Estimación bayesiana de características en robots móviles mediante muestreo de la densidad a posteriori

Comunicación presentada en el I Congrés Català d’Intel·ligència Artificial, Tarragona, Octubre de 1998.

Estudio de estabilidad frente a rotura por macizo rocoso y discontinuidad en presas de gravedad

El problema consiste básicamente en realizar un estudio de sensibilidad a la hora de analizar la estabilidad frente a rotura por cimiento a través de macizo rocoso y discontinuidad en el caso de presas de gravedad de tamaño medio. El presente documento muestra una comparativa de diferentes metodologías para estimar la seguridad de una presa de gravedad frente al deslizamiento por macizo rocoso y discontinuidad. Para ello se ha empleado un modelo de cálculo que computa la seguridad frente al deslizamiento a traves de un estudio paramétrico en función de las principales variables geométricas y geomecánicas que intervienen en el mismo. Se utilizan los criterios de resistencia de Hoek & Brown (1980) y de Barton & Choubey (1974) para caracterizar la resistencia del macizo rocoso y de las discontinuidades, respectivamente. El modelo permite definir tanto las variables de entrada (acciones y parámetros de los materiales), y el calculo del coeficiente de seguridad, (FS), a partir del cual se presenta el criterio de fallo a emplear en los cálculos de fiabilidad mediante técnicas estadísticas. Las diferentes metodologías utilizadas se agrupan en distintos niveles, que van desde: a) los niveles básicos asociados al determinismo, trabajando con FS, y/o con FS parciales; b) cálculos de segundo nivel, como el método de los momentos de segundo orden, los cuales proporcionan una probabilidad de fallo a partir de la aproximación de la función de densidad de probabilidad conjunta mediante sus dos primeros momentos (media y desviación típica) y la definición de una región de fallo con el modelo propuesto; c) finalmente, los métodos exactos o de nivel III, tales como el método de simulación de Monte Carlo, que generan histogramas de parámetros y proporcionan probabilidades de fallo. Con ello se pretende profundizar en las técnicas de cálculo de fiabilidad en presas, además de estimar la influencia de los distintos parámetros que definen la cimentación. Este modelo se puede emplear para otras estructuras y tipologías. A modo de ejemplo, se aplica un cálculo para el caso de una presa bóveda y se analizan los resultados obtenidos.

Efecto de la densidad de siembra y métodos de control de malezas sobre la cenosis y el crecimiento y rendimiento del frijol común (Phaseolus vulgaris L.), primera, 1994

El ensayo se inició en primera de 1994 (mayo a agosto) en la estación experimental La Compañía, ubicado en el municipio de San Marcos, Carazo. Se utilizó un diseño de Bloque Completo al Azar en arreglo bifactorial, siendo el factor A: densidades de siembra (densidad alta (40 semillas/m2), densidad media (30 semillas/m2), densidad baja (15 semillas/m2), y el factor B: control de malezas (todo el tiempo enmalezado, control durante el periodo crítico y control químico). Los datos obtenidos fueron sometidos al análisis de varianza y separación de medias de rangos múltiples de Duncan, al 5 %. La diversidad de las malezas en el área del experimento está representada por la clase dicotiledónea con 8 especies y la clase monocotiledóneas con 7. Los resultados obtenidos se pueden sintetizar de la forma siguiente: no existió efecto significativo de las diferentes densidades de plantas sobre abundancia y cobertura de malezas en los tres primeros muestreos realizados, siendo significativo en el muestreo realizado al momento de la cosecha. No existió efecto de las densidades de plantas sobre el peso seco, sin embargo se observó un incremento del peso seco durante el desarrollo del cultivo. Con respecto a los controles de malezas: el control durante el periodo crítico y control químico ejercieron un excelente control de malezas, reduciendo grandemente la abundancia y la dominancia de las malezas. La población por unidad de área aumentó conforme se incrementa la densidad de siembra, observándose en el número de vainas por planta el mayor valor en la densidad baja. A mayor densidad de siembra se incrementa el rendimiento del cultivo. El tratamiento con mejor rentabilidad es el tratamiento con densidad baja. De los controles de malezas el control químico es el que mayor número de plantas por área presentó y el tratamiento que mayor número de vainas por plantas fue el control durante el periodo crítico. El tratamiento que mejor se comporto fue el período crítico, con el mayor rendimiento y la mejor rentabilidad. De lo anterior se deriva que es recomendable realizar el control durante el período crítico (15 y 21 dds), que son los períodos de mayor susceptibilidad del frijol común al efecto de malezas.

Efecto de exposición a deshidratación del coyolillo (Cyperus rotundus L.) sobre su densidad y el crecimiento y rendimiento del cultivo de Ajonjolí (Sesamun indicum L.) c.v. Cuyumaqui

En 1991 se estableció un ensayo en época seca (20-30 Abril) en el Centro Experimental del Algodón, Posoltega, Chinandega, con los objetivos de determinar si el efecto de diferentes tiempos de exposición a deshidratación del coyolillo (Cyperus rotundus L.) al arar el suelo en seco con arado de discos para reducir su densidad, se mantiene hasta la época de postrera y asimismo si tiene efecto sobre el crecimiento y rendimiento del cultivo de ajonjolí (Sesamun indicum L.). Para tales efectos se usó un diseño de Bloques Completos al Azar (B.C.A.) con seis tratamientos y seis repeticiones, evaluándose el factor tiempo de exposición a deshidratación del coyolillo. Los tratamientos consistieron en realizar la práctica de arar el suelo en seco en las diferentes parcelas a intervalos de dos días, empezando el 20 de abril con el tratamiento diez días y terminando el 30 de abril con el tratamiento cero días de exposición, aplicándose ese mismo día el riego en todo el área. Los tubérculos quedaron expuestos a la deshidratación durante 1O, 8, 6, 4, 2 y O días. Después de establecer lo tratamientos, se sembró el 2 de mayo el cultivo de soya (Glycine max (L.) Merr.) (Época de primera) y el cultivo de ajonjolí del presente ensayo el 5 de septiembre (época de postrera). Las variables evaluadas consistieron para coyolillo: densidad y para ajonjolí: altura de plantas, número de hojas, diámetro del tallo y rendimiento. El análisis de varianza mostró significancia estadística (P < 0.05) en densidad a los 14, 28 y 42• dds, altura de plantas 42 y 89 dds, número de hojas 28 dds y diámetro del tallo 42 dds. El contraste olinomial planificado presentó significancia estadística para la tendencia lineal (P <0.05) para densidad a los 14, 28.y 42.dds, altura de plantas 14, 42y 89 dds, número de hojas 28 y 42 dds, diámetro del tallo 28 y 42 dds y rendimiento. Los mayores valores de medias para densidad de coyolillo se presentan en el tratamiento cero días y los menores valores en el tratamiento ocho días de exposición a deshidratación del coyolillo para las tres fechas de muestreo. Todas las variables evaluadas en el cultivo de ajonjolí presentan los mayores valores en el tratamiento ocho días y los menores valores en el tratamiento cero días de exposición, excepto altura 14 dds, donde el mayor valor se presenta en el tratamiento cero días y el 'menor valor en el tratamiento seis días de exposición a deshidratación del coyolillo. Los análisis de regresión realizados entre la variable independiente tiempo de exposición y las variables dependientes del coyolillo y el cultivo del ajonjolí, mostraron una respuesta de tendencia lineal negativa en densidad de coyolillo y tendencia lineal positiva en todas las variables del cultivo de ajonjolí, excepto altura 14 dds que presentó una tendencia lineal negativa.

Determinación del tamaño conglomerado de plantas para el muestreo de nematodos en café

Con el propósito de determinar un tamaño mínimo de muestras, que con cierto grado de precisión permita hacer una estimación confiable y con bajos costos para el productor cafetalero sobre la densidad de nematodos, se realizó un muestreo en 4 fincas del departamento de Carazo (Mª Auxiliadora, El Porvenir, San Marquitos y La Palmerita) En cada una de las fincas se seleccionó una hectárea tomando 15 plantas al azar, formando 5 conglomerados de 3 plantas cada uno, en cada planta se muestrearon 2 sitios a una distancia de 15 cm del pie de la planta y a una profundidad de 15cm en donde se recolectaron raíces simultáneamente se recolectaron muestras de raíces entre cada planta de tal manera que se formó una sola muestra por cada conglomerado a la cual nombramos " muestra compuesta". Por cada conglomerado de 3 plantas se recolectaron 3 muestras individuales y una muestra compuesta totalizando en las 4 fincas un total de 80 muestras de raices. Los géneros estudiados fueron: Meloidogyne sp., Pratylenchus sp y Rotylenchulus sp. Los resultados indican que la situación actual de la población de nematodos se encuentra agregada en el caso de los géneros Meloidogyne y Pratylenchus; mientras que en el caso del género Rotylenchulus sus poblaciones se encuentran de forma uniforme en las fincas muestreadas. La muestra individual arrojó mejores resultados que el tipo de muestra compuesta; se determinó que aceptando un 10% de error se hace necesario muestrear al azar 6 plantas(l00grs de raíz) distribuidas en 2 sitios por hectárea.

Efectos de la combinación de abonos orgánicos y fertilizante químico sobre la densidad aparente y el espacio poroso total de un suelo volcánico Nicaragüense

Se realizó un muestreo de suelos en parcelas experimentales de un ensayo de campo, con el fin de evaluar los efectos de la aplicación de tres dosis de Abonos Orgáníeos (AO), combinadas con fertilizante químico, sobre la densidad aparente (á) y el espacio poroso total (FPT) de un suelo volcánico nicaragüense. El ensayo se realizó durante la época de Postrera (Septiembre -Diciembre) de 1989, en la Finca Experimental La Compañía, Carazo, Nicaragua; sobre un suelo franco - arenoso derivado de cenizas volcánicas (Typic Durandepts). Se utilizó un experimento Bifactorial en diseño de parcelas divididas en Bloques completos al azar, con cuatro réplicas. Los AO empleados fueron Gallinaza, Compost y Pulpa de café, siendo las dosis ensayadas de 5, 10 y 15 ton.ha 1 de cada uno, combinadas con Fosfato Díamónico a razón de 64.8 kg.ba· 1• Se observó una disminoción de la d y un aumento del EPT con la aplícacion de los AO, siendo este efecto influido por las dosis incorporadas. Las parcelas que presentaron la menor d y el mayor EPT, fueron aquellas donde se incorporó el Compost.

Un método de muestreo de malezas para pequeños productores de maíz y frijol en Centroamérica

Se diseñó un método simple de muestreo de malezas a ser utilizado en entrenamiento participativo en programas de manejo integrado de plagas (MIP). Se utilizaron 50 cuadrantes circulares (diámetro de 35 cm), distribuidos en forma de zigzag, en los cuales los productores observaron la caber· tura total de malezas, la presencia de las mismas y la fenologia de las especies y tipos de malezas. Con el propósito de validar el método, se seleccionaron cuatro campos en los cuales se establecieron 100 cuadrantes para medir biomasa, densidad y cobertura de las malezas, todo esto antes del primer control de las mismas. Los resultados muestran campos con presencia de 17 a 33 especies, con 3.5 a 4.7 especies por cuadrante. La cobertura de las malezas vario entre 23 y 34 por ciento, con densidad de 134 a 214 individuos y una biomasa acumulada variando entre 171 y 213 g 1m2. Ningún cuadrante estuvo libre de malezas. Se estimó el coeficiente de variación de la cobertura de las malezas, el cual se estimó construyendo 5 sub-muestras obtenidas al azar de 25, 50 y 75 cuadrantes, que arrojaron valores de CV de 11, 8 y 4 por ciento respectivamente. Se estimó, también, la correlación (r) entre cobertura de malezas y biomasa y de cobertura con densidad de malezas. La misma viario entre los campos de 0.62-0.77 y de 0.59-0.78 respectivamente. Las especies mas frecuentes en los 50 circulas obtuvieron las mayores densidades y la mayor biomasa.

Teorema de Bayes y lenguaje matemático Maple. Estimación de la función de densidad posterior

El objetivo de este trabajo es explicar el uso del teorema de Bayes en la estimación de la función de densidad posterior (fdp) de parámetros de interés, usando el software matemático Maple. Se presenta el caso de la distribución de Pareto como una aproximación a la distribución de los ingresos de una población. Se estima la fdp del parámetro alfa de la distribución de Pareto para el caso de datos agrupados.

Determinación del esfuerzo de muestreo requerido para el estimado de procucción de huevos de anchoveta Engraulis ringens, frente al Perú

Para obtener una primera aproximación del número de muestras requerido para un determinado nivel de precisión del estimado de producción de huevos de anchoveta por unidad de área superficial del mar, se han utilizado datos existentes de muestras de huevos provenientes de exploraciones efectuadas frente al Perú en los últimos 20 años. La anchoveta parece desovar en cardúmenes, produciendo una gran can­ tidad de huevos, de los que las muestras toman una pequeña proporción. Aproximadamente el 8º/o de las muestras positivas fueron superiores a 4096 huevos por m2. Un importante cambio en el tamaño de la población de la anchoveta peruana se ha notado en 1972. El rango de valores de huevos fue similar antes y después del cambio, pero el número promedio de huevos por muestra positiva fue aproximada­ mente el doble antes de la declinación en 1971. Se ha tomado en consideración la precisión de la estimación deseada y los costos y disponibilidad de tiempo de barco en la estación de desove para elaborar un plan de crucero a un costo razonable. El área investigada cubre 57600 millas cuadradas; con 640 millas a lo largo y 90 millas hacia afuera de la costa. En esta proyección una precisión del estimado de 30º/o requiere 924 muestras y 20º/o de precisión requiere 2078 muestras. Se discute los sesgos en la estimación de precisión. Se usa la distribución de probabilidad log-normal en la descripción de muestras positivas.

Determinaci??n de la m??xima varianza para el c??lculo del factor de imprecisi??n sobre la escala de medida, y extensi??n a diferentes tipos de muestreo

Resumen tomado de la publicaci??n. Resumen tambi??n en ingl??s

Estadística i probabilitat II. 'Estadística y probabilidad II'.

Propuesta de crédito común del área de matemáticas dirigido al ciclo 14-16 de la ESO. Es la segunda parte de un trabajo que tiene como objetivo global impulsar la enseñanza de la estadística y la probabilidad en la enseñanza secundaria. Expone los contenidos y objetivos del crédito, caracterizándose por su carácter interdisciplinario y multidisciplinario. Realiza una extensa propuesta de ejercicios y trabajos prácticos de refuerzo y/o de ampliación, requiriendo algunos de ellos soporte informático debido a la utilización de dos software de probabilidad. Expone las actividades de aprendizaje propuestas, los criterios y el material de evaluación, una temporalización indicativa del crédito y unas orientaciones para la intervención pedagógica respecto a las actividades propuestas y a sus características metodológicas para cada tema: 1. El trabajo estadístico, 2. Parámetros de tendencia central, 3. Estudio y medida de la dispersión, 4. Relación entre variables estadísticas, 5. La probabilidad, 6. La esperanza matemática 7. Estimación de proporciones por métodos de muestreo.

Contributions to Bayesian network learning with applications to neuroscience

Neuronal morphology is a key feature in the study of brain circuits, as it is highly related to information processing and functional identification. Neuronal morphology affects the process of integration of inputs from other neurons and determines the neurons which receive the output of the neurons. Different parts of the neurons can operate semi-independently according to the spatial location of the synaptic connections. As a result, there is considerable interest in the analysis of the microanatomy of nervous cells since it constitutes an excellent tool for better understanding cortical function. However, the morphologies, molecular features and electrophysiological properties of neuronal cells are extremely variable. Except for some special cases, this variability makes it hard to find a set of features that unambiguously define a neuronal type. In addition, there are distinct types of neurons in particular regions of the brain. This morphological variability makes the analysis and modeling of neuronal morphology a challenge. Uncertainty is a key feature in many complex real-world problems. Probability theory provides a framework for modeling and reasoning with uncertainty. Probabilistic graphical models combine statistical theory and graph theory to provide a tool for managing domains with uncertainty. In particular, we focus on Bayesian networks, the most commonly used probabilistic graphical model. In this dissertation, we design new methods for learning Bayesian networks and apply them to the problem of modeling and analyzing morphological data from neurons. The morphology of a neuron can be quantified using a number of measurements, e.g., the length of the dendrites and the axon, the number of bifurcations, the direction of the dendrites and the axon, etc. These measurements can be modeled as discrete or continuous data. The continuous data can be linear (e.g., the length or the width of a dendrite) or directional (e.g., the direction of the axon). These data may follow complex probability distributions and may not fit any known parametric distribution. Modeling this kind of problems using hybrid Bayesian networks with discrete, linear and directional variables poses a number of challenges regarding learning from data, inference, etc. In this dissertation, we propose a method for modeling and simulating basal dendritic trees from pyramidal neurons using Bayesian networks to capture the interactions between the variables in the problem domain. A complete set of variables is measured from the dendrites, and a learning algorithm is applied to find the structure and estimate the parameters of the probability distributions included in the Bayesian networks. Then, a simulation algorithm is used to build the virtual dendrites by sampling values from the Bayesian networks, and a thorough evaluation is performed to show the model’s ability to generate realistic dendrites. In this first approach, the variables are discretized so that discrete Bayesian networks can be learned and simulated. Then, we address the problem of learning hybrid Bayesian networks with different kinds of variables. Mixtures of polynomials have been proposed as a way of representing probability densities in hybrid Bayesian networks. We present a method for learning mixtures of polynomials approximations of one-dimensional, multidimensional and conditional probability densities from data. The method is based on basis spline interpolation, where a density is approximated as a linear combination of basis splines. The proposed algorithms are evaluated using artificial datasets. We also use the proposed methods as a non-parametric density estimation technique in Bayesian network classifiers. Next, we address the problem of including directional data in Bayesian networks. These data have some special properties that rule out the use of classical statistics. Therefore, different distributions and statistics, such as the univariate von Mises and the multivariate von Mises–Fisher distributions, should be used to deal with this kind of information. In particular, we extend the naive Bayes classifier to the case where the conditional probability distributions of the predictive variables given the class follow either of these distributions. We consider the simple scenario, where only directional predictive variables are used, and the hybrid case, where discrete, Gaussian and directional distributions are mixed. The classifier decision functions and their decision surfaces are studied at length. Artificial examples are used to illustrate the behavior of the classifiers. The proposed classifiers are empirically evaluated over real datasets. We also study the problem of interneuron classification. An extensive group of experts is asked to classify a set of neurons according to their most prominent anatomical features. A web application is developed to retrieve the experts’ classifications. We compute agreement measures to analyze the consensus between the experts when classifying the neurons. Using Bayesian networks and clustering algorithms on the resulting data, we investigate the suitability of the anatomical terms and neuron types commonly used in the literature. Additionally, we apply supervised learning approaches to automatically classify interneurons using the values of their morphological measurements. Then, a methodology for building a model which captures the opinions of all the experts is presented. First, one Bayesian network is learned for each expert, and we propose an algorithm for clustering Bayesian networks corresponding to experts with similar behaviors. Then, a Bayesian network which represents the opinions of each group of experts is induced. Finally, a consensus Bayesian multinet which models the opinions of the whole group of experts is built. A thorough analysis of the consensus model identifies different behaviors between the experts when classifying the interneurons in the experiment. A set of characterizing morphological traits for the neuronal types can be defined by performing inference in the Bayesian multinet. These findings are used to validate the model and to gain some insights into neuron morphology. Finally, we study a classification problem where the true class label of the training instances is not known. Instead, a set of class labels is available for each instance. This is inspired by the neuron classification problem, where a group of experts is asked to individually provide a class label for each instance. We propose a novel approach for learning Bayesian networks using count vectors which represent the number of experts who selected each class label for each instance. These Bayesian networks are evaluated using artificial datasets from supervised learning problems. Resumen La morfología neuronal es una característica clave en el estudio de los circuitos cerebrales, ya que está altamente relacionada con el procesado de información y con los roles funcionales. La morfología neuronal afecta al proceso de integración de las señales de entrada y determina las neuronas que reciben las salidas de otras neuronas. Las diferentes partes de la neurona pueden operar de forma semi-independiente de acuerdo a la localización espacial de las conexiones sinápticas. Por tanto, existe un interés considerable en el análisis de la microanatomía de las células nerviosas, ya que constituye una excelente herramienta para comprender mejor el funcionamiento de la corteza cerebral. Sin embargo, las propiedades morfológicas, moleculares y electrofisiológicas de las células neuronales son extremadamente variables. Excepto en algunos casos especiales, esta variabilidad morfológica dificulta la definición de un conjunto de características que distingan claramente un tipo neuronal. Además, existen diferentes tipos de neuronas en regiones particulares del cerebro. La variabilidad neuronal hace que el análisis y el modelado de la morfología neuronal sean un importante reto científico. La incertidumbre es una propiedad clave en muchos problemas reales. La teoría de la probabilidad proporciona un marco para modelar y razonar bajo incertidumbre. Los modelos gráficos probabilísticos combinan la teoría estadística y la teoría de grafos con el objetivo de proporcionar una herramienta con la que trabajar bajo incertidumbre. En particular, nos centraremos en las redes bayesianas, el modelo más utilizado dentro de los modelos gráficos probabilísticos. En esta tesis hemos diseñado nuevos métodos para aprender redes bayesianas, inspirados por y aplicados al problema del modelado y análisis de datos morfológicos de neuronas. La morfología de una neurona puede ser cuantificada usando una serie de medidas, por ejemplo, la longitud de las dendritas y el axón, el número de bifurcaciones, la dirección de las dendritas y el axón, etc. Estas medidas pueden ser modeladas como datos continuos o discretos. A su vez, los datos continuos pueden ser lineales (por ejemplo, la longitud o la anchura de una dendrita) o direccionales (por ejemplo, la dirección del axón). Estos datos pueden llegar a seguir distribuciones de probabilidad muy complejas y pueden no ajustarse a ninguna distribución paramétrica conocida. El modelado de este tipo de problemas con redes bayesianas híbridas incluyendo variables discretas, lineales y direccionales presenta una serie de retos en relación al aprendizaje a partir de datos, la inferencia, etc. En esta tesis se propone un método para modelar y simular árboles dendríticos basales de neuronas piramidales usando redes bayesianas para capturar las interacciones entre las variables del problema. Para ello, se mide un amplio conjunto de variables de las dendritas y se aplica un algoritmo de aprendizaje con el que se aprende la estructura y se estiman los parámetros de las distribuciones de probabilidad que constituyen las redes bayesianas. Después, se usa un algoritmo de simulación para construir dendritas virtuales mediante el muestreo de valores de las redes bayesianas. Finalmente, se lleva a cabo una profunda evaluaci ón para verificar la capacidad del modelo a la hora de generar dendritas realistas. En esta primera aproximación, las variables fueron discretizadas para poder aprender y muestrear las redes bayesianas. A continuación, se aborda el problema del aprendizaje de redes bayesianas con diferentes tipos de variables. Las mixturas de polinomios constituyen un método para representar densidades de probabilidad en redes bayesianas híbridas. Presentamos un método para aprender aproximaciones de densidades unidimensionales, multidimensionales y condicionales a partir de datos utilizando mixturas de polinomios. El método se basa en interpolación con splines, que aproxima una densidad como una combinación lineal de splines. Los algoritmos propuestos se evalúan utilizando bases de datos artificiales. Además, las mixturas de polinomios son utilizadas como un método no paramétrico de estimación de densidades para clasificadores basados en redes bayesianas. Después, se estudia el problema de incluir información direccional en redes bayesianas. Este tipo de datos presenta una serie de características especiales que impiden el uso de las técnicas estadísticas clásicas. Por ello, para manejar este tipo de información se deben usar estadísticos y distribuciones de probabilidad específicos, como la distribución univariante von Mises y la distribución multivariante von Mises–Fisher. En concreto, en esta tesis extendemos el clasificador naive Bayes al caso en el que las distribuciones de probabilidad condicionada de las variables predictoras dada la clase siguen alguna de estas distribuciones. Se estudia el caso base, en el que sólo se utilizan variables direccionales, y el caso híbrido, en el que variables discretas, lineales y direccionales aparecen mezcladas. También se estudian los clasificadores desde un punto de vista teórico, derivando sus funciones de decisión y las superficies de decisión asociadas. El comportamiento de los clasificadores se ilustra utilizando bases de datos artificiales. Además, los clasificadores son evaluados empíricamente utilizando bases de datos reales. También se estudia el problema de la clasificación de interneuronas. Desarrollamos una aplicación web que permite a un grupo de expertos clasificar un conjunto de neuronas de acuerdo a sus características morfológicas más destacadas. Se utilizan medidas de concordancia para analizar el consenso entre los expertos a la hora de clasificar las neuronas. Se investiga la idoneidad de los términos anatómicos y de los tipos neuronales utilizados frecuentemente en la literatura a través del análisis de redes bayesianas y la aplicación de algoritmos de clustering. Además, se aplican técnicas de aprendizaje supervisado con el objetivo de clasificar de forma automática las interneuronas a partir de sus valores morfológicos. A continuación, se presenta una metodología para construir un modelo que captura las opiniones de todos los expertos. Primero, se genera una red bayesiana para cada experto y se propone un algoritmo para agrupar las redes bayesianas que se corresponden con expertos con comportamientos similares. Después, se induce una red bayesiana que modela la opinión de cada grupo de expertos. Por último, se construye una multired bayesiana que modela las opiniones del conjunto completo de expertos. El análisis del modelo consensuado permite identificar diferentes comportamientos entre los expertos a la hora de clasificar las neuronas. Además, permite extraer un conjunto de características morfológicas relevantes para cada uno de los tipos neuronales mediante inferencia con la multired bayesiana. Estos descubrimientos se utilizan para validar el modelo y constituyen información relevante acerca de la morfología neuronal. Por último, se estudia un problema de clasificación en el que la etiqueta de clase de los datos de entrenamiento es incierta. En cambio, disponemos de un conjunto de etiquetas para cada instancia. Este problema está inspirado en el problema de la clasificación de neuronas, en el que un grupo de expertos proporciona una etiqueta de clase para cada instancia de manera individual. Se propone un método para aprender redes bayesianas utilizando vectores de cuentas, que representan el número de expertos que seleccionan cada etiqueta de clase para cada instancia. Estas redes bayesianas se evalúan utilizando bases de datos artificiales de problemas de aprendizaje supervisado.

Influencia del inventario de campo en el error de muestreo obtenido en un inventario con tecnología Lidar

Habitualmente se considera que en los inventarios forestales realizados con tecnología LiDAR no existe error de muestreo. El error en la estimación de las variables se asimila a la bondad de ajuste obtenida en la regresión que se usa para la predicción de dichas variables. Sin embargo el inventario LiDAR puede ser considerado como un muestreo en dos fases con estimador de regresión, por lo que es posible calcular el error que se comete en dicho inventario. Se presenta como aplicación el inventario de los montes de Utilidad Pública números 193 y 194 de la provincia de Soria, poblados principalmente con masas de repoblación de Pinus sylvestris. Se ha trabajado con una muestra de 50 parcelas circulares de 11 metros de radio y una densidad media de datos LiDAR de 2 puntos/m2. Para la estimación del volumen maderable (V) se ha ajustado una regresión lineal con un coeficiente de determinación R2=0,8985. Los resultados muestran que los errores obtenidos en un inventario LiDAR son sustancialmente menores que los obtenidos en un muestreo sistemático por parcelas (5,1% frente a 14.9% en el caso analizado). También se observa que se consigue un error de muestreo mínimo para la estimación del volumen cuando la regresión se realiza pixeles de tamaño igual al de la parcela de muestreo en campo y que para minimizar el error a nivel de rodal es necesario maximizar el rango de aplicación de la regresión.

Evaluación de la diversidad de macroinvertebrados edáficos en cinco microcuencas del Río Estelí y Río Viejo Nicaragua

En investigación se determinó la densidad, número de familia y composición de familias de macroinvertebrados encontradas en tres microcuencas de la Subcuenca del Río Estelí y dos microcuenca de la Subcuenca del Río Viejo. En el marco del proyecto UNA/CARE/MARENA/PIMCHAS, 2010. Al mismo tiempo se realizó comparación de la densidad con respecto al uso de suelo. De igual manera, se determinó el cambio de macroinvertebrados en tres profundidades de muestreo (hojarasca, 1 -10cmy 10-25cm) y se agruparon por sus hábitos alimenticios. Para la toma de datos se exploraron los macroinvertebrados en 171 monolitos de 20x20x25 cm repartidos en los sitios de acción del proyecto UNA-CARE-MARENA- PIMCHAS de las microcuencas El Coyote, Las Chichiguas, La Pita, La Laguneta y Tomabú. Los 2,920 individuos identificados se determinaron en 52 familias, 22 órdenes, 7 clases y 4 filums. El número de familias y su composición no varió significativamente entre microcuencas ni entre sitios. Las familias que obtuvieron los mayores valores de abundancia en general fueron: Carabidae, Staphylinidae, Curculionidae, miembros de la clase Diplopoda- d, Formicidae y Scolopendridae. La densidad y el número de familias no variaron significativamente en las tres profundidades estudiadas , pero sí varió la composición de familias. Los individuos con hábitos alimenticios fitófagos y depredadores, además de estar entre los grupos con más individuos por m2 , junto a los fungívoros y xilófagos, tuvieron la mayor variedad de familias. Los usos de tierra en donde se reportaron los mayores números de individuos por m 2 fueron de manera descendente: café con sombra, bosque, granos básicos y pasto. El número de familias no varió significativamente entre los usos, sin embargo la composición de familia si varió.

Análisis de la contribución de los sistemas silvopastoriles a la conservación de la flora y fauna en tres comunidades de la reserva de biósfera Bosawás

El estudio se realizó en tres comunidades del Territorio Miskitu Indian Tasbaika Kum, Reserva de Biósfera BOSAWAS (Shiminka, Boca de Plis y Esperanza), para describir la interacción entre especies de flora y avifauna y su influencia en la conservación de estas especies en las áreas de pastoreo, a partir de tres criterios: 1) cuantificar flora y avifauna, 2) prácticas de manejo tradicional, 3) estimar beneficios económico generado por sistemas de pastoreo. Se establecieron tres puntos de conteo dentro de transeptos para avifauna, se estableció parcelas para muestreo de la vegetación en cada comunidad, se seleccionó una comunidad beneficiada por subproyectos del Proyecto Corazón (MARENA) y dos áreas clasificadas como bosque secundario. Para evaluar el beneficio económi co se aplicó entrevistas abiertas y estructuradas dirigida a propietarios de ganado, para documentar los principales beneficios tangibles e intangibles que la población obtiene de estos agrosistemas. El análisis de resultados se determinó en base a índices de diversidad, dominancia, equidad y similitud; tomando en cuenta la riqueza, abundancia y densidad de especies. Se encontró que para flora Shiminka obtuvo los mayores valores de dominancia lo que indica que se encuentran especies de mayor importancia, Esperanza tiene mayor equidad y diversidad, en Shiminka y Esperanza se necesitan mayores estudios, el análisis de Clúster arrojó que aunque existe alguna concordancia entre Boca de Plis y Shiminka, las tres difieren entre sí y el mismo resultado se encontró para la avifauna; y para fauna mayor equidad en Shiminka y Esperanza, mientras la más diversa resultó Esperanza. La similitud establece que Boca de Plis y Esperanza necesitan mayor intensidad de muestreo.