Notas para el Curso deComputación Estadística

Notas para el Curso deComputación Estadística

Aplicaciòn a la detección de deficiencias nutricionales en café, incluyendo manejo del error, arquitectura de red y transformación de color RGB a CIELAB.

Aplicación de modelos estadísticos a la estimación de valores esperados, destacando la esperanza condicional, el manejo del término de error y la representación de la variabilidad en regresión lineal, modelos de Poisson y modelos alométricos de área foliar.

Aplicación del perceptrón multicapa con capa oculta a una tabla de verdad de tres entradas, incluyendo comparación de arquitecturas con una, dos y tres neuronas ocultas, explicación de la función sigmoide, retropropagación paso a paso, evaluación con matriz de confusión y métricas de clasificación, e implementación en R mediante la librería RSNNS.

Codigo en R y Shinny para calcular indices de concordancia

Codigo en R y Shinny para calcular el Prune Join Count en un patrón binario

Métodos de estandarización, escalas de medición y distancias, destacando cómo elegir transformaciones según las características de variables.

Tres casos: distribución discreta, distribución exponencial y distribución empírica (Valor esperado, varianza y convergencia por simulación)

modelos de variogramas, dependencia espacial y aplicaciones prácticas en geoestadística aplicada

Introducción clara a conceptos fundamentales de geoestadística aplicada

¿Por qué Monte Carlo y Bootstrap no siempre son suficientes?

Taller de Redes Neuronales Artificiales