Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 19 vistas

    Análisis de Datos Ecológicos en R: July 2022

    Cargado por

    cdpconsultoriaambiental
    Este libro enseña técnicas de análisis de datos ecológicos en R. Cubre temas como modelos lineales, modelos lineales generalizados, modelos aditivos generalizados, árboles de regresión y clasificación, y modelos mixtos. Está dirigido a estudiantes e investigadores de ciencias naturales.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Análisis de Datos Ecológicos en R: July 2022

    Cargado por

    cdpconsultoriaambiental
    19 vistas6 páginas
    Este libro enseña técnicas de análisis de datos ecológicos en R. Cubre temas como modelos lineales, modelos lineales generalizados, modelos aditivos generalizados, árboles de regresión y clasificación, y modelos mixtos. Está dirigido a estudiantes e investigadores de ciencias naturales.

    Título original

    9788484768333

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este libro enseña técnicas de análisis de datos ecológicos en R. Cubre temas como modelos lineales, modelos lineales generalizados, modelos aditivos generalizados, árboles de regresión y clasificación, y modelos mixtos. Está dirigido a estudiantes e investigadores de ciencias naturales.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    19 vistas6 páginas

    Análisis de Datos Ecológicos en R: July 2022

    Cargado por

    cdpconsultoriaambiental
    Este libro enseña técnicas de análisis de datos ecológicos en R. Cubre temas como modelos lineales, modelos lineales generalizados, modelos aditivos generalizados, árboles de regresión y clasificación, y modelos mixtos. Está dirigido a estudiantes e investigadores de ciencias naturales.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 6

    See discussions, stats, and author profiles for this publication at: https://www.researchgate.

    net/publication/362069493

    Análisis de datos ecológicos en R

    Book · July 2022

    CITATIONS READS

    6 3,973

    2 authors:

    Luis Cayuela Marcelino de la Cruz


    King Juan Carlos University King Juan Carlos University
    148 PUBLICATIONS 6,033 CITATIONS 277 PUBLICATIONS 2,298 CITATIONS

    SEE PROFILE SEE PROFILE

    All content following this page was uploaded by Marcelino de la Cruz on 18 July 2022.

    The user has requested enhancement of the downloaded file.


    Análisis ecológicos con R
    Editorial: Mundiprensa
    Autor: LUIS CAYUELA DELGADO,
    MARCELINO DE LA CRUZ ROT
    Clasificación: Universidad > Estadística
    Tamaño: 17 x 24 cm.
    Páginas: 356
    ISBN 13: 9788484768333
    ISBN 10: 8484768333
    Precio sin IVA: 26,92 Eur
    Precio con IVA: 28,00 Eur
    Fecha publicacion: 13/07/2022

    Sinopsis

    Los datos biológicos nos cuentan una gran cantidad de cosas sobre el mundo que nos rodea, y nos permite
    entender, por ejemplo, cómo se estructura la diversidad biológica, qué procesos condicionan la formación de
    comunidades biológicas o cómo diferentes impactos humanos afectan a cualquiera de los niveles de
    organización biológica. Este libro nos enseña a descifrar las historias que hay detrás de los datos.
    ¿Para quién es este libro? El libro va dirigido a estudiantes, profesores e investigadores del ámbito de las
    ciencias naturales que deseen iniciarse en el mundo de la investigación, entender en profundidad algunas de
    las principales técnicas de análisis de datos utilizadas en el ámbito de la ecología, o conocer la implementación
    de dichas técnicas en R, uno de los lenguajes de programación más utilizados en investigación científica.
    El libro se construye sobre múltiples ejemplos y casos de estudio, para que el lector o lectora pueda ir
    entendiendo los conceptos a través de la práctica. Parte de conceptos muy básicos, tanto de programación en
    R como de estadística, para ir avanzando a través de algunas de las técnicas de análisis de datos más
    frecuentemente utilizadas en el ámbito de la ecología, incluyendo los modelos lineales, los modelos lineales
    generalizados, los modelos aditivos generalizados, los árboles de regresión y clasificación y los modelos
    mixtos.
    Los autores del libro son profesores de Ecología y Botánica en la Universidad Rey Juan Carlos y han impartido
    multitud de cursos de estadística aplicada y análisis de datos en ecología en diferentes instituciones nacionales
    e internacionales. Luis Cayuela investiga los mecanismos ecológicos y biogeográficos que generan los
    patrones de diversidad en bosques tropicales. Marcelino de la Cruz está especializado en ecología espacial y
    conservación vegetal. Muchas de las herramientas que han desarrollado durante su investigación están
    publicadas en forma de paquetes de R en el repositorio oficial.
    Indice

    1. Una introduccion a R
    1.1. ¿Cóomo instalar R?
    1.1.1. CRAN y paquetes
    1.2. La sintaxis de R
    1.3. Tipos de objetos en R y la funcion str()
    1.3.1. Vectores y matrices
    1.3.2. Tablas de datos
    1.3.3. Listas
    1.3.4. Funciones
    1.3.5. Otros tipos de objetos
    1.4. El menú de ayuda: aprendiendo a ser autosuficientes
    1.5. Recomendaciones para organizar una sesion de trabajo
    1.6. R-Commander
    1.7. Cómo leer datos en R
    1.8. Funciones básicas para la manipulación de datos
    1.8.1. Crear subconjuntos de datos
    1.8.2. Fusionar tablas de datos
    1.8.3. Aplicar funciones sobre subconjuntos de nuestros datos
    1.9. Cómo repetir un procedimiento con el comando for()
    1.10. Citando R en los trabajos científicos

    2. Analisis exploratorio y representación gráfica de datos


    2.1. Una introducción a los gráficos con R
    2.1.1. El sistema de gráficos en R
    2.1.2. Formatos básicos de gráficos
    2.1.3. Dispositivos gráficos
    2.1.4. Representación de gráficos múltiples
    2.1.5. Funciones gráficas de bajo nivel
    2.2. Ejemplos de análisis exploratorio
    2.2.1. Datos continuos univariados: distribuciones de frecuencias
    2.2.2. Datos continuos bivariados: examinando relaciones entre variables
    2.2.3. Extensión de técnicas bivariadas a datos multivariados
    2.2.4. Datos cuantitativos agrupados y datos cualitativos
    2.3. Gráficos condicionados del paquete lattice
    2.4. Otras soluciones gráficas: ggplot2

    3. Conceptos baáicos de estadística


    3.1. Estadística descriptiva
    3.1.1. La distribución normal
    3.2. Estadística inferencial
    3.2.1. Introducción al contraste de hipótesis
    3.2.2. Errores estadísticos en el contraste de hipótesis
    3.2.3. Pruebas estadísticas sencillas para datos cuantitativos
    3.2.4. Correlación

    4. Introducción a los modelos lineales: regresión


    4.1. Organizando el flujo de trabajo para el análisis de datos con modelos lineales
    4.2. Regresión simple
    4.2.1. Fundamentos teoóicos del modelo de regresión
    4.2.2. Cómo ajustar un modelo lineal en R
    4.2.3. Contraste de hipótesis y variación explicada por el modelo
    4.2.4. Interpretación del modelo
    4.2.5. Revisión de los supuestos del modelo
    4.3. Regresión múltiple
    4.3.1. Ajuste del modelo
    4.3.2. Contraste de hipótesis y variación explicada por el modelo
    4.3.3. Interpretación y representación gráfica del modelo ajustado
    4.3.4. Coeficientes de regresión estandarizados
    4.3.5. Multicolinealidad
    4.4. Regresión de tipo I y de tipo II

    5. Modelos factoriales: análisis de la varianza (ANOVA) y de la covarianza (ANCOVA)


    5.1. Anaáisis de la varianza (ANOVA)
    5.1.1. Test post hoc y comparaciones múltiples
    5.1.2. Evaluación de los supuestos del modelo
    5.1.3. Cambio del nivel de referencia en los contrastes de los niveles del factor
    5.2. Análisis de la covarianza (ANCOVA)
    5.2.1. Homogeneidad de pendientes
    5.2.2. ¿Qué ocurre si la interacción es significativa?
    5.3. Otros modelos factoriales
    5.3.1. Interacción entre factores
    5.3.2. ¿La colinealidad tiene sentido cuando las variables explicativas son categóricas?
    5.3.3. Sumas de cuadrados en modelos factoriales ¿cuál es más conveniente?

    6. Introducción a los modelos lineales generalizados (GLM)


    6.1. Estructura de los GLM
    6.1.1. El predictor lineal
    6.1.2. La función de vínculo
    6.1.3. La componente aleatoria
    6.1.4. Relación entre el modelo lineal y el GLM
    6.2. La función glm()
    6.3. Estimación de parámetros por máxima verosimilitud
    6.3.1. Devianza residual y devianza explicada

    7. GLM para variables respuesta de tipo conteo


    7.1. GLM con distribuciones de errores Poisson
    7.1.1. Análisis exploratorio y ajuste del modelo
    7.1.2. Inferencia en GLM: resolviendo hipótesis sobre causalidad
    7.1.3. Interpretación del modelo
    7.1.4. Revisión de los supuestos del modelo e idoneidad de la familia de distribución de errores
    7.2. GLM con distribución de errores binomial negativa

    8. GLM con distribuciones de errores binomiales


    8.1. GLM de respuesta binaria
    8.1.1. Presentación del caso de estudio: estrategia reproductora de una especie de alga invasora
    8.1.2. Analisis exploratorio y ajuste del modelo
    8.1.3. Resolución de hipótesis
    8.1.4. Interpretación del modelo
    8.1.5. Revisión de los supuestos del modelo
    8.2. GLM de respuesta de tipo proporción
    8.2.1. Presentación del caso de estudio: ¿cuáles son las mejores condiciones de germinación para el ailanto?
    8.2.2. Análisis exploratorio y ajuste del modelo
    8.2.3. Resolución de hipótesis
    8.2.4. Interpretación del modelo
    8.2.5. Revisioó de los supuestos del modelo

    9. Extensiones de la regresión
    9.1. Modelos polinómicos
    9.2. Modelos aditivos generalizados (GAM)
    9.2.1. ¿En qué consiste el suavizado?
    9.2.2. El modelo aditivo generalizado (GAM)
    9.2.3. Funciones para ajustar un GAM en R
    9.2.4. Evaluación del modelo
    9.3. Árboles de regresión y de clasificación (CART)
    9.3.1. El paquete rpart
    9.3.2. Alternativas a los árboles de regresión y clasificación

    10. Introducción a los modelos mixtos


    10.1. ¿Efecto fijo o aleatorio?
    10.2. Modelos mixtos en R: los paquetes nlme y lme4
    10.2.1. La función lme()
    10.2.2. La función lmer()
    10.3. Entendiendo los modelos mixtos
    10.3.1. Un ejemplo con bentos marino
    10.3.2. Una aproximación al análisis de los datos con modelos lineales
    10.3.3. Reanalizando los datos con modelos lineales mixtos
    10.4. Inferencia con modelos mixtos
    10.4.1. Test de la F
    10.4.2. Test de hipótesis para modelos anidados (likelihood ratio test)
    10.4.3. Comparación de modelos con AIC
    10.5. Análisis de los residuos
    10.6. Estimando componentes de la varianza en modelos mixtos
    10.7. Modelos lineales generalizados mixtos (GLMM)
    10.8. Otras funciones para ajustar modelos mixtos en R
    10.9. Evitando problemas de ajuste
    Apéndice: paquetes de R
    Referencias
    Índice alfabético

    Ediciones Paraninfo S.A. Calle José Abascal 41, Oficina 701. 28003 Madrid (España)
    Tel. (+34) 914 463 350 Fax (+34) 91 445 62 18
    [email protected] www.paraninfo.es

    View publication stats

    También podría gustarte