Curso de Modelos Jerárquicos Bayesianos

Modelos Jerárquicos Bayesianos

Presentación:

El objetivo de este curso es dar una visión actualizada de la Estadística Bayesiana, en particular de cómo esta aproximación a la Estadística nos puede ayudar con modelos de gran complejidad. En este contexto, el curso pretende presentar herramientas computacionales para acercar los investigadores a modelos de gran utilidad práctica como son los modelos lineales generalizados, los modelos mixtos, los modelos GAM, los modelos espacio-temporales, etc, y que a menudo no se usan debido a su complejidad. En esta línea se explicará el paquete INLA de R que permite hacer inferencia estadística con los modelos aditivos estructurales usando la aproximación anidada integrada de Laplace (INLA de las siglas en inglés). En el curso se describen las funciones más relevantes del paquete R-INLA para la estimación de este tipo de modelos mediante esta aproximación, pero también se dará una visión amplia de las bases de la Estadística Bayesiana y sus capacidades para integrar la información relevante previa de los investigadores con la que aporta los datos.

Programa del curso:

  • Introducción a la Estadística Bayesiana. Probabilidad y teorema de Bayes, proceso de aprendizaje Bayesiano, inferencia y predicción, modelos uniparamétricos.
  • Modelización Bayesiana. Inferencia y predicción en modelos con más de un parámetro. Modelos basados en normalidad (LM). Aproximaciones numéricas para realizar la inferencia y la predicción. Markov Chain Monte Carlo como primera opción.
  • Modelo Lineal Generalizado (GLM) como primer caso de modelos aditivos.
  • Modelo Lineal Generalizado (GLM) como primer caso de modelos aditivos estructurados. Introducción a los modelos latentes Gaussianos. Aproximación INLA para los modelos latentes Gaussianos.
  • Incorporación de efectos aleatorios sin estructura o con estructura temporal. Modelos autoregresivos, modelos GAM desde la perspectiva de modelos latentes, y su aproximación con INLA.
  • Incorporación de efectos aleatorios con estructura espacial. Modelos de geoestadística (aplicaciones en Modelos de distribución de especies) y modelos de autocorrelación espacial (como los mapas de enfermedades, más conocidos como disease mapping) usando la aproximación SPDE (Stochastic Partial Differential Equation approach).

Bibliografia:

  • Lindgren, F., Rue, H., and Lindstrom, J. (2011). An explicit link between Gaussian fields and Gaussian Markov random fields: the SPDE approach (with discussion). Journal of the Royal Statistical Society, Series B, 73: 423–498.
  • Rue H., Martino S. and Chopin N. (2009). Approximate Bayesian Inference for Latent Gaussian Models Using Integrated Nested Laplace Approximations. Journal of the Royal Statistical Society, Series B, 71: 319–392.

Profesorado:

David V. Conesa Guillen - Profesor Titular de Universitat del Departamento de Estadística i Investigació Operativa de la Universitat de València. Miembro de VABAR (Valencia Bayesian Research Group). Docente habitual de Estadística Matemática, Modelización Estadística, y Diseño de Experimentos, en los grados de Matemáticas y Biología. Es editor asociado de las revistes SORT y TEST, y vicepresident de la Sociedad Española de Biometria. Colabora habitualment con el Área de Epidemiologia de la Direcció General de Salut Pública de la Generalitat Valenciana y con el Instituto Español de Oceanografía.

Joaquín Martínez Minaya - Becario del Departament de Estadística e Investigación Operativa de la Universitat de València. Miembro de VABAR (Valencian Bayesian Research group).

Destinatarios:

El curso Modelos Jerárquicos Bayesianos está dirigido a estadísticos profesionales o académicos que deseen profundizar en las aplicaciones de esta técnica, así cómo a investigadores de cualquier ámbito de conocimiento que deseen introducirse en la metodologia estadística de este tipo de análisis.
Para aprovechar las sesiones prácticas es necesario que los participantes tengan conocimientos básicos del software R.

Detalles de organización:

El curso Modelos Jerárquicos Bayesianos se impartirá los días 14, 15 de noviembre de 2016 de 10:00 a 13:00 y de 15:00 a 18:00 y el día 16 de noviembre de 2016 de 10:00 a 13:00.

La duración total del curso es de 15 horas.

El número máximo de asistentes es de 20.

La preinscripción se podrá formalizar vía el Servei d'Estadística rellenando el formulario de preinscripción que encontrareis a la web. Una vez recibido vuestro formulario, os confirmaremos mediante un correo electrónico si tenéis plaza asignada o bien si estáis en lista de espera.

Cuotas de inscripción (2016):

Concepto Cantidad Importe
    Externo Esfera UAB
Inscripción
(antes del 30 de octubre)
1 asist 380,00 €  380,00 €  230,00 €
Inscripción
(después del 30 de octubre)
1 asist 530,00 €  530,00 €  380,00 €

Tarifa UAB: Se podrán acoger a esta tarifa todos los interesados que pertenezcan a la comunidad universitaria (PAS, profesores, estudiantes), así como los estudiantes de otras universidades que lo acrediten enviándonos una copia de la matrícula del curso vigente. En caso de desear factura se deberán inscribir con otra tarifa.

(*) Descuentos especiales para personas en situación de paro. Presentando copia del documento de alta o de renovación de la solicitud de ocupación emitido por la Oficina de trabajo de la Generalitat de Catalunya.

(*) Descuentos especiales para grupos de personas procedentes de la misma empresa/institución.

(*) Todos los estudiantes de cualquier titulación en estadística pueden acogerse a la tarifa Last Minute, en caso que quedan plazas disponibles la semana antes del inicio del curso (Tarifa Last Minute: Sin factura; Precio Curso 100 €). Solicitar esta tarifa no garantiza poder realizar el curso hasta la semana antes del inicio.

Detalles de pago:

Una vez formalizada la preinscripción, recibiréis un correo electrónico informando de los detalles para realizar el pago de la inscripción.

Las personas interesadas en solicitar la factura a nombre de una empresa, deberán de hacer constar al justificante del pago de su cuota el nombre de su entidad y NO el del propio asistente al curso. Una vez se haya efectuado el pago del curso, y si no hay ningún motivo de fuerza mayor, no se devolverá el dinero de la inscripción.

Antes de efectuar el pago, esperad a recibir nuestra confirmación de la reserva de la plaza para el curso.

Campus d'excel·lència internacional U A B