Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Validación de modelos con sesgo proporcional

Validation of models with proportional bias



Abrir | Descargar

Cómo citar
Medina-Peralta, S., Vargas-Villamil, L., Colorado-Martínez, L., & Navarro-Alberto, J. (2017). Validación de modelos con sesgo proporcional. Revista MVZ Córdoba, 22(1), 5674-5682. https://doi.org/10.21897/rmvz.927

Dimensions
PlumX
Salvador Medina-Peralta
Luis Vargas-Villamil
Luis Colorado-Martínez
Jorge Navarro-Alberto

Objetivo. En este trabajo se presentan extensiones al método estadístico de Freese para validar modelos con sesgo proporcional (SP) en sus predicciones y se ilustra el método con datos provenientes de un modelo de simulación de crecimiento de praderas. Materiales y métodos. Las extensiones para validar un modelo con SP fueron: el error máximo anticipado para el planteamiento original, la prueba de hipótesis y error máximo anticipado para el planteamiento alternativo, y el intervalo de confianza para un cuantil de la distribución de los errores. Resultados. El modelo evaluado presentó SP, una vez removido y con un nivel de confianza del 95% la magnitud del error no sobrepasa 1225.564 kg ha-1. Por lo que el modelo validado podría usarse para predecir el crecimiento de praderas, sin embargo, requerirá un ajuste en su estructura con base a la presencia de SP. Conclusiones. Las extensiones presentadas para validar modelos en presencia de SP se aplican sin que el modelo sea modificado en su estructura. El intervalo de confianza para el cuantil 1-α de la distribución de los errores una vez que se corrige el SP, permite determinar una cota superior para la magnitud del error de predicción y usarla para evaluar la evolución del modelo en predicción del sistema.


Visitas del artículo 1267 | Visitas PDF


Descargas

Los datos de descarga todavía no están disponibles.
  1. Tedeschi LO. Assessment of the adequacy of mathematical models. Agr Syst 2006; 89(2-39):225–247.
  2. Medina-Peralta S, Vargas-Villamil L, Navarro-Alberto J, Canul-Pech C, Peraza-Romero S. Comparación de medidas de desviación para validar modelos sin sesgo, sesgo constante o proporcional. Univ Cienc. 2010; 26(3):255-263.
  3. Freese F. Testing accuracy. For Sci 1960; 6:139-45.
  4. Medina PS, Vargas-Villamil L, Navarro AJ, Avendaño L, Colorado L, Arjona-Suarez E, Mendoza-Martínez G. Validación de modelos con sesgo constante: un enfoque aplicado. Rev MVZ Córdoba 2014; 19(2):4099-08.
  5. Rennie JC, Wiant HV. Modification of Freese’s chi-square test of accuracy. USDI Bureau of Land Management, Denver Colorado. Resource Inventory 1978; 14:1-3.
  6. Reynolds MR. Estimating the error in model predictions. For Sci 1984; 30(2):454-69.
  7. Barrales VL, Peña RI, Fernández RB. Model validation: an applied approach. Agric Tech 2004; 64:66-73.
  8. Medina PS. Validación de modelos mecanísticos basada en la prueba ji-cuadrada de Freese, su modificación y extensión. [Master’s thesis]. Montecillo, México: Colegio de Postgraduados; 2006.
  9. Bickel PJ, Doksum KA. Mathematical Statistic: basic ideas and selected topics Vol I. Second edition. New Jersey: Pearson Prentice Hall; 2007.
  10. McCarthy MA, Possingham HP, Day JR, Tyre AJ. Testing the accuracy of population viability analysis. Conserv Biol 2001; 15:1030-38.

Sistema OJS 3.4.0.3 - Metabiblioteca |