Técnicas estadísticas para la investigación con R (Introducción)

Desde el Área de Estadística de la UCLM se impartirá, en las próximas semanas, un curso de 25 horas lectivas (presenciales y online) sobre Técnicas estadísticas para la investigación con R.

Las fechas de impartición son:

Campus de Albacete: 10, 11, 17 y 18 de enero de 16:00 h a 19:15 h.

Campus de Ciudad Real: 20, 27 de noviembre y 4 de diciembre de 16:30 h a 20:50 h.

Campus de Toledo: 15, 16, 22 y 23 de noviembre de 9:30 h a 12:45 h.

Más información en el siguiente enlace:

Técnicas Estadísticas para la investigación con R (Introducción)

 

Técnicas estadísticas para la investigación con SPSS (Introducción)

Desde el Área de Estadística de la UCLM se impartirá, en las próximas semanas, un curso de 25 horas lectivas (presenciales y online) sobre Técnicas estadísticas para la investigación con SPSS.

Las fechas de impartición son:

Campus de Albacete: 8, 9, 15 y 16 de enero de 16:15 h a 19:30 h.

Campus de Ciudad Real: 31 de octubre, 7, 14 y 21 de noviembre de 09:00 h a 12:15 h.

Campus de Cuenca: 10, 11 y 17 de enero de 09:00 h a 13:30 h.

Campus de Toledo: 22, 23, 29 y 30 de noviembre de 16:15 h a 19:30 h.

Más información en el siguiente enlace:

Técnicas estadísticas para la investigación con SPSS (Introducción)

Seminario Grupo OED

Con motivo de la visita del profesor Douglas Wiens, el grupo OED está organizando un seminario con distintas conferencias en Toledo el 27 de octubre.

Douglas Wiens es profesor emérito de la Universidad de Alberta, Canadá, y esta es su página web personal.

OED SEMINAR
UNIVERSITY OF CASTILLA-LA MANCHA
TOLEDO – Friday, 27th October 2017

Location:

Room 31.14
Building: 31
Campus Fábrica de Armas
Toledo

Schedule:

12:30 h.  Douglas Wiens (University of Alberta, Canadá)

Title:  Robustness of Design: A Survey

Abstract: 

When an experiment is conducted for purposes which include fitting a particular model to the data, then the ‘optimal’ experimental design is highly dependent upon the model assumptions – linearity of the response function, independence and homoscedasticity of the errors, etc. When these assumptions are violated the design can be far from optimal, and so a more robust approach is called for. We should seek a design which behaves reasonably well over a large class of plausible models.

I will review the progress which has been made on such problems, in a variety of experimental and modelling scenarios – prediction, extrapolation, discrimination, survey sampling, dose-response, machine learning, etc.

13:30 h.  Sergio Pozuelo-Campos.

Title: Optimal Experimental Design for Different Probability Distributions.

Abstract: 

In Optimal Experimental Design, we usually assume the normal distribution for the responses, hence the errors have a normal distribution.

The Central Limit Theorem ensure us that, if the ­sample size is big enough, this assumption is not a problem, but are not always able to do so. Therefore, the behaviour of the optimal experimental design is approached for others common probabiity distributions commonly used in various areas of knowledge. We compute and compare D-optimal designs for different linear and non-linear models assuming different probability distributions.

13:50 h.   Irene García-Camacha.

Title: Efficient algorithms for constructing D-optimal designs for linear and non-linear models in mixture experiments.

Abstract:

Mixture experiments analyse systems defined over a simplex-shaped experimental region. Mixture design background has mainly been based on a classical design approach. There is not much literature for mixtures in the context of optimal experimental design, specifically for non-linear models. Analytical solutions can only be found on examples where strict assumptions have to be included. They are far from realistic scenarios. In spite of this simplification, numerical methods are needed to construct optimal designs. Under this framework, it is necessary to develop general optimization techniques in order to find optimal solutions for these problems. Two efficient algorithms are proposed in this paper for computing exact D-optimal designs in order to deal with the special nature of mixture experiments. They are based on a multiplicative algorithm and a genetic algorithm. Several examples illustrate the enhanced results achieved by these new methods.

14:10 h. Conference 3

14:30 h. Finish.

El área de estadística de la UCLM participa en ESTALMAT

El proyecto Estímulo del Talento Matemático (ESTALMAT) tiene como objetivo principal reconocer a los jóvenes que tienen inquietudes matemáticas y potenciarlas a través de diferentes sesiones donde el razonamiento lógico es indispensable.

En este bonito proyecto participa directamente el Área de Estadística de la UCLM a través de varios de sus miembros.

Si quieres conocer más sobre él, puedes visitar la siguiente página web:
http://www.estalmat.org