วีดีโอ

Gracias por tu comentario. En el sitio web: sites.google.com/view/pablo-inchausti/iniciostart encontrarás los scripts y datos para hacer los análisis (en R; R-Studio es sólo una interfase gráfica) de datos mostrados en los videos de este canal. Saludos

En estadística bayesiana se asocia una distr de probabilidades a cada parámetro del modelo estadístico que refleja nuestra incertidumbre/grado de conocimiento acerca de los valores de cada parámetro. Lo que no hay en estadística bayesiana son los llamados efectos fijos en estadistcia frecuentista. En estadística bayesiana hay parámetros con "efectos poblacionales" (equivalentes a los efectos fijos frecuentistas) que reflejan las relaciones para todo el set de datos. Hay tambien "efectos de grupo" (equivalentes a los efectso aleatorios frecuentistas) que denotan cómo y cuánto difiere los parámetros de cada grupo de (tecnicamente, las distribuciones posteriores de) los efectos poblacionales. Las definiciones de los parametros con efectos poblacionales y de grupo bayesianas son, a diferencia de los efectos fijos y aleatorios frecuentistas, coherentes y consistentes, ya que todo parámetro tiene asociado una distr de probabilidades. Espero que esto ayude, Saludos

Glad you enjoyed it!

Me alegro que hayan sido útiles. Saludos

Hola, Gracias por tus comentarios. En mi sitio web: sites.google.com/view/pablo-inchausti/iniciostart puedes encontrar los datos y scripts empleados para estos videos. Hay muchos libros de estadístcia posibles, entre ellos Fox (2015), Faraway (2016) Dunn & Smyth (2018) y hasta uno mío (2023) que podrías encontrar en el sitio lib.gen.... que creo todos conocemos. Saludos,

Thanks. I have been meaning to generate these screencasts for a while, but it is only now that I have managed to find the time to do it. I hope that there are useful. Cheers Pablo

Hola El valor numérico de AIC o BIC es completamente irrelevante, pudiendo ser negativo. Lo que importa son las diferencias de AIC/BIC entre modelos ajustados a los mismos datos a fin de hacer selección de modelos, si es que eso es lo que estás tratando de hacer. Saludos

Hola, El práctico 07 no existe porque yo me equivoqué enumerando las clases y por ende los videos. Pero el curso está completo. Saludos

Hay decenas de libros sobre GLM. Puedes ver alguno de los títulos si pones "generalized linear models" + books" en el buscador de Google. Hasta yo mismo publiqué un libro que los contiene....

Trato de hacer los cursos y escribir los libros que me hubiera gustado recibir en la Universidad. Me alegro que te haya sido útil.

Muchas gracias. Me alegro que te haya gustado. Saludos

Hola, sugiero que busques en mi sitio web: sites.google.com/view/pablo-inchausti/ donde deberías encontrar la infotmación que solicitas. Saludos

De nada. Me alegro que te haya sido de utilidad. Saludos

Me alegro que te haya sido útil. Saludos

En estadística frecuentista o clásica (en la que se enmarca este video), el p-valor es el método aceptado para calificar el impacto de las variables a través de la significancia estadística de los parámetros del modelo. Este criterio ha sido, es, y será discutido y discutible. Entre otros muchos defectos o limitaciones, el p-valor es muy dependiente del tamaño de muestra: por ej. con n=1000, la pendiente de una regresión simple con R2=0.10 será casi seguramente estadísticamente significativa, pero el modelo será cercano a inútil. Hay otros citreios basados en la magnitud de efecto que no están relacionados con la significancia estadística. En las tablas ANOVA se hacen teste secuenciales de acuerdo al orden de entrada de las variables en el modelo, y se comparan las deviancias de pares de modelos, uno con X1 y otro con X1 y X2. Esta comparación se hace con el test (LRT) de Wilks y se evalúa la signficancia estadístcia de las diferencias de deviancias entre 2 modelos. Saludos,

Me alegro mucho. Saludos

Hola, No entiendo cuá es la duda o problem al que haces alusión. Saludos,

@@PabloIEstadistica perdón, es que no me sale la grafica de la visualización de los resultados

Hola, puedes encontrar pdf, scripts R y los datos de cursos que dicto en sites.google.com/view/pablo-inchausti/iniciostart. donde encontrarás tambien la clase sobre modelo lineal mixto. Saludos

Realmente hay una multitud de libros de estadística que explican modelos mixtos. Solo hacer una búsqueda en internet te proporcionará una muy larga lista. Entre ellos: Fox (2015, Applied Regression Analysis and Generalized Linear Models), Faraway(2016; Extending the linear model with R_ generalized linear, mixed effects and nonparametric regression models), Gałecki & Burzykowski (2005; Linear Mixed-Effects Models Using R A Step-by-Step Approach) y hasta uno mío (Inchausti 2023, Statistical modeling with R: a dual frequentist and Bayesian approach for life sciences),

Hola, Para enviar los códigos, necesitaría un email. El mío es: pablo.inchausti.f@gmail.com. De todas maneras, indico que en mi sitio web sites.google.com/view/pablo-inchausti/iniciostart se encuentran los pdf, scripts R y datos de cursos donde podrá encontrar lo que menciona. Me alegro estos videos que hayan sido útiles. Saludos

muchísimas gracias! @@PabloIEstadistica

Hola, Puedes encontrar diapos de casi todos los cursos que dictas en mi sitio web: sites.google.com/view/pablo-inchausti/iniciostart. A mi entender no existe la "estadística bayesiana/frecuentista para la biología marina" o terrestre o estuarina, ni para la mineralogía o micro-electrónica. Solo existe la estadística, y los sustantivos y adjetivos adicionales son solo para llamar la atención de un posible público objetivo. En mi país simplemente no existe la ecología marina y (casi) nadie conoce la estadística bayesiana, así que no hay chance de generar un curso de estadística bayesiana marina. Saludos

@@PabloIEstadistica De acuerdo, muchas gracias por su respuesta, seguiré investigando y no dude que veré sus cursos.

Hola Para ello precisaría un email. Puse el mío en la descripción del canal. Saludos

Me alegro que haya sido útil. Saludos

Hola, fue simpemente un problema de numeración. Las clases están completas. Saludos

Hola, vuelvo a mi oficina luego de un mes de vacaciones. La respuesta a tu pregunta es sí y se hace por las mismas razones que con un ANOVa cuando Y~Normal: para minimizar el riesgo de un detectar como significativa una comparación que no lo es. Puedes hacer esas comparaciones usando por ejemplo el paquete multcomp, o también emmeans. Saludos

Me alegro que el video haya sido útil. Saludos,

Gracias, me alegro que haya sido útil. Saludos

Gracias por tu comentario. Saludos

Hola, para compartir la base de datos, tendría que tener un email a donde enviarla. Saludos

Hola Muchas gracias por tu comentario. Saludos

Hola No estoy seguro de entender la pregunta. No empleé ninguna referenia bibliográfica particular para elaborar esta clase. Los diseños son los mismos en cualquier área de investigación, Saludos

Gracias. La variabilidad entre escuelas es precisamente lo que es cuantificado por la varianza de los interceptos aleatorios. Saludos

Hola Gracias por tus comentarios. Te prometo examinar apenas pueda (ahora estoy complicado con asuntos personales) este aspecto que señalas y enviarte un comentario por este medio. Saludos

Hola, me alegro que sean útiles. Saludos

Gracias por tus comentarios. Me refiero al articulo de Aho et al (2014) Model selection for ecologists: the worldviews of AIC and BIC Ecology 95: 631-636 y al libro de Aho (2017) Foundational and Applied Statistics for Biologists Using R. CRC Press Chapman & Hall, Saludos

Gracias

Hola, el mesnaje que recibiste indica que ggpredict detectó que la variable de respuesta era log(Y) -- en lugar de Y -- y que por ende hizo la transformación inversa de las predicciones para generar el datafra,me de los valores predichos y sus IC95%. Todo correcto. Saludos

Aquí estarán. Saludos

Hola, No hay ninguna necesidad del "maestro" pero lo agradezco. No es necesaria la "disciplina metódica" sino entender las bases de cómo razonar en estadística para tener una comprensión coherente que te ayude a aprender y hacer solo correctamente (o al menos razonablemente) los análisis. Saludos

De nada. Yo también tuve que reaprender y borrar mucho conocimiento inútil y fragmentado que adquirí en cursos antedeluvianos de estadística. Nada de todo esto es nuevo (el 1er paper de GLM es de 1972), solo que la educación universitaria es generalmente reaccionaria o muy conservadora. Saludos,

No tengo idea de qué pasó en este video. Lo lamento. Tengo pendiente hacer un video exclusivo sobre los CART cuando tenfa tiempo. Saludos,

Muchísimas gracias por tus amables comentarios. Me alegro que mis videos sean de utilidad. Los hice en desesperación durante la pandemia y no encontré otra forma de compartirlos que a través de este medio. Saludos.

Gracias. Bayes nunca publicó ningún libro y el paper por el cual se hizo famoso fue publicado en forma póstuma por su amigo el también reverendo Richard Price. No es muy claro cuánto de este paper es de Bayes o de Price. Luego de llegar a la misma conclusión sin haber conocido el paper de Bayes, Laplace luego reconoció la primacía de este último. La forma en que hoy empleamos la regla de Bayes se debe sin embargo a la formulación de Laplace. Saludos

@@PabloIEstadistica muchas gracias profesor por la corrección. Entiendo además que la intención era contradecir a Hume, tanto respecto de Dios cómo de los milagros. Actualmente, estoy intentando implementar probabilidades en la carrera de Derecho

En efecto, Hume hablaba de lo improbable que son definir los milagros en base a la evidencia y el (luego) paper de Bayes trató de argumentar a favor de la ocurrencia de estos eventos. El libro de Weisberg (2014) Willful Ignorance The Mismeasure of Uncertainty es una excelente referencia sin entrar en los detalles más matemáticos. Saludos

@@PabloIEstadistica fantástico, lo busco ya mismo, muchas gracias por la recomendación!!!

Gracias. Saludos

Me alegro que haya sido útil. Saludos,

La recomendacion de Dick (2004) sobre usar el valor de CV para decidir entre las dis Gama y Lognormal es realmente muy aproximado y discutible. Yo he encontrado más últil y fiable usar los graficos de las Dist acumuladas y el qqplot producidos por la librería fitdistrplus para decidir cuál de estas dos distribuciones es mejor candidata para formular el modelo estadístico. Saludos

@@PabloIEstadistica Buenísmo Pablo, gracias! Si, respecto a los gráficos tengo dudas porque mi variable es continua (con pocos datos, sólo 61) y los analizo en función de un factor con varios niveles. En fin, creo que mi dificultad se asocia a los pocos datos con los que cuento.

No, ya que la distr Gama solo está definida para valores reales estrictamente positivos (excluye el cero). Saludos

@@PabloIEstadistica Muchas gracias

No, el AUC o todo criterio similar al R2 o % de deviancia explicado NO debe ser utilizado como criterio de selección de modelos porque no penalizan a los modelos por su complejidad (medida a través del número de parámetros), lo que nos llevaría a seleccionar modelos estadísticos con un número creciente de términos irrelevantes. Es por ello que se crearon métricos de selección de modelos como el AIC.

@@PabloIEstadistica Muchas gracias por la aclaracion

Formlamnente hablando, el único requisito general de todas las funciones de enlance es que sean monotónicas. Hay funciones de enlace "canónicas" deducidas a partir de la rlación entre la fórmula de la familia exponencial de distribuciones y cada función de distr de probabilidades aplicables a cada tipo de dato. Así, la función de enlace logit y log son las "funciones de enlace canónicas" para datos binarios y de conteos y que son usadas por defecto en R. Dicho esto, existen otras funciones de enlace potencialmente utilizables para cada tipo de var de respuesta, pero en la realidad casi nadie las usa y prudcen paámetros estiamdos con en general una diferencia mínima con respecto a los obtenidos con las "funciones de enlace canónicas" .

Gracias. Me alegro que haya sido de utilidad. Saludos

Si, en forma general, todos los métodos de ajuste del nivel de significancia dependen del número de comparaciones a realizar. La forma de esta dependencia varía según el método de ajuste (Bonferroni -- el más severo--, Duncan, FDR, etc etc etc) y hay que ver los detalles. Hasta donde investigué el FDR es uno de los métodos que reduce lo menos posble el nivel de significancia de cada comparación manteniendo cerca de 0.05 el nivel de significancia del set de comparaciones. No obstante, hay un desacuerdo importante en estadística acerca de dos puntos claves: la necesidad de hacer las correcciones del nivel de significancia, y de declarar de antemano el número de contrastes a efectuar (en lugar de lejarlo al libre albedrío). Este es un tema que cre no tiene aún una solución. Saludos.