Modelo Aditivo Generalizado (GAM)

[@MTBsantamarta]

Excelente explicación. Gracias Pablo

[@PabloIEstadistica]

De nada. Me alegro que te haya servido. Saludos

[@andresfelipeestradarodrigu301]

Necesitaba este canal en mi vidaaaaaa. *_____* GRACIAS!

[@PabloIEstadistica]

De nada. Saludos

[@PaolaCarx]

Muy buena explicación! Gracias por compartir tus conocimientos!!!!

[@PabloIEstadistica]

De nada. Espero haya sido útil. Saludos

[@franklingarciafernandez5387]

Gracias

[@PabloIEstadistica]

De nada. Saludos

[@eduardomaviltrujillo9381]

Buenas noches ¿Una disculpa tendrá el link de su base de datos para poder seguir su ejercicio?

[@PabloIEstadistica]

Hola, No tengo un link al archivo de datos para enviarte, pero puedes encontrar scripts y datos de GAMs en un curso que dicto y, que está en mi página web: sites.google.com/view/pablo-inchausti/cursosteaching/métodos-estadísticos-avanzados-en-ecología-y-evolución . No recuerdo ahora si son los mismos datos analizados en este video. Espero qu.e esto te ayude. Saliudos

[@cristianrperdomogarcia5745]

Saludos que buen video. Es posible uno explique un poco más las bases posibles a utilizar. Siempre me ha surgido la duda si es posible hacer diferencias entre los predicho a Modo de estimar una magnitud de significaría.

[@PabloIEstadistica]

Diferentes paquetes (i.e. mgcv, GAM, etc) que ajustan GAMs utilizan diferentes bases para ajustar las relaciones no lineales entre parámetros de la funcion de prob. de la var de respuesta y las variables explicativas. Yo solo pretendí explicar las bases de los GAM usando un ejemplo de cubic splines, es decir polinómios cúbicos ajuistados a pedazos del plano par(Y) vs X y luego suavizados por un spline.Creo que con entender esta base simple de funciones (que funciona muy bien para muchos casos) se puede entender otras bases empleadas por otros paquetes. Cuando uno va a los detalles, la matemática detrás de los GAMs no es simple. Los GAMs mixtos distan de ser simples, al menos para mí. Yo entiendo claramente GAMs con interceptos aleatorios, pero GAMs con pendientes aleatorias y con otras relaciones no lineales en los efectos aleatorios distan de tener una interpretación simple para mi, al menos. Considero que hay que tener muchos datos y muy, pero muy buenas razones para llegar a estos niveles de complejidad estadística y, sobre todo, no caer en la tentación de hacer análisis complicados que "esten de moda" como forma de sobre-vender datos que en el fondo son simples o encubrir la carencia de hipótesis cientificas formuladas antes de comenzar a analizar los datos.

[@cristianrperdomogarcia5745]

@@PabloIEstadistica muchas gracias por su respuesta. En ese mismo sentido estoy abordando la parte matemática de los mismos para entender un poco más y no caer y la mala interpretación.

[@cristianrperdomogarcia5745]

Yo se que no es tema de este video. Pero en el de modelos mixtos II menciono que no podría utilizar AIC si se difiere en la parte aleatoria y me causó bastante duda. Podría recomendarme un libro o artuculo en el cual pueda ver más en detalle esta parte.

[@cristianv.977]

Ojo con el audio profesor, es bastante molesto los cortes!

[@PabloIEstadistica]

No conseguí eliminar el ruido editando el audio, así que eliminé el video y lo tendré que producir de nuevo.Saludos