Marco Otárola Guerrero 1
|
|
- Teresa Godoy Prado
- hace 6 años
- Vistas:
Transcripción
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 Guerrero 1 Felipe Bravo Oviedo 1,Fernando Martínez-Peña 2, Jorge Aldea Mallo 1 1 Instituto Universitario de Gestión Forestal Sostenible (UVa-INIA) 2 Fundación CESEFOR
2 Introducción El ingreso asociado con la producción de setas comestibles puede representar desde un 20% del valor de la madera hasta incluso excederlo (Palahi et al.2009, Aldea et al. 2012). La predicción de la producción de setas es una tarea compleja: muchos factores involucrados, la mayoría de ellos actuando de forma interdependiente. Pocos modelos de producción de setas han sido publicados a la fecha.
3 El estudio de los potenciales efectos de cambios en el clima sobre los recursos fúngicos en Urbión podría ayudar a identificar algunas acciones anticipadas en el manejo forestal. La integración de los recursos fúngicos dentro del manejo forestal adaptativo requiere el desarrollo de modelos de producción de setas. Especialmente modelos calibrados con variables meteorológicas.
4 La producción de setas se caracteriza por un elevado número de ceros (datos ausentes). Resultado: pobre ajuste de modelos (la distribución de la variable de respuesta no puede ser ajustado con métodos tradicionales de probabilidad). Alternativa: modelar ciertos procesos como resultado de dos distintos procesos (Vanclay 1992, Fortin & DeBlois 2007, Bravo et al. 2008,) (modelo condicional de dos partes).
5 Objetivo Ensayar el Modelo Condicional bietápico para ajustar un modelo empírico de producción de Boletus edulis con variables meteorológicas, como un enfoque alternativo para modelar datos continuos con un excesivo número de ceros. Área de estudio 180 mil ha de bosques productivos y áreas naturales protegidas. Aprovechamientos micológicos son relevantes para cultura y economía local.
6 Metodología: diseño de muestreo Base de datos (1995 a 2011). Setas: 18 parcelas permanentes (175 m 2 ) medidas semanalmente (35-50) 50) Datos silvícolas: 18 parcelas temporales (20 x 40 m) en rodales de P. sylvestris (de 7 a 122 años). Media mensual de datos de temperatura y precipitación. Variables de suelo y sitio. Tomado de Martínez-Peña (2009)
7 Base de datos: exceso de ceros! 35% 30% Frecuen ncia relativa 25% 20% 15% 10% 5% 0% Producción de Boletus (kg/ha)
8 Análisis: Modelo condicional Frecuen ncia relativa 35% 30% 25% 20% 15% Dos etapas Primera: regresión logística para predecir la ocurrencia de B. edulis. 10% Segunda: predice la 5% 0% Producción de Boletus (kg/ha) producción de B. edulis usando un modelo de regresión lineal múltiple condicional a la presencia de B. edulis.
9 Análisis por etapas Etapa Logística Linear Estructura del modelo P ( b X1) ( 1 e ) 1 1 Yld G N Qmd SI Hd Age weather ijs 4 Selección de variables Backward (P > 0.05): área basal (G), densidad del rodal (N), diámetro medio cuadrático (Qmd), índice de sitio (SI), altura dominante (Hd), edad, temperatura mensual y estacional (max., min., y media), precipitación mensual y estacional y variables de sitio. Validación - Evaluación Criterio de Información de Akaike (AIC) Área bajo la curva ROC Hosmer & Lemeshow Test (falta de ajuste) Coeficiente de determinación ajustado. Homocedasticidad Distribución de residuos
10 Validación y evaluación del modelo conjunto 1. Estimación de eficiencia del modelo 2 S i ió res conjunto (coeficiente de determinación EF S real conjunto). 2. Análisis de regresión lineal entre valores reales y predichos de producción de Boletus. 3. Estimando la Raíz del Cuadrado Medio del Error RMCE ( ij y ij y n 1 ij ) 2 4. Calculando el sesgo del modelo para determinar la precisión conjunta de las dos etapas (Huang et al., 2003). sesgo ij ( y ij n y ij )
11 Resultados Componente Variable Coeficiente Error Estándar Pr>Chicuadrado Intercepto Logístico N Ps Intercepto Lineal Qmd N Age Pas < Variables de rodal y meteorológicas. Ausencia de significancia de variables de sitio y suelo. Producción anual media: kg ha -1 año -1 Producción anual media: kg ha 1 año 1 (RCME kg ha -1 año -1 )
12 Evaluación del modelo: por componente 1. Logístico El test de Hosmer & Lemeshow no muestra evidencia de falta de ajuste (Pr > ). Área bajo curva ROC = (excelente discriminación) Valor de umbral de 0.59 (parcelas clasificadas correctamente en 90.6% de casos; Sensibilidad = 98.7%; Especificidad = 60.0%). 2. Lineal Coeficiente de Determinación Ajustado = 33.86%.
13 Evaluación conjunta del modelo Modelo Valores de ajuste Sesgo (E) (kg ha -1 año -1 ) x10-14 Producción media predicha (kg ha -1 año -1 ) Producción media observada (kg ha -1 año -1 ) Raíz del cuadrado medio del error RCME (kg ha -1 año -1 ) Eficiencia del modelo conjunto (EF %) Regresión Observados vs. Predichos (R 2 ) Pro oducción observad da (kg/ha) % Sensibilidad (%) 98.7% Especificidad (%) 60.0% Producción predicha (kg/ha)
14 Entonces, logramos una mejor predicción? Difícil de decir. Martínez-Peña et al. (2012): análisis de regresión no lineal usando un enfoque de efectos fijos (R 2 =0.222). Indicadores de ajuste o son comparables. Disponibilidad de agua a finales del verano (agosto). Valor del modelo por la significancia de variables clave, su dirección y magnitud relativa (escenarios de cambio).
15 Conclusiones Resultados sugieren que el modelo de dos etapas es útil para la predicción de B. edulis rodales de pino albar, usando tanto variables del rodal como meteorológicas. Sin embargo, se recomienda valorar su importancia en estimar el efecto de las variables en la producción de B. edulis más que la precisión de las estimaciones puntuales. La complejidad del proceso de emergencia de carpóforos es revelada por la moderada bondad de ajuste de los modelos. Nuevos enfoques de modelización deben ser probados para mejorar predicciones (e.g. Zero-inflated Log Normal distribution).
16 Agradecimientos Agencia Española de Cooperación para la Investigación y el Desarrollo AECID Proyecto Mycosilva Contacto marco.otarola@gmail.com
Teoría 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 detallesDesarrollo de un Modelo dinámico: nuevas metodologías estadísticas
Desarrollo de un Modelo dinámico: nuevas metodologías estadísticas INIA Jornada Técnica Noviembre 2016 Andrés Hirigoyen Ing. Agr. OBJETIVOS General: Desarrollar un modelo dinámico de rodal para Eucalyptus
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
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 detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesFuente: Balance Energético Nacional BEN VMME
DESARROLLO ECONÓMICO Y EMISIONES Consumo Sectorial de Energía Evolución histórica del consumo de energía por sectores, medido en toneladas equivalentes de petróleo (TEP). Fuente: Balance Energético Nacional
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 detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesAjustes de datos: transformación de datos. Capítulo 9 de McCune y Grace 2002
Ajustes de datos: transformación de datos. Capítulo 9 de McCune y Grace 2002 Razones estadísticas para transformar datos Mejorar las suposiciones de algunas técnicas estadísticas: normalidad, linealidad,
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesRegresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010
Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesCÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES
OBJETIVOS CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES Reportar correctamente resultados, a partir del procesamiento de datos obtenidos a través de mediciones directas. INTRODUCCION En el capítulo de medición
Más detallescrédito. Por ejemplo si la institución ha fijado que los clientes buenos son aquellos que tienen 500 puntos o más, este cliente sería rechazado.
crédito. Por ejemplo si la institución ha fijado que los clientes buenos son aquellos que tienen 500 puntos o más, este cliente sería rechazado. 6.- Validación del modelo 6.1.- Análisis de percentiles
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesUniversidad de Quintana Roo División de Desarrollo Sustentable Secretaría Técnica de Docencia
Programación de 6 semanas Primavera de 206 Estimado Profesor(a) de la, éste es el formato unificado de 6 semanas; utilice el tabulador para trasladarse ente los campos, y cuando requiera generar una entrada
Más detallesDesempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos
Desempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos Resumen Ejecutivo Antecedentes El riesgo es un concepto ampliamente estudiado, con diversas definiciones que dependen del contexto
Más detallesagua potable en Santiago
voz académica Cambio climático El incierto futuro del consumo de agua potable en Santiago Juan Manuel Fercovic1 / jmfercov@uc.cl Óscar Melo2 / omelo@uc.cl 1 Tesista de pregardo 2 Docente del Departamento
Más detallesEL VALOR ESPERADO DE LA TIERRA Y EDAD DE ROTACIÓN ÓPTIMA EN PLANTACIONES FORESTALES
2 EL VALOR ESPERADO DE LA TIERRA Y EDAD DE ROTACIÓN ÓPTIMA EN PLANTACIONES FORESTALES Carlos Andrés Rodríguez Plazas MSc. Socioeconomía Ambiental CATIE Tomado de: Curso de Economía e Inversiones Forestales
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesSistema de Coordinación Operacional Ambiental. Gabriel Arévalo Ma de los Ángeles Hanne Leandro Llanza Alejandra Alvarez Luis Felipe Mujica
Sistema de Coordinación Operacional Ambiental Gabriel Arévalo Ma de los Ángeles Hanne Leandro Llanza Alejandra Alvarez Luis Felipe Mujica Problemática - Soluciones Contaminación en Centros Mineros Problemática:
Más detallesEspecialidad en Preparación y Evaluación de Proyectos
Especialidad en Preparación y Evaluación de Proyectos TEMARIO FASE TEÓRICA 1. Análisis contable para la evaluación de proyectos Proporcionar a los participantes las habilidades y capacidades para aplicar
Más detallesEvaluación de la producción de miera obtenida según diferentes métodos de resinación en un monte de la Serranía Baja de Cuenca
Evaluación de la producción de miera obtenida según diferentes métodos de resinación en un monte de la Serranía Baja de Cuenca Elías Pardo Serrano, Álvaro Aunós, Ricardo Blanco Departamento de Producción
Más detallesLa asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades.
1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Muestreo y Regresión. Ingeniería Forestal. FOC-1027 SATCA: 2 2 4 2.- PRESENTACIÓN. Caracterización de la asignatura.
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesT4. Modelos con variables cualitativas
T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad
Más detallesCAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesClimatología de alta resolución espacial de la temperatura máxima y mínima mensual en la España peninsular ( )
Climatología de alta resolución espacial de la temperatura máxima y mínima D. Peña-Angulo, M. Brunetti, J.C. González-Hidalgo, N. Cortesi 1. Motivación del estudio El aumento de los registros de temperatura
Más detallesMapa Curricular: Funciones y Modelos
A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,
Más detallesESTIMA DE LA BIOMASA ARBÓREA A PARTIR DE DATOS DE TOPOCLIMÁTICAS E ÍNDICES DE VEGETACIÓN. Andrea Duane Bernedo. Lluís Pesquer Jordi Vayreda
ESTIMA DE LA BIOMASA ARBÓREA A PARTIR DE DATOS DE INVENTARIOS FORESTALES EN RELACIÓN CON VARIABLES TOPOCLIMÁTICAS E ÍNDICES DE VEGETACIÓN Andrea Duane Bernedo José Ángel Burriel Lluís Pesquer Jordi Vayreda
Más detallesEl tiempo y la agricultura: predicciones meteorológicas
El tiempo y la agricultura: predicciones meteorológicas Antonio Mestre Jefe del Área de Climatología y Aplicaciones Operativas AEMET Esquema presentación La meteorología como elemento clave en la toma
Más detallesRiesgos agroclimáticos
Riesgos agroclimáticos Antonio Mestre Jefe del Área de Climatología y Aplicaciones Operativas AEMET Esquema presentación Introducción: Las adversidades agrometeorológicas. Apoyo meteorológico y climático
Más detallesFacultad de Ingeniería Civil y Ambiental Análisis Espacial.
Análisis Espacial. Contenido. - Introducción. - Revisión de estadística básica. - Precisión y exactitud. - Interpolación. - Métodos. - Aplicaciones. - Modelación y SIG. Interpoladores Locales: - Polígonos
Más detalles1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
Más detallesEn escenarios de incertidumbre: Medir para tomar decisiones.
Seminario: En escenarios de incertidumbre: Medir para tomar decisiones. Jorge Manzi Director MIDE UC Por qué es central la medición y evaluación para las organizaciones? Usted se ha preguntado alguna vez?
Más detallesEstimación de recursos forestales con tecnología LiDAR aerotransportada
Estimación de recursos forestales con tecnología LiDAR aerotransportada Diego Cuasante Corral Director de Ingeniería y Medio Ambiente BLOM España Carlos García Güemes Jefe Sección Territorial de Ordenación
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesTENDENCIAS DE EXTREMOS CLIMÁTICOS EN ARGENTINA EL CASO DE LA PROVINCIA DE SANTIAGO DEL ESTERO
TENDENCIAS DE EXTREMOS CLIMÁTICOS EN ARGENTINA EL CASO DE LA PROVINCIA DE SANTIAGO DEL ESTERO Proyecto PNUD ARG/10/013 FORTALECIMIENTO DE CAPACIDADES PARA CONTRIBUIR A UNA ECONOMÍA DE BAJO CARBONO Y RESILIENTE
Más detallesVULNERABILIDAD DE LA AGRICULTURA DE RIEGO MEXICANA AL CAMBIO CLIMÁTICO. Waldo Ojeda Bustamante
VULNERABILIDAD DE LA AGRICULTURA DE RIEGO MEXICANA AL CAMBIO CLIMÁTICO Waldo Ojeda Bustamante Contenido 1. Antecedentes 2. Las zonas productoras de papa 3. Variabilidad y cambio climático 4. Proyecciones
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesESTADISTICA INFERENCIAL
ESTADISTICA INFERENCIAL CODIGO 214543 (COMPUTACION) 224543 (SISTEMAS) 254443 (CONTADURIA) 264443 (ADMINISTRACION) 274443( GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE 02 02 03 IV PRE REQUISITO
Más detallesVariabilidad Climática y Seguridad Alimentaria-Disponibilidad.
Variabilidad Climática y Seguridad Alimentaria-Disponibilidad. Congreso Colombia Economía Verde Presentadora Ana Maria Loboguerrero Subdirección de Desarrollo Ambiental DNP Autores Oscar A. Alfonso Carlos
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS DE LA COMUNICACIÓN
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS DE LA COMUNICACIÓN Carrera: Licenciatura en Periodismo Asignatura: Estadística Social Curso: 2 año Año lectivo: 2016 Carga horaria
Más detallesANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal
ANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal Relaciones nivel-caudal 1. El objetivo de aforar una corriente, durante varias épocas del año en una sección determinada, es determinar lo que
Más detallesInstituciones participantes por orden alfabético:
Proyecto regional: Impactos Potenciales del Cambio Climático en ecosistemas forestales en cordilleras Iberoamericanas y herramientas para la adaptación de la gestión (CLIMIFORAD Climate change, Iberoamerican
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesFORRAJES HIDROPONICOS
FORRAJES HIDROPONICOS una alternativa para la alimentación animal ULISES UREÑA NUCLEO AGROPECUARIO FORRAJES HIDROPONICOS DEFINICION : es un forraje vivo, de alta digestabilidad, calidad nutricional y muy
Más detallesLos Buenos y los Malos para las transferencias de nicho ecológico
Los Buenos y los Malos para las transferencias de nicho ecológico Angela Patricia Cuervo Robayo Enrique Martínez-Meyer Adolfo Navarro Richard Pearson E Cómo funcionan? Introducción general G Aplicaciones
Más detallesFigura Área de Influencia de las estaciones complementarias a la estación Centro
INFORME FINAL Instituto de Ingeniería Coordinación de Hidráulica Figura 3.5.1 Área de Influencia de las estaciones complementarias a la estación Centro Tabla 3.5.2 Estaciones dentro del área de influencia
Más detallesMANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02
GRÁFICAS EXPERIENCIA N René Descartes "Consideraría que no sé nada de Física si tan sólo fuese capaz de epresar cómo deben ser las cosas, pero fuese incapaz de demostrar que no pueden ser de otra manera
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
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 detallesPRINCIPIOS DE ECONOMETRÍA
PRINCIPIOS DE ECONOMETRÍA 2009-2010 I. IDENTIFICACIÓN Asignatura: Duración: Titulación: Ciclo: Departamento: Profesor: Principios de Econometría Semestral (Primer semestre) Licenciatura en Economía Primer
Más detallesMapa Curricular: Funciones y Modelos
A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,
Más detallesConsideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS)
Consideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS) Agosto 2008 SEAN YUN Traducido por ANDREA MARÍN Modelando RF con Precisión 0 0 ICS Telecom ofrece
Más detallesEstadística Espacial en Ecología del Paisaje
Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesTENDENCIAS DE EXTREMOS CLIMÁTICOS EN ARGENTINA EL CASO DE LA PROVINCIA DE ENTRE RÍOS
TENDENCIAS DE EXTREMOS CLIMÁTICOS EN ARGENTINA EL CASO DE LA PROVINCIA DE ENTRE RÍOS Proyecto PNUD ARG/10/013 FORTALECIMIENTO DE CAPACIDADES PARA CONTRIBUIR A UNA ECONOMÍA DE BAJO CARBONO Y RESILIENTE
Más detallesMinisterio de Educación Pública Dirección de Gestión y Evaluación de la Calidad Departamento de Evaluación Académica y Certificación.
Matemáticas Distribución de ítems para la prueba nacional Modalidad Académica (Diurnos Nocturnos) Convocatorias 016 ESTIMADO DOCENTE: En la modalidad de colegios académico, la Prueba de Bachillerato 016
Más detallesCAPÍTULO 5 PROCEDIMIENTOS PARA EVALUAR LA CONFIABILIDAD DEL SISTEMA ANALIZADO
Capítulo 5: Procedimientos para evaluar la confiabilidad del sistema analizado 53 CAPÍTULO 5 PROCEDIMIENTOS PARA EVALUAR LA CONFIABILIDAD DEL SISTEMA ANALIZADO En la literatura se encuentran variados procedimientos
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesContenidos Mínimos del Estudio de Factibilidad de un Proyecto de Inversión Pública en fase de preinversión
Contenidos Mínimos del Estudio de Factibilidad de un Proyecto de Inversión Pública en fase de preinversión 1 Para la elaboración de un estudio de factibilidad, se debe tomar como punto de partida el estudio
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
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 detallesPerspectivas de la Energía Solar fotovoltaica
Perspectivas de la Energía Solar fotovoltaica Daniel Henríquez Componentes Instalación conectada a red Campo fotovoltaico (20º) Cableado entre módulos inversor Protecciones y contador Interconexión a red
Más detallesFRUTALES DE HOJA CADUCA: manzano y duraznero. Ing. Agr. Gianfranca Camussi
FRUTALES DE HOJA CADUCA: manzano y duraznero Ing. Agr. Gianfranca Camussi Qué podemos hacer para adaptarnos a los nuevos escenarios de cambio? Qué tan sensible es la fruticultura a la variabilidad del
Más detallesUNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT
Más detallesCURSO: Métodos estadísticos de uso frecuente en salud
CURSO: Métodos estadísticos de uso frecuente en salud Información General Versión: 2016 Modalidad: Presencial. Duración Total: 40 horas. NUEVA FECHA Fecha de inicio: 01 de octubre Fecha de término: 10
Más detallesMENDOZA, TUNUYÁN, DIAMANTE, ATUEL, MALARGÜE Y GRANDE
PRONÓSTICO DE ESCURRIMIENTOS PARA LOS RÍOS: MENDOZA, TUNUYÁN, DIAMANTE, ATUEL, MALARGÜE Y GRANDE ÍNDICES 1. INTRODUCCIÓN... 2 3. METODOLOGÍA... 2 4. PRONÓSTICO OCTUBRE-2016 / SEPTIEMBRE-2017... 3 ANEXO
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesAmenazas climáticas y el diseño de ingeniería
Amenazas climáticas y el diseño de ingeniería Seminario Cambio Climático e Infraestructura Miércoles 21 de Noviembre Jorge Gironás, PhD Departamento de Ingeniería Hidráulica y Ambiental, Centro Interdisciplinario
Más detallesPontificia Universidad Católica del Ecuador Facultad de Ingeniería
1. DATOS INFORMATIVOS FACULTAD: Ingeniería CARRERA: Civil Asignatura/Módulo: Estadística Plan de estudios: 2002 Prerrequisitos: 10241 Correquisitos: 10242, 10253, 12055, 13410, 12935 Código:11716 Nivel:
Más detallesMÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
Más detallesCAMBIO CLIMÁTICO EN MÉXICO. Dr. Carlos Gay Centro de Ciencias de la Atmósfera
CAMBIO CLIMÁTICO EN MÉXICO Dr. Carlos Gay Centro de Ciencias de la Atmósfera Variaciones en la temperatura terrestre superficial Temperatura global observada 1880-2005 +0.74C en 100 años Casi el doble
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesSistemas de Monitoreo Meteorológico
Sistemas de Monitoreo Meteorológico Dr. Andreas Fries Coordinador del DFG-Transfer-Project: RadarNet-Sur Docente asociado de la Universidad Técnica Particular de Loja Se distinguen 3 tipos de sistemas
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
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 detallesBIODIVERSIDAD EN MÉXICO? HACE FALTA PARA LOGRAR UNA ADECUADA COMPENSACIÓN POR EL IMPACTO EN. Retos de la Manifestación de Impacto
Retos de la Manifestación de Impacto Ambiental en México: Midiendo la deforestación de largo plazo inducida por construcción de carreteras y caminos Mayo 2011 QUÉQ HACE FALTA PARA LOGRAR UNA ADECUADA COMPENSACIÓN
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesDESEMPEÑO ACADEMICO DE ESTUDIANTES DE INGENIERIA: ANALISIS DE FACTORES INCIDENTES
DESEMPEÑO ACADEMICO DE ESTUDIANTES DE INGENIERIA: ANALISIS DE FACTORES INCIDENTES GT 04 Modelagem Matemática María del Carmen Ibarra Facultad de Ingeniería Universidad Nacional de Misiones- UNaM ibarra@fio.unam.edu.ar
Más detallesla cuantificación de los depósitos Pinus halepensis Mill. en el SE español Raquel Alfaro Sánchez
La importancia del sotobosque en la cuantificación de los depósitos de carbono en masas jóvenes de Pinus halepensis Mill. en el SE español Raquel Alfaro Sánchez Francisco Ramón López Serrano, Eva María
Más detallesEL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
Más detallesImpacto económico del cambio climático sobre la agricultura peruana
Conversatorio: Vulnerabilidad de la Agricultura ante el Cambio Climático en el Perú: Amenazas y Oportunidades CEPES Impacto económico del cambio climático sobre la agricultura peruana Laura Alvarado Abril
Más detalles