##plugins.themes.bootstrap3.article.main##

Daniela Moraga Lopez Cristian Román Palacios

Resumen

Cuando se lleva a cabo análisis de modelamiento usando datos experimentales es importante obtener una medida de la confiabilidad del ajuste relativo de cada modelo como un criterio principal de seleccion. En este sentido, existen pocos estudios basados en técnicas de selección multimodelo para realizar representaciones teóricas de conjuntos de datos, por lo que es común incurrir en una mala interpretación de los patrones existentes, o más aún, extrapolar incorrectamente y basar predicciones en modelos equívocos. Este documentos está enfocado en evaluar en 40 conjuntos de datos provenientes de varios estudios ecológicos publicados, la efectividad de la regresión lineal designada por los autores al contrastarla con seis modelos de regresión usando los criterios de información de Akaike y Bayesiano, y además discutir las implicaciones de las interpretaciones subsecuentes de acuerdo al modelo. Se encontró que el modelo de regresión lineal fue exitoso en solo el 13.35% de los conjuntos de datos (15% de los conjuntos de datos para AIC y 11.7% de los datos para BIC), pero por otro lado, el modelo logarítmico fue m´as exitoso en el 38.5% de los casos (35% de los conjuntos de datos para AIC y 41.1% de los datos para BIC), generando dudas sobre la eficiencia del modelo de regresi´on lineal sobre los otros tipos de regresión en datos biológicos.

##plugins.themes.bootstrap3.article.details##

Palabras Clave
Referencias
Akaike, H. (1998), “Information theory and an extension of the maximum likelihood principle”, in Selected Papers of Hirotugu Akaike, Springer, pp. 199–213.

Asp, M.L., Richardson, J.R., Collene, A.L., Droll, K.R. and Belury, M.A. (2012), “Dietary protein and beef consumption predict for markers of muscle mass and nutrition status in older adults”, The journal of nutrition, health & aging, Vol. 16 No. 9, pp. 784–790.

Bates, D.M. and Watts, D.G. (1988), Nonlinear regression: iterative estimation and linear approximations, Wiley Online Library.
Bevington, P.R. and Robinson, D.K. (1969), Data reduction and error analysis for the physical sciences,
Cómo citar
Lopez, D. M., & Palacios, C. R. (2015). Criterios de información en la selección multimodelo de regresiones paramétricas: aplicaciones biológicas. Comunicaciones En Estadística, 8(1), 45-57. https://doi.org/10.15332/s2027-3355.2015.0001.03
Sección
Artículos