Modelos y Datos en Ecología
Bariloche 6 al 10 de Diciembre del 2021
Lima, 4 al 8 de Marzo del 2019
Bariloche, 19 al 23 de Junio del 2017
Iguazú, 23, 24 (medio día), 26, 27 y 28 de Septiembre del 2016
Bariloche, 28 de Septiembre al 2 de Octubre del 2015
Bariloche, 27 al 31 de Octubre del 2014
Oaxaca, 29 de Septiembre al 3 de Octubre del 2014
Bariloche, 11 al 15 de Noviembre del 2013
Salta, 4 al 11 de Diciembre del 2012
Syracuse, May 29th - June 2nd 2012
Bariloche, 21 al 25 de Noviembre del 2011
Bariloche, 27 de Septiembre al 1 de Octubre del 2010
Puerto Madryn, 21 al 25 de Septiembre del 2009
Glasgow, May 2008
Tucumán, Agosto 2007
Consultas: modelosydatos@gmail.com
El curso es una introducción al uso de modelos como herramienta para comprender y predecir procesos ecológicos. El objetivo principal es exponer técnicas para ajustar modelos a datos y comparar la “utilidad” de modelos alternativos. El énfasis es en análisis Bayesianos Jerárquicos ajustados con métodos de Cadenas Markovianas y Monte Carlo (MCMC).
El curso está formulado pensando en estudiantes de grado y postgrado a los cuales se los pueda convencer de dedicar buena parte de los próximos años a convertirse en ecólogos cuantitativos. Otros beneficiarios serían aquellos que quieran ilustrarse sobre cosas como MCMC, análisis Bayesianos Jerárquicos, Gibbs sampler, Teorema Central del Límite, etc., de manera que cuando las vean en algún otro lado sientan que saben de lo que se está hablando.
Cuando conocemos nuestro sistema de estudio podemos formular descripciones de los procesos ecológicos que nos interesan. Estas descripciones traducidas en modelos y teorías exigen ser puestas a prueba de forma más detallada que con simples correlaciones o tests que apuntan a rechazar hipótesis de no-efecto. En el curso veremos las herramientas fundamentales necesarias para formular modelos relativamente simples para los que podamos usar nuestros datos a fines de ajustar parámetros, decidir entre modelos (hipótesis) alternativos y eventualmente generar nuevos modelos y predicciones. Estos modelos pueden ser fenomenológicos o mecanísticos, o encontrarse a mitad de camino, pero en cualquier caso incluirán (1) describir matemáticamente el comportamiento esperado del sistema bajo condiciones definidas, (2) identificar y modelar las fuentes de variabilidad en los datos (errores de medición, variabilidad propia del proceso de interés y variabilidad atribuible al ambiente) y (3) actualizar los parámetros propios de (1) y (2) a partir de nuestros datos y usando la infinita paciencia de las computadoras. De esta manera podemos responder preguntas y poner a prueba objetivamente nuestras ideas sobre el funcionamiento de la naturaleza.
La modalidad del curso es teórico-práctica. Las prácticas harán uso de R, JAGS y Stan.
Juan Manuel Morales (jm.morales at conicet.gov.ar)