Presentation:

Con el objetivo de explicar o predecir un fenómeno cuantificable es habitual emplear modelos estadísticos. Los modelos mixtos son una generalización del modelo lineal de regresión clásico, contemplando la posible existencia de observaciones correlacionadas o con variabilidad heterogénea, vinculadas a la presencia de factores aleatorios. La nomenclatura modelos mixtos se refiere precisamente al hecho de que el análisis debe lidiar con efectos fijos y aleatorios simultáneamente. Esta ocurre por ejemplo en estudios con medidas repetidas en los mismos sujetos, o cuando hay niveles experimentales anidados generando subréplicas. El modelo mixto proporciona un entorno óptimo para responder a les cuestiones de un estudio con diseño experimental complejo: modelizando simultáneamente el valor esperado de la respuesta y su variabilidad.

Audience:

The course: Introducción a los Modelos Mixtos con R is aimed at both professional statisticians and academics who want to delve into the applications of this technique, as researchers in any field of knowledge who wish enter to the statistical methodology of this type of analysis, desde una perspectiva totalmente aplicada, basada en ejemplos prácticos.
To take advantage of the practice sessions is necessary that participants have basic knowledge of software R.

Professors:

    Llorenç Badiella - Servei d'Estadística Aplicada - Universitat Autònoma de Barcelona
    Profesor asociado del departamento de Matemáticas (UAB).
    Director del Servei d'Estadística Aplicada (UAB). 

    Josep Anton Sanchez - Departamento Estadística i Investigació Operativa - Universitat Politècnica de Catalunya
    Profesor colaborador del departamento d’Estadística i Investigació Operativa de la UPC. Miembro del Grup de Recerca Consolidat en Modelització Estadística Multivariant i Computacional de la UB y del Grup de Recerca en Estadística Aplicada de la UPC.

Organization details:

The course: Modelos mixtos con R will be held on May 14, 15, 16 and 17 from 10:00 to 13:00 and from 15:00 to 18:00.

The course duration is 24 hours.

The maximum number of participants is 20.

Pre-registration will be formalized via the Servei d'Estadística Aplicada filling out the registration form that you will find on the web. Once we received your form we will send an email to confirm that either you have an assigned place or you are on the waiting list.

Registration fees (2012):

Concept Quantity Import
    External Esfera UAB
Registration 
(before April 29th)
1 assist 500,00 €  500,00 €  300,00 €
Registration 
(after April 29th)
1 assist 650,00 €  650,00 €  450,00 €

UAB rate: People belonging to the UAB university community may benefit from this rate (PAS, teachers, students) as well as students from other universities as long as they send a copy of the current course registration. In case an invoice is required they will have to be registered with another fee.

Grants for students of statistics, consulted conditions in Registration Form.

 

Payment details:

Once the pre-registration is completed you will receive an email informing of the details for the registration payment.

People interested in applying for an invoice in the name of a company must state in the payment proof the name of their organization and NOT of the attendant of the course himself. Once the payment of the course has been made there will be no refund unless there are circumstances beyond one’s control.

Do wait for our confirmation of the reservation for the course before payment.

Programa del curso:

Introducción a los modelos de regresión, repaso del uso de R
    - Modelos de regresión
    - Análisis de la Varianza
    - Modelos lineales Generales

Modelos de efectos aleatorios
    - Modelos con subréplicas
    - Modelos con bloques aleatorizados
    - Modelos jerárquicos multinivel
    - Modelos Split-Plot
    - Modelos con pendientes aleatorias

Modelos para la estructura de covarianzas
    - Modelo varianzas heterogéneas
    - Modelos para medidas repetidas
    - Modelos para datos longitudinales
    - Modelos para datos espaciales

Ilustración a Modelos mixtos para datos no normales
    - Modelos lineales generalizados
    - GEE
    - Modelos lineales generalizados mixtos
    - Modelos no-lineales mixtos