Módulo I: realización de un trabajo práctico con bibliografía orientada. Módulos II, III y IV: Clases teóricas-prácticas de 5 medios días para cada módulo Carga horaria total: 100 horas distribuidas (60 horas presenciales, 40 horas no presenciales) Las 60 horas presenciales se distribuirán en tres encuentros de dos días y medios con clases teórico-prácticas incluyendo capacitación en el manejo de software estadístico para la realización de los trabajos prácticos correspondientes. Las 40 horas no presenciales son las que requerirán la elaboración por parte de los alumnos de cuatro trabajos prácticos (uno por cada módulo). Contenidos Módulo I: Revisión de Conceptos Básicos (no presencial) Módulo II: Análisis de Regresión y de Correlación Módulo III: Técnicas Multivariadas de Agrupamiento y Ordenación Módulo IV: Modelos de Análisis de la Varianza y Diseño de Experimentos Cronograma: Módulo I: Distribución de material Lunes 22 de Septiembre Entrega actividad resuelta Miércoles 15 de Octubre Módulo II Lunes 20, Martes 21 y Miércoles 22 de Octubre Módulo III Lunes 10, Martes 11 y Miércoles 12 de Noviembre Módulo IVLunes 01, Martes 02 y Miércoles 03 de Diciembre Las clases serán teórico práctica con trabajo en gabinete de computación. Lunes y martes de 9 a 12 hs y de 13 a 17 hs, miércoles de 9 a 12 hs. Evaluación: (Explicitar condiciones para la aprobación del curso) Para obtener la acreditación del curso se requerirá: a) Haber asistido a por lo menos el 80% de las clases programadas. b) Aprobar los trabajos prácticos correspondientes a cada uno de los módulos que podrán ser realizados en grupos dehastatres asistentes . c) Aprobar un examen escrito final sobre aspectos teóricos-conceptuales con modalidad individual y libro abierto. La calificación final será un promedio ponderado deambasactividadesevaluadas. Cupo de alumnos para el dictado: Mínimo 10 alumnos y máximo 30 alumnos Requisitos de los participantes: Título de grado que acredite como mínimo un curso de estadística Arancel: $300 Para docentes de la Universidad Nacional de La Plata: $200 Fecha comienzo y finalización: 1º octubre a 18 diciembre 2008 Informes e Inscripción Consultas: Prosecretaría de Posgrado de la UNLP Tel: 54-221-4236309 Mail: [email protected] Mail Prosecretaría de Posgrado de la facultad: [email protected] Página Web de la Facultad: www.agro.unlp.edu.ar