- This event has passed.
CURSO ONLINE – Introdução a Modelos Mistos usando R e R Studio (IMMR08) Este curso será ministrado ao vivo
12th March 2024 - 14th March 2024
£80.00
Data do Evento
Terça-feira, 12th Março, 2024
FORMATO DO CURSO
Este é um ‘CURSO AO VIVO’ – o instructor ministrará as aulas e treinará os participantes através de aulas práticas por meio de uma conexão por video; uma boa conexão com a internet é essencial.
PROGRAMA
FUSO HORÁRIO – Horário de Brasília – porém, todas as sessões serão gravadas e disponibilizadas online, permitindo que participantes de outros fusos horários também acompanhem.
Por favor, envie um email para oliverhooker@prstatistics.com para maiores detalhes, ou para discutir como Podemos acomodá-lo(a).
DETALHES DO CURSO
Este curso fornece uma introdução teórica e prática a modelos mistos, também conhecidos como modelos multi-nível ou hierárquicos. Nosso foco primário será em modelos lineares mistos, porém também cobriremos modelos lineares generalizados mistos. Também descreveremos abordagens Bayesianas para modelos mistos. Começaremos com modelos de efeitos aleatórios. Esses modelos mostram, com clareza, como os modelos mistos são, na verdade, “modelos de modelos”. Também, modelos de efeitos aleatórios servem como uma base sólida para auxiliar o entendimento de modelos mistos. Nós também trataremos de conceitos importantes relacionados a shrinkage, ou “redução/encolhimento” dos efeitos aleatórios, e correlação intraclasse. Então, cobriremos modelos lineares mistos, com foco particular em modelos de intercepto e/ou coeficientes angulares aleatórios. Depois, cobriremos modelos mistos para dados com estrutura aninhada ou cruzada, bem como preditores de nível de grupo. Então, trataremos de modelos lineares generalizados mistos e como utilizar efeitos aleatórios a nível observacional para acomodar superdispersão. Por fim, cobriremos uma breve introdução à abordagem Bayesiana por meio do pacote brms.
PÚBLICO ALVO
Este curso tem como público alvo qualquer pessoa que estiver interessada em utilizar R para ciência de dados ou estatística. R é amplamente utilizado em todas as áreas da pesquisa científica, bem como nos setores público e privado.
LOCAL
NFORMAÇÃO DO CURSO
Disponibilidade – A definir
Duração – 3 x 1/2 dias
Horas de contato – Aprox. 12 horas
Créditos – Equivalente a 1 crédito
Idioma – Português
FORMATO DE ENSINO
Este curso será um workshop prático. Para cada tópico, haverá uma apresentação estilo aula, isto é, utilizando slides ou lousa eletrônica, para introduzir conceitos-chaves e teoria. Então, apresentaremos como realizar as variadas análises estatísticas utilizando o R. Todo o código que o instrutor fornecerá durante as sessões será disponibilizado em um repositório público do GitHub após as sessões.
No início de cada dia, nos certificaremos de que todos estão confortáveis com o uso do Zoom e discutiremos os procedimentos para fazer perguntas e postar comentários.
Embora não seja estritamente necessário, utilizar um monitor grande (ou preferivelmente um segundo monitor) tornará a experiencia de aprendizado melhor, porque você poderá ver meu R Studio e seu próprio R Studio simultaneamente.
Todas as sessões serão gravadas e disponibilizadas imediatamente em um link protegido por senha.
Todos os materiais, como slides, conjuntos de dados, etc., serão compartilhados via GitHub.
CONHECIMENTO QUANTITATIVO NECESSÁRIO
Um entendimento básico de conceitos estatísticos chaves. Especificamente, modelos de regressão linear, significância estatística e testes de hipóteses.
CONHECIMENTO COMPUTACIONAL NECESSÁRIO
Familiaridade com o R. Importar/exportar dados, manipular data frames, ajustar modelos estatísticos básicos e gerar gráficos simples.
REQUERIMENTOS DE EQUIPAMENTO E SOFTWARE
Um computador com o R e R Studio instalados é necessário. R e R Studio são ambos gratuitos e disponíveis para PC, Mac e Linux.
Participantes devem poder instalar softwares adicionais em seus computadores durante o curso (por favor, certifique-se de que você tem direitos de administrador em seu computador).
Um monitor grande e uma segunda tela, embora não seja absolutamente necessário, melhorará a experiência de aprendizado. Participantes também são encorajados a manter suas câmeras ligadas para aumentar a interação entre o instrutor e os demais participantes.
Participants should be able to install additional software on their own computer during the course (please make sure you have administration rights to your computer).
A large monitor and a second screen, although not absolutely necessary, could improve the learning experience. Participants are also encouraged to keep their webcam active to increase the interaction with the instructor and other students.
POR FAVOR, LEIA – POLÍTICA DE CANCELAMENTO
Cancelamentos são aceitos até 28 dias antes da data de início do curso e estão sujeitos a uma taxa de cancelamento de 25%. Cancelamentos após esse período podem ser considerados, contate oliverhooker@pr<span class=”s1″>statistics</span>.com. Falha em participar do curso resultará no custo completo do curso sendo cobrado. No evento improvável de o curso ser cancelado devido a imprevistos, um reembolso completo das taxas do curso será creditado.
Se você estiver incerto em relação à adequabilidade do curso, por favor entre em contato por email para saber mais oliverhooker@prstatistics.com
PROGRAMA DO CURSO
Terça-feira 12th
Aulas das 14:00 às 18:00 (Horário de Brasília)
DIA 1
Tópico 1: Modelos de efeitos aleatórios. A característica que define modelos mistos é o fato de que eles são “modelos de modelos”. Começaremos utilizando modelos binomiais de efeitos aleatórios para ilustrar esse conceito. Especificamente, mostramos como modelos mistos são modelos da variabilidade em modelos de diferentes clusters, ou grupos de dados.
Tópico 2: Modelo normal de efeitos aleatórios. Esses são modelos chaves para entender o modelo misto de uma maneira mais geral. Aqui, cobriremos os conceitos estatísticos de shrinkage e de correlação intraclasse.
Quarta-feira 13th
Aulas das 14:00 às 18:00 (Horário de Brasília)
Tópico 3: Modelo linear misto. Agora, cobriremos os modelos lineares mistos. Lidamos, especificamente, com os casos de interceptos e/ou coeficientes angulares aleatórios.
Tópico 4: Modelos mistos para dados com estrutura aninhada. Aqui, consideramos modelos para dados com estrutura aninhada, isto é, grupos de grupos. Como um exemplo, aplicaremos modelos mistos a dados de estudantes dentro de classes dentro de escolas, onde modelamos a variabilidade dos efeitos entre classes e entre escolas.
Tópico 5: Modelos mistos para dados com estrutura cruzada. Em alguns modelos mistos, cada observação ocorre em múltiplos grupos, que não estão aninhados. Por exemplo, animais podem ser membros de diferentes grupos taxonômicos e em diferentes locais, mas os grupos taxonômicos não são subconjuntos dos locais, ou vice-versa.
Quinta-feira 14th
Aulas das 14:00 às 18:00 (Horário de Brasília)
Tópico 6: Preditores a nível de grupo. Em alguns modelos mistos, variáveis preditoras podem estar associadas a indivíduos ou a grupos. Nesta seção, consideramos como lidar com essas duas situações.
Tópico 7: Modelos lineares generalizados mistos. Aqui, estendemos o modelo linear misto para a família exponencial de distribuições e mostramos um exemplo usando o MLG misto Poisson. Também abordamos como acomodar superdispersão por meio de efeitos aleatórios a nível individual.
Tópico 8: Modelos mistos Bayesianos. Todos os modelos considerados podem ser ajustados utilizando a abordagem Bayesiana. Aqui, fornecemos uma breve introdução a modelos Bayesianos e como ajustar os modelos mistos que consideramos durante o curso utilizando o pacote brms.
Instrutor do curso
Dr. Rafael De Andrade Moral
Rafael é Professor Associado de Estatística na Maynooth University, Irlanda. Bacharel em Biologia e Doutor em Estatística pela Universidade de São Paulo, Rafael tem interesse em ensino e pesquisa em modelagem estatística aplicada a ecologia, manejo da fauna silvestre, agricultura e ciências ambientais. Como diretor do grupo de pesquisa em ecologia teórica e estatística, Rafael reúne uma comunidade de pesquisadores que utilizam ferramentas matemáticas e estatísticas para melhor compreenderem o mundo natural. Como uma estratégia de ensino alternativa, Rafael vem produzindo vídeos musicais e paródias para promover a Estatística nas mídias sociais e na sala de aula. Sua página pessoal pode ser encontrada aqui.