Modelos exponenciales con dispersión y ajuste de modelos lineales generalizados con extravariación

El presente proyecto consta de dos partes. 1. Modelos exponenciales con dispersión. 2. Ajuste de modelos lineales generalizados para datos de conteo con superdispersión. (...) Objetivos generales y específicos: El estudio de los modelos exponenciales con dispersión conduce a desarrollar y perfeccionar métodos de estimación y de inferencia tanto desde el punto de vista teórico como numérico. (...) i) Presentar, sin sin usar el teorema de Mora, resultados sobre la convergencia de modelos exponenciales con dispersión infinitamente divisibles. ii) Proponer una metodología apropiada para el análisis estadístico de variables aleatorias discretas enteras en función de posibles modelos adoptados para su explicación. Construcción de los algoritmos necesarios para la estimación de los parámetros especificados en el modelo adoptado y presentación de las macros correspondientes para su implementación.

Modelos lineales de ajuste de datos.

Resumen de los autores

Uso de modelos lineales y no lineales para el estudio de la curva de lactancia en búfalos Murrah y sus cruces en sistemas de cría extensiva en el estado de São Paulo

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

El uso de modelos lineales en el análisis demográfico, con aplicaciones al estudio de la mortalidad infantil

Incluye Bibliografía

El uso de modelos lineales en el análisis demográfico, con aplicaciones al estudio de la mortalidad infantil

Incluye Bibliografía

Estadística Aplicada. Modelos lineales - Regresión

Análisis de Regresión Lineal. Simple y múltiple. Supuestos y análisis gráfico.

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.

Análisis del riesgo de caída de cartera en seguros: metodologías de “inteligencia artificial” vs “modelos lineales generalizados”

Han transcurrido varios años desde que se comenzó a hablar de Solvencia II y hoy es una realidad; cuyo objetivo es el desarrollo y establecimiento de un nuevo sistema que permita determinar los recursos propios mínimos a requerir a cada aseguradora, en función de los riesgos asumidos y la gestión que se realice de ellos. Así mismo, engloba un conjunto de iniciativas para la revisión de la normativa existente, la valoración y supervisión de la situación financiera global de las entidades aseguradoras y modos de actuación interna de las mismas. Uno de los temas más controvertidos bajo esta regulación es cómo conseguir una adecuada evaluación de los riesgos asumidos por las entidades. Esto se traduce en lograr identificar las causas que puedan suponer una pérdida en sus recursos; así como en innovar en el campo técnico para lograr una correcta cuantificación de los riesgos posibles en los que podrían estar expuestas las entidades. El objetivo de este trabajo es mostrar la posibilidad de utilizar dos enfoques metodológicos distintos para la evaluación de riesgos: uno no paramétrico para lo cual se recurrirá a las técnicas de Inteligencia Artificial y, en contraste, la aplicación de los Modelos Lineales Generalizados provenientes de la estadística paramétrica. De esta forma, lograr establecer una serie de reglas de decisión básicas, a manera de herramienta de clasificación, que puedan ser capaces de determinar los perfiles de clientes susceptibles a la cancelación de su póliza. La aplicación práctica de ambas metodologías, se llevará a cabo con la finalidad de analizar el Riesgo de Caída de Cartera; el cual hace referencia a uno de los tantos riesgos medibles que el sector habrá de tener en cuenta de acuerdo a Solvencia II...

Modelos Mixtos-Aditivos Generalizados para el Estudio de Fenómenos Biológicos y Sociales Descriptos por Datos Agregados y/o Longitudinales. Generalized Mixed Additive Models for the Study of Biological and Social Phenomenons from Longitudinal and/or Aggregated Data.

Este proyecto propone extender y generalizar los procesos de estimación e inferencia de modelos aditivos generalizados multivariados para variables aleatorias no gaussianas, que describen comportamientos de fenómenos biológicos y sociales y cuyas representaciones originan series longitudinales y datos agregados (clusters). Se genera teniendo como objeto para las aplicaciones inmediatas, el desarrollo de metodología de modelación para la comprensión de procesos biológicos, ambientales y sociales de las áreas de Salud y las Ciencias Sociales, la condicionan la presencia de fenómenos específicos, como el de las enfermedades.Es así que el plan que se propone intenta estrechar la relación entre la Matemática Aplicada, desde un enfoque bajo incertidumbre y las Ciencias Biológicas y Sociales, en general, generando nuevas herramientas para poder analizar y explicar muchos problemas sobre los cuales tienen cada vez mas información experimental y/o observacional.Se propone, en forma secuencial, comenzando por variables aleatorias discretas (Yi, con función de varianza menor que una potencia par del valor esperado E(Y)) generar una clase unificada de modelos aditivos (paramétricos y no paramétricos) generalizados, la cual contenga como casos particulares a los modelos lineales generalizados, no lineales generalizados, los aditivos generalizados, los de media marginales generalizados (enfoques GEE1 -Liang y Zeger, 1986- y GEE2 -Zhao y Prentice, 1990; Zeger y Qaqish, 1992; Yan y Fine, 2004), iniciando una conexión con los modelos lineales mixtos generalizados para variables latentes (GLLAMM, Skrondal y Rabe-Hesketh, 2004), partiendo de estructuras de datos correlacionados. Esto permitirá definir distribuciones condicionales de las respuestas, dadas las covariables y las variables latentes y estimar ecuaciones estructurales para las VL, incluyendo regresiones de VL sobre las covariables y regresiones de VL sobre otras VL y modelos específicos para considerar jerarquías de variación ya reconocidas. Cómo definir modelos que consideren estructuras espaciales o temporales, de manera tal que permitan la presencia de factores jerárquicos, fijos o aleatorios, medidos con error como es el caso de las situaciones que se presentan en las Ciencias Sociales y en Epidemiología, es un desafío a nivel estadístico. Se proyecta esa forma secuencial para la construcción de metodología tanto de estimación como de inferencia, comenzando con variables aleatorias Poisson y Bernoulli, incluyendo los existentes MLG, hasta los actuales modelos generalizados jerárquicos, conextando con los GLLAMM, partiendo de estructuras de datos correlacionados. Esta familia de modelos se generará para estructuras de variables/vectores, covariables y componentes aleatorios jerárquicos que describan fenómenos de las Ciencias Sociales y la Epidemiología.

Construcci??n de modelos jer??rquicos en contextos aplicados

Resumen tomado de la publicaci??n

Prevalence and social distribution of risk factors for chronic noncommunicable diseases in Brazil

OBJETIVOS: Evaluar los factores de riesgo de enfermedades crónicas no transmisibles (ECNT) e identificar las desigualdades sociales relacionadas con su distribución en la población adulta brasileña.MÉTODOS: Se estudiaron los factores de riesgo de ECNT (entre ellos el consumo de tabaco, el sobrepeso y la obesidad, el bajo consumo de frutas y vegetales [BCFV], la insuficiente actividad física en el tiempo de ocio [IAFTO], el estilo de vida sedentario y el consumo excesivo de alcohol) en una muestra probabilística de 54369 adultos de 26 capitales estatales de Brasil y el Distrito Federal en 2006. Se utilizó el Sistema de Vigilancia de los Factores Protectores y de Riesgo para Enfermedades Crónicas No Transmisibles por Entrevistas Telefónicas (VIGITEL), un sistema de encuestas telefónicas asistido por computadora, y se calcularon las prevalencias ajustadas por la edad para las tendencias en cuanto al nivel educacional mediante la regresión de Poisson con modelos lineales. RESULTADOS: Los hombres informaron mayor consumo de tabaco, sobrepeso, BCFV, estilo de vida sedentario y consumo excesivo de alcohol que las mujeres, pero menos IAFTO. En los hombres, la educación se asoció con un mayor sobrepeso y un estilo de vida sedentario, pero con un menor consumo de tabaco, BCFV e IAFTO. En las mujeres, la educación se asoció con un menor consumo de tabaco, sobrepeso, obesidad, BCFV e IAFTO, pero aumentó el estilo de vida sedentario CONCLUSIONES: En Brasil, la prevalencia de factores de riesgo para ECNT (excepto IAFTO) es mayor en los hombres que en las mujeres. En ambos sexos, el nivel de educación influye en la prevalencia de los factores de riesgo para ECNT

Respuesta de los sistemas planta-fitófago-parasitoide a condiciones microambientales en hábitats naturales y urbanos

Uno de los mayores desafíos de la ecología será predecir las posibles consecuencias del cambio climático sobre los organismos biológicos y proponer medidas que las suavicen. Es de esperar que los cambios climáticos provoquen la extinción de especies sensibles, a través de la disminución de su éxito reproductivo, la reducción de la cantidad y accesibilidad a hábitats adecuados, y también indirectamente por la eliminación de los recursos esenciales para su supervivencia. En un contexto de cambio climático global, el objetivo general de este proyecto es comprender los efectos de las condiciones microambientales sobre sistemas planta-herbívoro-parasitoide, en ambientes naturales y urbanos. Para ello estudiaremos las relaciones entre plantas, minadores de hojas y sus parasitoides considerando las diversas condiciones microambientales en donde el sistema se desarrolla. En ambientes nativos se prevé el estudio de dichos sistemas en tres ubicaciones del bosque (interior, bordes con orientación norte y bordes con orientación sur), analizando la identidad y abundancia de las especies, y los niveles de herbivoría y parasitismo. También se realizarán experimentos de laboratorio para analizar los niveles de herbivoría que sufran hojas obtenidas en cada una de las ubicaciones, a fin de conocer si poseen diferencias que puedan ser detectadas por los insectos, y se analizarán también posibles diferencias en la dureza de las hojas y su contenido de nitrógeno y carbono. En ambientes urbanos se estudiará la ocurrencia y grado de herbivoría de un minador de hojas asociado al “jacarandá”, árbol común en veredas de la ciudad de Córdoba, asi como la incidencia de sus parasitoides. Se relacionarán las variables biológicas con variables ambientales a nivel de sitio, tales como temperatura, tráfico vehicular, distancia al centro geográfico e “índice verde”, tomado a partir de imágenes satelitales. Los datos obtenidos a partir de los muestreos de campo en ambientes nativos serán analizados mediante modelos lineales generalizados que contemplen la dependencia de los microhábitats por localidad. Las variables obtenidas en experimentos en laboratorio serán analizadas mediante ANOVA con medidas repetidas o Test de Kruskall-Wallis. Los datos provenientes de ambientes urbanos serán analizados mediante regresiones logísticas para determinar la probabilidad de ocurrencia del minador, asi como los niveles de herbivoría y parasitismo en los diversos árboles estudiados. Se incluirán en el modelo todas las variables de urbanización anteriormente mencionadas así como la densidad de árboles en el sitio.

DESARROLLO DE APLICACIONES ESTADÍSTICAS PARA LA AGRICULTURA DE PRECISIÓN. STATISTICAL APPLICATIONS FOR PRECISION AGRICULTURE

A partir de las últimas décadas se ha impulsado el desarrollo y la utilización de los Sistemas de Información Geográficos (SIG) y los Sistemas de Posicionamiento Satelital (GPS) orientados a mejorar la eficiencia productiva de distintos sistemas de cultivos extensivos en términos agronómicos, económicos y ambientales. Estas nuevas tecnologías permiten medir variabilidad espacial de propiedades del sitio como conductividad eléctrica aparente y otros atributos del terreno así como el efecto de las mismas sobre la distribución espacial de los rendimientos. Luego, es posible aplicar el manejo sitio-específico en los lotes para mejorar la eficiencia en el uso de los insumos agroquímicos, la protección del medio ambiente y la sustentabilidad de la vida rural. En la actualidad, existe una oferta amplia de recursos tecnológicos propios de la agricultura de precisión para capturar variación espacial a través de los sitios dentro del terreno. El óptimo uso del gran volumen de datos derivado de maquinarias de agricultura de precisión depende fuertemente de las capacidades para explorar la información relativa a las complejas interacciones que subyacen los resultados productivos. La covariación espacial de las propiedades del sitio y el rendimiento de los cultivos ha sido estudiada a través de modelos geoestadísticos clásicos que se basan en la teoría de variables regionalizadas. Nuevos desarrollos de modelos estadísticos contemporáneos, entre los que se destacan los modelos lineales mixtos, constituyen herramientas prometedoras para el tratamiento de datos correlacionados espacialmente. Más aún, debido a la naturaleza multivariada de las múltiples variables registradas en cada sitio, las técnicas de análisis multivariado podrían aportar valiosa información para la visualización y explotación de datos georreferenciados. La comprensión de las bases agronómicas de las complejas interacciones que se producen a la escala de lotes en producción, es hoy posible con el uso de éstas nuevas tecnologías. Los objetivos del presente proyecto son: (l) desarrollar estrategias metodológicas basadas en la complementación de técnicas de análisis multivariados y geoestadísticas, para la clasificación de sitios intralotes y el estudio de interdependencias entre variables de sitio y rendimiento; (ll) proponer modelos mixtos alternativos, basados en funciones de correlación espacial de los términos de error que permitan explorar patrones de correlación espacial de los rendimientos intralotes y las propiedades del suelo en los sitios delimitados. From the last decades the use and development of Geographical Information Systems (GIS) and Satellite Positioning Systems (GPS) is highly promoted in cropping systems. Such technologies allow measuring spatial variability of site properties including electrical conductivity and others soil features as well as their impact on the spatial variability of yields. Therefore, site-specific management could be applied to improve the efficiency in the use of agrochemicals, the environmental protection, and the sustainability of the rural life. Currently, there is a wide offer of technological resources to capture spatial variation across sites within field. However, the optimum use of data coming from the precision agriculture machineries strongly depends on the capabilities to explore the information about the complex interactions underlying the productive outputs. The covariation between spatial soil properties and yields from georeferenced data has been treated in a graphical manner or with standard geostatistical approaches. New statistical modeling capabilities from the Mixed Linear Model framework are promising to deal with correlated data such those produced by the precision agriculture. Moreover, rescuing the multivariate nature of the multiple data collected at each site, several multivariate statistical approaches could be crucial tools for data analysis with georeferenced data. Understanding the basis of complex interactions at the scale of production field is now within reach the use of these new techniques. Our main objectives are: (1) to develop new statistical strategies, based on the complementarities of geostatistics and multivariate methods, useful to classify sites within field grown with grain crops and analyze the interrelationships of several soil and yield variables, (2) to propose mixed linear models to predict yield according spatial soil variability and to build contour maps to promote a more sustainable agriculture.

Macronutrient composition of the diet and prospective weight change in participants of the EPIC-PANACEA study.

BACKGROUND The effect of the macronutrient composition of the usual diet on long term weight maintenance remains controversial. METHODS 373,803 subjects aged 25-70 years were recruited in 10 European countries (1992-2000) in the PANACEA project of the EPIC cohort. Diet was assessed at baseline using country-specific validated questionnaires and weight and height were measured at baseline and self-reported at follow-up in most centers. The association between weight change after 5 years of follow-up and the iso-energetic replacement of 5% of energy from one macronutrient by 5% of energy from another macronutrient was assessed using multivariate linear mixed-models. The risk of becoming overweight or obese after 5 years was investigated using multivariate Poisson regressions stratified according to initial Body Mass Index. RESULTS A higher proportion of energy from fat at the expense of carbohydrates was not significantly associated with weight change after 5 years. However, a higher proportion of energy from protein at the expense of fat was positively associated with weight gain. A higher proportion of energy from protein at the expense of carbohydrates was also positively associated with weight gain, especially when carbohydrates were rich in fibre. The association between percentage of energy from protein and weight change was slightly stronger in overweight participants, former smokers, participants ≥60 years old, participants underreporting their energy intake and participants with a prudent dietary pattern. Compared to diets with no more than 14% of energy from protein, diets with more than 22% of energy from protein were associated with a 23-24% higher risk of becoming overweight or obese in normal weight and overweight subjects at baseline. CONCLUSION Our results show that participants consuming an amount of protein above the protein intake recommended by the American Diabetes Association may experience a higher risk of becoming overweight or obese during adult life.