Curvas de crescimiento de una alga bioindicadora expuesta a diferentes tratamientos: uso de modelos lineales y no lineales.

Los modelos no lineales son ampliamente utilizados para describir curvas de crescimiento. En un modelo no lineal, Y=f(t,0)+E donde Y es el vector de observaciones, t el vector correspondiente a las condiciones de evaluacion (instantes de tiempo conocidos), 0 el vector de parametros desconocidos, f(.) una funcion no lineal en 0 y E el vector de errores, comunmente se asume que E ~ N(O,sigma ao quadrado I). Cuando no se cumplen algunos aspectos de esa suposicion (normalidad, independencia y homogeneidad de variancias), la normalidad asintotica de los estimadores de interes puede ser afectada dificultando la comparacion de curvas obtenidas en los diferentes tratamentos. En organismos unicelulares, tales como las algas, el crecimiento es comumente medido a travez de la observacion del numero de celulas N1, N2,...,Nk en los instantes t1, t2,...,tk., respectivamente. Variables de esa naturaleza, geralmente modeladas por la distribuicion de Poisson, tienen variancias iguales a las respectivas esperanzas (crescientes con el tiempo), no verificando-se la de suposicion de homocedasticidad, lo que inviabiliza la utilizacion del modelo anteriormente descrito. El objetivo de este trabajo es discutir aspectos relacionados al uso adecuado de los modelos lineales y no lineales en el ajuste de curvas de crecimiento donde la variable respuesta tiene distribucion de Poisson. Como ejemplo, son utilizados datos de crecimiento de la microalga bioindicadora Selenastrumcapricornutum, la cual fue expuesta a diferentes tratamientos (con y sin un biopesticidas) en condiciones de laboratorio. En tales casos, donde la transformacion logaritmica de la respuesta linealiza la relacion numero de celulas versus tiempo, ademas de homogeneizar las variancias, el uso de un modelo lineal es adecuado.

Spatio-temporal modeling of data imputation for daily rainfall series in homogeneous zones.

Spatio-temporal modelling is an area of increasing importance in which models and methods have often been developed to deal with specific applications. In this study, a spatio-temporal model was used to estimate daily rainfall data. Rainfall records from several weather stations, obtained from the Agritempo system for two climatic homogeneous zones, were used. Rainfall values obtained for two fixed dates (January 1 and May 1, 2012) using the spatio-temporal model were compared with the geostatisticals techniques of ordinary kriging and ordinary cokriging with altitude as auxiliary variable. The spatio-temporal model was more than 17% better at producing estimates of daily precipitation compared to kriging and cokriging in the first zone and more than 18% in the second zone. The spatio-temporal model proved to be a versatile technique, adapting to different seasons and dates.