Validación de modelos con sesgo proporcional

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

Resumen


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.


Palabras clave


Errores; intervalos de confianza; modelos; sesgo; validez

Texto completo:

PDF

Referencias


Tedeschi LO. Assessment of the adequacy of mathematical models. Agr Syst 2006; 89(2-39):225–247.

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.

Freese F. Testing accuracy. For Sci 1960; 6:139-45.

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.

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.

Reynolds MR. Estimating the error in model predictions. For Sci 1984; 30(2):454-69.

Barrales VL, Peña RI, Fernández RB. Model validation: an applied approach. Agric Tech 2004; 64:66-73.

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.

Bickel PJ, Doksum KA. Mathematical Statistic: basic ideas and selected topics Vol I. Second edition. New Jersey: Pearson Prentice Hall; 2007.

McCarthy MA, Possingham HP, Day JR, Tyre AJ. Testing the accuracy of population viability analysis. Conserv Biol 2001; 15:1030-38.




DOI: http://dx.doi.org/10.21897/rmvz.927

Copyright (c) 2017 Revista MVZ Córdoba



Licencia Creative Commons
Esta obra está bajo una Licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional