COMPARACIÓN DE CURVAS DE CRECIMIENTO EN TRES CLONES DE CHOPO
|
|
- Gerardo Hernández Miranda
- hace 7 años
- Vistas:
Transcripción
1 7 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 003 COMPARACIÓN DE CURVAS DE CRECIMIENTO EN TRES CLONES DE CHOPO F. Rodríguez, R. Blanco Departamento de Producción Vegetal y Ciencia Forestal Universidad de Lleida, 5198 Lleida, España francisco.rodriguez@pvcf.udl.es rblanco@pvcf.udl.es RESUMEN En el presente trabajo se ajustan tres curvas de crecimiento diametral según un modelo no lineal descrito por Richards (1969) para tres clones de chopo (populus x euramericana) ampliamente utilizados en el valle del Cinca (Huesca). En dicho modelo cada parámetro tiene significado biológico, por lo que posteriormente se comparan los modelos con el propósito de conocer los patrones de crecimiento de cada uno de ellos y sus diferencias. Palabras y frases clave: modelización, chopo, curva de crecimiento, regresión no lineal Clasificación AMS: 6P30 ; 6J0. 1. Introducción El cultivo del chopo ha tomado en los últimos años una notable importancia en todo el Estado Español, aumentando año tras año la superficie que se dedica. Según datos del Ministerio de Agricultura (Padró, 199) el sector de la populicultura intensiva abarca alrededor de ha distribuidas principalmente en la Cuenca del Duero, la Vega de Granada y la Cuenca del Ebro. Definiremos curva de crecimiento como aquella que relaciona la edad con el diámetro a la altura del pecho (DAP) medio de una chopera (Padró 198). El disponer de unas curvas de crecimiento nos permite conocer la clase de productividad que le corresponde a una chopera conociendo su DAP a cualquier edad y extrapolar, con una base científica, la producción futura de una chopera y elegir la edad de corta para cada chopera en función de su productividad. 1
2 En el presente trabajo se pretende elaborar la curva de crecimiento de tres clones ampliamente utilizados en el valle del Cinca (Huesca) con el propósito de conocer los patrones de crecimiento de cada uno de ellos y sus diferencias.. Materiales y métodos.1 Zona de estudio La zona de estudio comprende el valle de Cinca, en la provincia de Huesca, con coordenadas 0º 7.5 de longitud y 41º 44.5 de latitud, presentando una altitud media de 188 m.s.n.m. Los suelos son de tipo aluvial, situados en ambas márgenes del río Cinca, formados principalmente por gravas con abundantes elementos gruesos a poca profundidad donde el nivel freático se encuentra sobre los m de profundidad. La gestión silvícola en la zona se concreta en plantaciones con planta de 1 año de tallo y de raíz (R 1 T 1 ), a marco real 6 x 6 m, sometidas a laboreo superficial anual durante los primeros años y periódicos los años posteriores, riego a manta cada 15 días durante los meses de estío y en dosis de unos.000 m 3 de agua por hectárea (se suministran en total cerca de m 3 anuales), y con podas de guiado y de limpieza de fuste. Ajuste de las curvas de crecimiento Los tomaron 3356 (839 parcelas x 4 árboles por parcela) pares de datos (Edad-DAP) en distintas choperas de la zona y sobre los tres clones analizados (Luisa Avanzo, MC e I- 14), donde la edad es constante en toda la parcela al ser plantaciones, mientras que el DAP, aunque sean clones, es distinto para cada árbol, con lo que se definió en las parcelas un tamaño de muestra de 4 árboles, al presentar cada parcela muy poca dispersión en DAP. Los datos analizados para la construcción de la curva fueron la media de los 4 árboles de cada parcela, y que provienen tanto de parcelas temporales (un total de 95 parcelas de inventario único) como de parcelas permanentes (un total de 544 parcelas provenientes de sucesivos inventarios, algunas de ellas desde 1985). Como el clon I-14 es el menos presente en la zona, su tamaño de muestra ha sido el más bajo, presentando un total de 18 parcelas, mientras que los otros dos clones, más utilizados en la zona, presentan aproximadamente el doble de parcelas para el ajuste (348 en MC y 309 en Luisa Avanzo). En la Tabla 1, se presentan la distribución de los datos por tipo de parcela y clon tanto en valor absoluto como porcentual. I-14 MC LA Total Temporal % % % % Permanente % % % % Total Tabla 1: Tamaño de muestra El modelo Richards (1959) ha sido ampliamente utilizado en el ámbito forestal (Bravo, 1998). El éxito del citado modelo se debe a que en su forma diferencial incluye los
3 componentes básicos del crecimiento: un factor que representa el anabolismo y otro que representa el catabolismo. Los modelos que tienen una base biológica, como es el caso, presentan la ventaja de que la extrapolación fuera del rango de datos originales es mucho más segura que los que no la tienen (Vanclay, 1994). La formulación matemática de dicho modelo se presenta a continuación (1). DAP ( 1 exp( t )) δi = α β + ε (1) ij i i ij ij donde i es el clon analizado (LA, MC, I-14), j es la parcela analizada (1,...,n i ), α es la asíntota del DAP, β es la tasa de crecimiento, t es la edad de la parcela en años, δ es el punto de inflexión o parámetro de forma y ε es error de distribución N(0,σ ). Para la comparación de los tres modelos de crecimiento se utilizó la metodología propuesta por Kimura (1980) por lo que se creó una variable ficticia D i, donde: 1 si la observación pertenece al clon i Di = 0 si la observación no pertenece al clon i Por tanto, la forma general para el modelo de crecimiento pasó a ser la ecuación siguiente () 3 ( ( )) δi DAP = Dα 1 exp β t + ε, j = 1,..., n, i= 1,,3. () ij i i i ij ij i i= 1 Para comparar los distintos clones partiremos del modelo sin restricciones (Ω 0 ) donde estimaremos los 9 parámetros (α k,β k,δ k ) y lo compararemos con el modelo restringido (Ω k ), según hayamos restringido el parámetro α (k=1),β (k=),δ (k=3) o los tres a la vez (k=4). Para ello emplearemos el estadístico de máxima versosimilitud (3), el cual será: n ˆ Ω0 ˆ Ω k σ L = (3) σ donde ˆσ Ω es la media de cuadrados de error del modelo sin restricciones y σˆ 0 Ωi es la media de cuadrados de error del modelo con restricciones. Para muestras grandes, la σˆ Ω 0 distribución de ln L = nln ˆ es aproximadamente una distribución χ σ con í Ω k grados de libertad, siendo í el número de parámetros estimados del modelo sin restricciones menos el número de parámetros estimados del modelo con restricciones. Por tanto contrastaremos las siguientes hipótesis comparando el valor de lnl con el valor de las tablas χ con un nivel de significación del 5%. H Ω1 0 : α m =α i vs no todos los α i son iguales H Ω 0 : β m =β i vs no todos los β i son iguales H Ω3 0 :δ m =δ i vs vs no todos los δ i son iguales Ω4 H 0 : α m =α i, β m =β i, δ m =δ i vs hay alguna desigualdad Para la comparación de las curvas dos a dos según el método de Bonferroni, si queremos garantizar un error de tipo I total para el conjunto de contrastes (α T =0.05) α debe tomarse un nivel α para cada contraste individual de α =, (Peña, 1995) donde T c 3
4 c es el número de contrastes a realizar (en nuestro caso se realizaran tres contrastes con lo que para mantener un α T =0.05 será necesario un α=0.0133). El ajuste y comparación de los modelos se realizó con el paquete estadístico SAS/STAT (1990), mediante el procedimiento NLIN. 3. Resultados y discusión 3.1 Ajuste del modelo global Los resultados de la estimación de los parámetros del modelo sin restringir para los tres clones se presentan en la tabla, presentando este ajuste una alta capacidad predictiva (R = ). Luisa Avanzo MC I-14 Parámetro Estimación Error std. Estimación Error std. Estimación Error std. a b d Tabla : Parámetros estimados del modelo sin restringir. La representación gráfica de los tres modelos (Figura 1) nos indica como la curva de Luisa Avanzo y la de I-14 son muy parecidas, y éstas difieren claramente de la de MC. 60 Curvas de crecimiento de tres clones de chopo LA MC I-14 Diámetro (cm) Edad (años) Figura 1: Representación gráfica de los tres modelos de crecimiento 4
5 Respecto a la comparación de las tres curvas, en la tabla 3 se representa el resultado de los 4 contrastes analizados, donde observamos que los modelos difieren entre sí (rechazamos H 0 en Ω 4 ) y que particularmente, donde difieren es en su parámetro α (rechazamos H 0 en Ω 1 ). Contraste R c p-valor W <0.05 W >0.05 W >0.05 W <0.05 Tabla 3: Contraste de las tres curvas. Estos resultados nos llevan a analizar las curvas dos a dos mediante la desigualdad de Bonferroni. 3. Comparación de modelos Los resultados de todos los contrastes dos a dos con un nivel de significación del 5% (á T =0.05, á=0.133) se presentan en la tabla 4. LA vs MC W 1 W W 3 W 4 c p-valor <0.05 >0.05 >0.05 <0.05 LA vs I-14 W 1 W W 3 W 4 c p-valor >0.05 >0.05 >0.05 >0.05 MC vs I-14 W 1 W W 3 W 4 c p-valor <0.05 >0.05 >0.05 <0.05 Tabla 4: Contrastes de las curvas dos a dos De acuerdo con estos resultados observamos que la curva de crecimiento de los clones Luisa Avanzo e I-14 puede considerarse la misma, mientras que la diferencia entre éstas y la del clon MC radica en la asíntota del modelo. 4. Conclusiones Construidas las curvas de crecimiento para los principales clones de chopo plantados en el valle del Cinca (Huesca) y habiéndolas comparado entre sí, se puede concluir que: Los clones Luisa Avanzo e I-14 poseen un mismo patrón de crecimiento, mientras que el clon MC tiende a crecer algo más rápido (mayor valor de la tasa de crecimiento β) en 5
6 edades iniciales, pero este crecimiento tiene a estancarse más rápidamente (menor valor de la asíntota α) que en los otros dos clones. 5. Agradecimientos Nuestro especial agradecimiento al Gobierno de Aragón, por su ayuda e interés prestado. Este trabajo ha sido financiado por la Comisión Interministerial de Ciencia y Tecnología (CICYT), a través del proyecto AGL así como por la Universitat de Lleida (UdL) a través de una beca predoctoral. Referencias Bravo, F.(1998): Modelos de producción para pinus sylvestris L. En el Alto Valle del Ebro. Tesis Doctoral. Universidad de Valladolid Kimura, D.K. (1980): Likelihood Methods for the Bertalanffy Growth Curve. U.S. Fishery Bulletin, 77, Padró, A. (198): Curvas de productividad del clon I-14 en regadío con planta RT y marco 6x6 en el valle medio del Ebro. An. INIA Ser. Forestal, 6: Padró, A. (199): Clones de chopo para el valle medio del Ebro. Diputación General de Aragón. Zaragoza. Peña, D. (1995): Estadística. Modelos y métodos. Modelos lineales y series temporales. Alianza Universidad. Madrid Richards, F.J.(1959): A flexible growth function for empirical use. J. Exp. Bot 10(9): SAS Institute Inc (1990): SAS/STAT User s guide, Versión 6. SAS Institute Inc., Cary, NC, USA Vanclay, J.K. (1994): Modelling forest growth and yield. Applications to Mixed Tropical Forest. CAB International, 31pp 6
ELABORACIÓN DE CURVAS DE PRODUCTIVIDAD A PARTIR DE REGRESIÓN PONDERADA. APLICACIÓN AL CHOPO (POPULUS X EURAMERICANA) EN EL VALLE DEL CINCA
Cuad. Soc. Esp. Cien. For. 18: 199-204 (2004) «Actas de la Reunión de Modelización Forestal» ELABORACIÓN DE CURVAS DE PRODUCTIVIDAD A PARTIR DE REGRESIÓN PONDERADA. APLICACIÓN AL CHOPO (POPULUS X EURAMERICANA)
Más detallesESTIMACIÓN DE LOS ERRORES COMETIDOS EN LA MEDICIÓN DE ALTURAS MEDIANTE VERTEX EN MASAS NATURALES DE
ESTIMACIÓN DE LOS ERRORES COMETIDOS EN LA MEDICIÓN DE ALTURAS MEDIANTE VERTEX EN MASAS NATURALES DE Pinus sylvestris L. y Pinus pinaster Ait. DE LOS SISTEMAS CENTRAL E IBÉRICO MERIDIONAL Lizarralde, I.
Más detallesTARIFA DE CUBICACIÓN CON CLASIFICACIÓN DE PRODUCTOS PARA CHOPOS I-214 DEL VALLE MEDIO DEL CINCA (HUESCA).
TARIFA DE CUBICACIÓN CON CLASIFICACIÓN DE PRODUCTOS PARA CHOPOS I-214 DEL VALLE MEDIO DEL CINCA (HUESCA). F. RODRÍGUEZ, R. BLANCO. Universitat de Lleida. (Udl-ETSEA) Dep. Producción Vegetal y Ciencia Forestal.
Más detallesCARACTERIZACION SELVICOLA DE LAS REPOBLACIONES DE
CARACTERIZACION SELVICOLA DE LAS REPOBLACIONES DE Pinus sylvestris L. EN LOS PARAMOS DEL NORTE DE CASTILLA Y LEON. M. DOMINGUEZ 1) ; M. DEL RÍO 1) ; F. BRAVO 1) 1)Departamento de Producción Vegetal y silvopascicultura.
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesMODELO DE ESTIMACIÓN DE ALTURAS EN Pinus pinea L. PARA LA PROVINCIA DE VALLADOLID
MODELO DE ESTIMACIÓN DE ALTURAS EN Pinus pinea L. PARA LA PROVINCIA DE VALLADOLID C. GARCÍA GÜEMES 1 ; N. CAÑADAS 2 ; G. MONTERO 2 (1): Servicio Territorial de Medio Ambiente. C/Juan de Padilla s/n. 09071
Más detallesEstimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado
Estimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado Contenido Qué vamos a ver? Introducción Antecedentes Objetivos
Más detallesRegresión ponderada y falta de ajuste
Capítulo 4 Regresión ponderada y falta de ajuste 4.1. Introducción En este capítulo se presentan la regresión ponderada y la prueba de falta de ajuste como un conjunto adicional de herramientas usadas
Más detallesEFECTO DEL MARCO DE PLANTACIÓN
EFECTO DEL MARCO DE PLANTACIÓN SOBRE LA PRODUCCIÓN DE MADERA PARA LA ESPECIE EUCALYPTUS GLOBULUS EN LA ZONA ESTE DEL URUGUAY FACULTAD DE AGRONOMIA UDELAR URUGUAY Trabajo financiado por INIA URUGUAY, Proyecto
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesESTUDIO DEL CRECIMIENTO VOLUMÉTRICO DE ÁRBOL INDIVIDUAL DE Pinus radiata D. Don EN LA PROVINCIA DE LUGO
ESTUDIO DEL CRECIMIENTO VOLUMÉTRICO DE ÁRBOL INDIVIDUAL DE Pinus radiata D. Don EN LA PROVINCIA DE LUGO F. CASTEDO; C. LÓPEZ; J. GORGOSO Dep. de Enxeñería Agroforestal. Escola Politécnica Superior, Universidad
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesEconometría de Económicas Ejercicios para el tema 2 y 3
Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción
Más detallesTEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN
TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesEstudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos
Contrastes 2 χ Estudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos de una determinada distribución? Homogeneidad
Más detallesMATEMÁTICAS 1º DE BACHILLERATO
POLINOMIOS Y FRACCIONES 1. Operaciones fracciones algebraicas 2. Opera y simplifica fracciones 3. Repaso fracciones 4. Fracciones equivalentes 5. Potencias de fracciones 6. Operaciones con fracciones 7.
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesAnálisis matemático de la función de Nelson y Siegel
Anexos Anexo 1 Análisis matemático de la función de Nelson y Siegel La función que define el tipo forward según el modelo propuesto por Nelson y Siegel (1987) es la siguiente: con m 0 y τ 0. 1 > m m m
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesMÉTODOS ANALÍTICO- MATRICIALES EN EL AJUSTE DE TIEMPOS OBSERVADOS DE FALLO
MÉTODOS ANALÍTICO- MATRICIALES EN EL AJUSTE DE TIEMPOS OBSERVADOS DE FALLO Rafael Pérez Ocón Catedrático de Universidad Departamento de Estadística e I.O. Universidad de Granada María del Carmen Segovia
Más detallesÍndice. Diseños factoriales. José Gabriel Palomo Sánchez E.U.A.T. U.P.M. Julio de 2011
Diseños factoriales José Gabriel Palomo Sánchez gabrielpalomo@upmes EUAT UPM Julio de 2011 Índice 1 Diseños factoriales con dos factores 1 Denición 2 Organización de los datos 3 Ventajas de los diseños
Más detallesAPLICACIÓN DE LOS MODELOS MIXTOS A UN CASO PRÁCTICO DE MODELIZACIÓN DEL CRECIMIENTO Y PRODUCCIÓN DE LAS MASAS FORESTALES
Cuad. Soc. Esp. Cien. For. 18: 317-31 (4) APLICACIÓN DE LOS MODELOS MIXTOS A UN CASO PRÁCTICO DE MODELIZACIÓN DEL CRECIMIENTO Y PRODUCCIÓN DE LAS MASAS FORESTALES R. Calama Sainz y G. Montero González
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesNúmeros reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.
MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e
Más detallesMarco Otárola Guerrero 1
Modelo de producción de Boletus edulis en masas de Pinus sylvestris en el Bosque Modelo Urbión: una alternativa para lidiar con el exceso de ceros en el ajuste con variables meteorológicas Marco Otárola
Más detallesUnidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis
Unidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis PÁGINA 353 SOLUCIONES 1. El peso de azúcar por confitura se distribuye según la normal N (465;30). Veamos el porcentaje
Más detallesParcela de experimentación de clones de chopos
CONSEJERÍA DE FOMENTO Y MEDIO AMBIENTE DIRECCIÓN GENERAL DEL MEDIO NATURAL Parcela de experimentación de clones de chopos LE-1 Valencia de Don Juan Jesús Rueda José Luis García Caballero Laura López Negredo
Más detallesCONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK
CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK BLOQUE 1. ESTADÍSTICA 1. ESTADÍSTICA UNIDIMENSIONAL Variable estadística
Más detallesMODELO DE CALIDAD DE ESTACIÓN PARA EL MONTE PINAR DE NAVAFRÍA (SEGOVIA)
Cuad. Soc. Esp. Cien. For. 18: 123-128 (2004) «Actas de la Reunión de Modelización Forestal» MODELO DE CALIDAD DE ESTACIÓN PARA EL MONTE PINAR DE NAVAFRÍA (SEGOVIA) P. Adame Hernando 1, J.C. Martín 2,
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesIntroducción a la regresión ordinal
Introducción a la regresión ordinal Jose Barrera jbarrera@mat.uab.cat 20 de mayo 2009 Jose Barrera (UAB) Introducción a la regresión ordinal 20 de mayo 2009 1 / 11 Introducción a la regresión ordinal 1
Más detallesAnálisis de la Varianza (ANOVA) y Correlación
Universidad de Chile Rodrigo Assar FCFM MA34B Andrés Iturriaga DIM Víctor Riquelme Análisis de la Varianza (ANOVA) y Correlación Resumen El test ANOVA analiza la relación entre una variable numérica y
Más detallesCuanto de la variación fenotípica observable en un carácter es debida a diferencias genéticas entre individuos?
Variación Heredable Cuanto de la variación fenotípica observable en un carácter es debida a diferencias genéticas entre individuos? Cuanto de la variación es debida a efectos ambientales sobre los individuos?
Más detallesQUERCUS SUBER L. EN EL PARQUE NATURAL DE LOS ALCORNOCALES
Cuad. Soc. Esp. Cien. For. 18: 5-9 (4) M M M QUERCUS SUBER L. EN EL PARQUE NATURAL DE LOS ALCORNOCALES M. Sánchez González y G. Montero González Dpto. Selvicultura CIFOR-INIA Ctra. de La Coruña km 7,5.
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesMATEMÁTICAS 2º BACHILLERATO
MATEMÁTICAS 2º BACHILLERATO MATRICES 1. Matrices y tipos de matrices 2. Operaciones con matrices 3. Producto de matrices 4. Matriz traspuesta 5. Matriz inversa 6. Rango de matrices DETERMINANTES 7. Determinantes
Más detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Más detallesCAPÍTULO 6 CONCLUSIONES GENERALES
CAPÍTULO 6: CONCLUSIONES GENERALES 66 CAPÍTULO 6 CONCLUSIONES GENERALES 6. Resumen Esta última parte tiene como objetivo buscar puntos de convergencia entre los métodos antes usados, así como dar un breve
Más detallesLa biomasa forestal para el aprovechamiento energético
La biomasa forestal para el aprovechamiento energético Eduardo Notivol Unidad de Recursos Forestales Guión Introducción biomasa Por qué Fuentes biomasa Existencias Posibilidades explotacion Aportar visión
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesRed Europea de Seguimiento de Bosques a gran escala ICP Forests (Nivel I)
MINISTERIO DE CIENCIA E INNOVACIÓN CIFOR Departamento de Ecología y Genética Forestal Red Europea de Seguimiento de Bosques a gran escala ICP Forests (Nivel I) 3500 3000 2500 2000 1500 kg ha -1 Hojas Ramas
Más detallesAutor. Milagros Casado, Luis Acuña, Alfonso Basterra,
Título Estimación de la calidad de la madera en rollo de Populus x euramericana mediante ultrasonidos. Autor. Milagros Casado, Luis Acuña, Alfonso Basterra, Sandra Heredero y Roberto San Martín E. T S.
Más detallesMatemáticas aplicadas a las Ciencias sociales 1. Examen de pendientes de cursos anteriores. 2º parcial.
Matemáticas aplicadas a las Ciencias sociales 1 Examen de pendientes de cursos anteriores. º parcial. 1. Dibuja la gráfica de la siguiente función indicando claramente los puntos de corte con los ejes
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesEEA Valle Inferior Convenio Provincia de Río Negro - INTA
Importancia del riego EL 40% DE LOS ALIMENTOS SE PRODUCEN BAJO RIEGO. EL AREA BAJO RIEGO EN EL MUNDO ES DEL 17% DE LA SUPERFICIE CULTIVABLE TOTAL. LA GRAN MAYORIA DE ESTA SUPERFICIE ES DE RIEGO GRAVITACIONAL.
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesFERTIRRIGACIÓN EN ÁLAMOS DE 6 AÑOS DE EDAD RESUMEN
FERTIRRIGACIÓN EN ÁLAMOS DE 6 AÑOS DE EDAD Riu, N 1 ; Agüero, M 1 ; Zuluaga, J 1, 2 ; Settepani, V 3 RESUMEN En la provincia de Mendoza existen antecedentes de riego por goteo y fertirrigación en vid,
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesEstimación del modelo lineal con dos variables
Estimación del modelo lineal con dos variables el método de mínimos cuadrados ordinarios (MCO) Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni Estimación del modelo lineal por MCO 1
Más detallesANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes
ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar
Más detallesEstadística Descriptiva II: Relación entre variables
Estadística Descriptiva II: Relación entre variables Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de
Más detallesMás Allá del Modelo de Regresión Lineal. Dante A. Urbina
Más Allá del Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Modelos de Regresión No Lineales 2. Modelos de Respuesta Cualitativa 3. Datos de Panel 4. Modelos Autorregresivos y de Rezagos 5. Modelos
Más detallesBASES ESTADISTICAS PARA EL MUESTREO DE PLAGAS Y MODELOS MATEMATICOS UTILIZADOS EN EPIDEMIOLOGIA
BASES ESTADISTICAS PARA EL MUESTREO DE PLAGAS Y MODELOS MATEMATICOS UTILIZADOS EN EPIDEMIOLOGIA M.C. LUIS EMILIO CASTILLO MARQUEZ UNIVERSIDAD AUTONOMA CHAPINGO DEPARTAMENTO DE PARASITOLOGIA AGRICOLA AREA
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesPIA 10092: Herramientas para zonificar la calidad de sitio de pino ponderosa y sitios especiales para especies forestales de alto valor en Neuquén
PIA 10092: Herramientas para zonificar la calidad de sitio de pino ponderosa y sitios especiales para especies forestales de alto valor en Neuquén G.A. Loguercio, L. La Manna, H. Gonda, L. Heitzmann, D.
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
Más detallesHoja de Ejercicios 3 El modelo de regresión lineal múltiple
Hoja de Ejercicios 3 El modelo de regresión lineal múltiple Nota: En aquellos ejercicios en los que se incluyen estimaciones y referencia al archivo de datos utilizado, el estudiante debería comprobar
Más detallesEconometría de Económicas
Econometría de Económicas Caso 2.- Función de Producción Cobb- Douglas Prof. Amparo Sancho El objetivo de este ejercicio es practicar los primeros conocimientos básicos de econometría con la función de
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más detalles1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES
1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES 1.- INTRODUCCIÓN AL NÚMERO REAL Realización de operaciones con números reales. Ordenación de los
Más detallesESSBER ROBERTO RUIZ ICOCHEA
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA Facultad de Ciencias Forestales ELABORACIÓN DE UNA ECUACIÓN DE VOLUMEN PARA UN BOSQUE DE TERRAZAS ALTAS EN EL CODO DEL POZUZO, PUERTO INCA, HUÁNUCO Tesis para optar
Más detallesEVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT
EVALUACIÓN DE LA EFICACIA DE UN INSECTICIDA BIOLÓGICO MEDIANTE ANÁLISIS PROBIT Nereida Delgado Puchi Instituto de Zoología Agrícola Facultad de Agronomía Universidad Central de Venezuela Introducción Estudios
Más detallesMATEMÁTICAS I aplicadas a las Ciencias Sociales
MATEMÁTICAS I aplicadas a las Ciencias Sociales UNIDAD 1: NÚMEROS REALES Distintos tipos de números Los números enteros, racionales e irracionales. El papel de los números irracionales en el proceso de
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallescubifor: Complemento de Excel para cubicar, clasificar productos, calcular biomasa y CO 2 en masas forestales de Castilla y León
cubifor: Complemento de Excel para cubicar, clasificar productos, calcular biomasa y CO 2 en masas forestales de Castilla y León Resumen F. Rodríguez, M. Broto, I. Lizarralde Área de I+D+i de Cesefor Pol.
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA
Más detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
Más detallesTodos los ejercicios de esta prueba tendrán el mismo valor, salvo que se especifique en el propio examen lo contrario.
DEPARTAMENTO DE MATEMÁTICAS CURSO 2016/17 Convocatoria extraordinaria de septiembre: En la evaluación extraordinaria el instrumento de evaluación será una prueba escrita referida tanto a los contenidos
Más detallesDEFINICIONES BÁSICAS
1 CLASES DE ESTADÍSTICA II CLASE 14) INTRODUCCIÓN A LAS PRUEBAS DE HIPÓTESIS. A menudo el analista debe tomar decisiones acerca de la investigación que se está desarrollando. En ese proceso de toma de
Más detallesCLASIFICACIÓN AFÍN DE CÓNICAS
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS CLASIFICACIÓN AFÍN DE CÓNICAS Sea E un R-espacio vectorial de dimensión. Sean E = e 1, e un plano vectorial de E y e 0 un
Más detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesEncuesta de demanda de estudios universitarios
. Población Encuesta de demanda de estudios universitarios La población que se ha considerado es la de los alumnos matriculados en segundo curso de la y, en el año académico 000-00, en centros escolares
Más detallesPRECIPITACIÓN. DATOS ENGLOBADOS Y FALTANTES
Universidad de Los Andes Facultad de Ingeniería Escuela de Civil Hidrología PRECIPITACIÓN. DATOS ENGLOBADOS Y FALTANTES Prof. Ada Moreno PRECIPITACIÓN Precipitación Es la caída de agua sobre la superficie
Más detallesSISTEMA DE ECUACIONES LINEALES
MATRICES 1. MATRICES Y TIPOS DE MATRICES 2. OPERACIONES CON MATRICES 3. PRODUCTO DE MATRICES 4. MATRIZ TRASPUESTA 5. MATRIZ INVERSA 6. RANGO DE MATRICES DETERMINANTES 7. DETERMINANTES DE ORDEN 2 Y 3 8.
Más detallesEstadística Diplomado
Diplomado HRB UNAM 1 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 Estimación por Intervalos Cantidades Pivotales
Más detalles1 El Análisis de Varianza
1 El Análisis de Varianza Objetivo: Explicar (controlar las variaciones de una v.a. Y continua (numérica, mediante factores (variables cualitativas que definen categorías que controlamos (no aleatorios.
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesManuel Eduardo Llanos Aguilar
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA Facultad de Ciencias Forestales Determinación de biomasa aérea total del algarrobo Prosopis pallida (h&b. ex. willd.) h.b.k. var. pallida ferreira en los bosques
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesEconometría II. Hoja de Problemas 1
Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli
Más detallesDISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos
DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN Los diseños en bloques utilizan una restricción en la aleatorización. Los cuadrados latinos utilizan dos restricciones en la aleatorización.
Más detalles5 Estudios de simulación
5 Estudios de simulación El modelado a través de MLG está disponible en muchos de los paquetes estadísticos más conocidos, como Stata, SAS, Limdep, S o R. De estos paquetes quizás sea Limdep (versión 7.0)
Más detallesTema 4. Análisis multivariante de la varianza
Máster en Técnicas Estadísticas Análisis Multivariante Año 2008 2009 Profesor: César Sánchez Sellero Tema 4 Análisis multivariante de la varianza 4 Presentación del modelo Se trata de comparar las medias
Más detalles