Un modelo estadístico para analizar complejos interdependientes de patógenos vegetales

Se introduce un nuevo enfoque para modelar datos binomiales multivariados con sobredispersión, obtenidos de complejos de patógenos vegetales. Después de revisar los conceptos básicos de los modelos lineales generalizados (GLMs) y las funciones Cópula, se muestra cómo estas últimas pueden usarse para modelar observaciones correlacionadas y datos con sobredispersión. Se ilustra el método usando la incidencia de hongos en hortalizas, analizando el caso por medio de la función cópula Gaussiana con marginales Beta-binomiales. Comparado con los modelos lineales clásicos y generalizados, el modelo construido con la cópula Gaussiana es el que mejor controla la sobredispersión, siendo menos propenso a la subestimación de los errores estándar, la causa más importante de inferencia inapropiada en el análisis estadístico de complejos de patógenos vegetales.

• Autores: Dávila, Eduardo; López, Luis Alberto; Díaz, Luis Guillermo
• Tipo de recurso: Article of journal
• Fecha de publicación: 2012
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/41042
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/41042; http://bdigital.unal.edu.co/31139/
• Palabra clave: variación extra-binomial; datos multivariados; Epidemiological methods; Extra-binomial variation; Multivariate data
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional