CURSOS
 

¿Por qué aprender R?

• R es un software de estadística libre y uno de los lenguajes más populares para gestionar, visualizar y analizar datos
• R está en constante actualización y puede remplazar la combinación de varios programas de análisis de datos
• Los gráficos de R son de gran calidad

¿Qué serás capaz después de realizar este curso?

En este curso aprenderás a:

• Manejar los comandos básicos de R
• Operar con objetos de R tales como vectores, matrices, bases de datos, listas, funciones y gráficos
• Usar paquetes en R
• Gestionar y preparar mejor tus datos antes de llevar a cabo un análisis estadístico
• Desarrollar recursos para ganar confianza y continuar aprendiendo R por ti mismo

*El curso incluye sesiones de trabajo online para practicar en grupos pequeños con el instructor.  

*Este curso no asume conocimientos previos.

Horarios de prácticas: Martes 20 de octubre (seleccionar en la inscripción)

• Opción 1: 9:00 a 11:30 
• Opción 2: 15:00 a 17:30 
• Opción 3: 18:00 a 20:30 

*Plazas limitadas en cada horario
 

¿Por qué es importante aprender a diseñar un experimento?

• El diseño del experimento es clave en la obtención de datos de calidad que nos permitan dar respuesta a aquello que queremos resolver
• Entender el diseño experimental es fundamental a la hora de llevar a cabo el análisis estadístico de los datos
• Puede que ya estés realizando experimentos y te preguntes cuál es la mejor manera de llevarlos a cabo

¿Qué serás capaz después de realizar este curso?

En este curso aprenderás a:

• Familiarizarte con los conceptos básicos de diseño de experimentos
• Usar R y otros paquetes relevantes para diseñar experimentos agrícolas
• Identificar las características de los principales diseños en agronomía: diseño totalmente aleatorizado, diseño en bloques completos aleatorizados, cuadrado latino, diseño factorial y diseño en parcelas divididas
• Identificar el motivo por el cual un experimento se llevó a cabo de una manera determinada

*El curso incluye sesiones de trabajo online para practicar en grupos pequeños con el instructor.   

* Este curso asume conocimientos básicos de R.

Horarios de prácticas: Jueves 22 de octubre (seleccionar en la inscripción)

• Opción 1: 9:00 a 11:30 
• Opción 2: 15:00 a 17:30 
• Opción 3: 18:00 a 20:30 

*Plazas limitadas en cada horario
 

Has diseñado y llevado a cabo tu experimento ¿y ahora qué? ¿Por qué realizar este curso?

• Es importante entender cómo el diseño del experimento se relaciona con su análisis
• Este curso revisaremos conceptos básicos de estadística, pero siempre bajo el prisma de la aplicación de estos conceptos a experimentos en el área de agronomía
• Aprenderemos a modelizar las tendencias espaciales presentes en muchos experimentos agrícolas

¿Qué serás capaz después de realizar este curso?

En este curso aprenderás a:

• Familiarizarte con los conceptos básicos del análisis de experimentos agrícolas, incluyendo ANOVA, modelos lineales mixtos y modelización espacial
• Llevar a cabo los análisis de los diseños estudiados en el curso “Planeando y diseñando un experimento agrícola” con la función estándar aov y la función asreml del paquete ASREML-R* identificar el modelo correcto
• Interpretar los resultados obtenidos
• Ganar confianza a la hora de analizar tus datos

El curso incluye sesiones de trabajo online para practicar en grupos pequeños con el instructor.  

Este curso asume conocimientos básicos de R y de diseño de experimentos.

*ASREML-R es un paquete de estadística muy potente especialmente diseñado para ajustar modelos lineales mixtos complejos en el entorno de R.  En el curso se proporcionará una licencia temporal.  Puede consultarse más información en:  https://www.vsni.co.uk/software/asreml-r

Horarios de prácticas: Miércoles 28 y Jueves 29 de octubre (seleccionar en la inscripción)

• Opción 1: 9:00 a 11:30 
• Opción 2: 15:00 a 17:30 
• Opción 3: 18:00 a 20:30 

*Plazas limitadas en cada horario

Si se desea atender todos los cursos se recomienda seguir el orden propuesto. También existe la opción de llevar a cabo cada curso por separado, para ello es conveniente tener los conocimientos previos requeridos para cada curso.