Modelos y Datos en Ecología

  • Bariloche, 19 al 23 de Junio del 2017 [link]
  • 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 y WinBUGS/Jags.