Publicado
2015-12-30

Modelos GAMLSS aplicados en el tratamiento de residuos agroindustriales

GAMLSS models applied in the treatment of agro-industrial waste1

DOI: https://doi.org/10.15332/s2027-3355.2015.0002.07
Freddy Hernández Barajas
Mabel Torres
Lina Arteaga
Cristina Castro

Resumen (es)

En este artículo se presenta una aplicación de los modelos GAMLSS (Generalized Additive Models for Location, Shape and Scale) para estudiar la producción de celulosa bacteriana a partir de residuos agroindustriales. El experimento fue realizado para investigar los efectos del pH y el tiempo de cultivo sobre el rendimiento de celulosa bacteriana obtenida a partir de residuos de banano. Varios modelos fueron ajustados a los datos recolectados para determinar expresiones estimadas para la media y la varianza del rendimiento de celulosa bacteriana. Del mejor modelo obtenido se encontró que la media y la varianza del rendimiento de celulosa bacteriana disminuye a medida que el pH se incrementa, mientras al aumentar el tiempo de cultivo tanto la media como la varianza aumentan.

Palabras clave (es): Distribución gamma, estimación de parámetros, modelo GAMLSS, regresión lineal.

Resumen (en)

In this paper, we present an application of GAMLSS (Generalized Additive Models for Location, Shape and Scale) to study bacterial cellulose production from agro-industrial waste. An experiment was conducted to research the effects of pH and cultivation time on bacterial cellulose yield obtained from discarded bananas. Several models were fitted to the collected data to determine an estimated expression for the mean and variance of bacterial cellulose yield. We found that the mean and variance of cellulose yield decrease as pH increases, while the opposite occurs as cultivation time increases.

Freddy Hernández Barajas, Universidad Nacional de Colombia

Doctor en Ciencias por la Universidad de São Paulo (USP, 2013) en São Paulo, Brasil. Magíster en Estadística de la Universidad Nacional de Colombia (UNAL, 2007) e Ingeniero Industrial por la Universidad Industrial de Santander (UIS, 2002) en Bucaramanga, Colombia. Entre los intereses de investigación se encuentran la estadística computacional, modelos de regresión y técnicas de comparaciones múltiples. Miembro de la Comunidad de Investigación de Operaciones Medellín, miembro del comité editorial de la Revista de Ingeniería Industrial UPB y miembro de Statistical Modelling Society.

Referencias

Akaike, H. (1973), Information theory and an extension of the maximum likelihood principle, in B. N. Petrov & F. Csaki, eds, ‘2nd International Symposium on Information Theory’, Budapest: Akademia Kiado, pp. 267–281.

Castro, C., Zuluaga, R., Alvarez, C., Putaux, J.-L., Caro, G., Rojas, O. J., Mondragón, I. & Gañan, P. (2012), ‘Bacterial cellulose produced by a new acid-resistant strain of gluconacetobacter genus’, Carbohydrate Polymers 89(4), 1033 – 1037.

Jaramillo, L., Perna, M., Benito-Revollo, A., Arrieta, M. & Escamilla, E. (2013), ‘Efecto de diferentes concentraciones de fructosa sobre la producción de celulosa bacteriana en cultivo estático’, Rev. Colombiana Cienc. Anim. 5(1), 116–130.

Rigby, B. & Stasinopoulos, M. (2010), ‘Instructions on how to use the gamlss

package in R’. *http://gamlss.org/images/stories/papers/gamlss-manual.pdf

Rigby, R. & Stasinopoulos, D. (2005), ‘Generalized additive models for location,

scale and shape’, Applied Statistics 54(3), 507–554.

Stasinopoulos, D. & Rigby, R. (2007), ‘Generalized additive models for location, scale and shape (GAMLSS) in R’, Journal of Statistical Software 23(7), 1–46.

Dimensions

PlumX

  • Citations
  • CrossRef - Citation Indexes: 1
  • Captures
  • Mendeley - Readers: 14

Visitas

1425

Descargas

Cómo citar

Barajas, F. H., Torres, M., Arteaga, L., & Castro, C. (2015). Modelos GAMLSS aplicados en el tratamiento de residuos agroindustriales. Comunicaciones En Estadística, 8(2), 245-254. https://doi.org/10.15332/s2027-3355.2015.0002.07