Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...

More documents

Recommendations

Info

que los concellos situados al norte y este de Galicia (ver panel izquierdo). Los intervalosde credibilidad al 95 % se muestran en la Figura 4.29 (panel derecho) dondelos concellos de color negro representan mucha probabilidad de ocurrencia de incendiosfrente a los concellos en blanco que representan una baja probabilidad deocurrencia de incendios forestales provocados. Los concellos en gris son concellos nosignificativos frente a la variable en estudio. Aumenta el número de concellos en Galiciacon alta (oeste) y baja (norete y este) probabilidad de ocurrencia de incendiosprovocados con respecto a los modelos estudiados en secciones anteriores.Figura 4.29: Efectos espaciales estructurados - Ocurrencia de incendios forestalesprovocadosLos resultados de las efectos espaciales no estructurados (Figura 4.30) no apuntanen ninguna dirección específica, Todos los concellos son no significativos (colorgris, panel derecho). Los concellos pintados de blanco y rayados no aportan informaciónde ningún tipo, ya que no se obtuvo dato para poder estimar este efecto.
Figura 4.30: Efectos espaciales no estructurados - Ocurrencia de incendios forestalesprovocados4.3.3. Comparativa de modelosSe han estudiado los incendios forestales para dos variables respuesta, incendiostotales e incendios provocados, ahora es necesario conocer el ajuste obtenido enambas modelizaciones tal y como se muestra en el Cuadro 4.9.Modelos 2xlog-likelihood g.l. AIC BIC GCVBinomial (totales) 13993.4 164.997 14323.4 16065.3 0.049Binomial (provocados) 11059 141.54 11342 12836.4 0.039Cuadro 4.9: Criterio de información Akaike (AIC), criterio de información Bayesiano(BIC), y validación cruzada generalizada (GCV) para los dos modelos seleccionados.Se concluye afirmando que los modelos STAR con respuesta binomial para laocurrencia de incendios provocados y totales funcionan bien. Las variables meteorológicaspueden ser usadas para tal estimación mientras que las variables de gruposde modelos de combustibles deben de ser cambiadas por otro tipo de variables comopor ejemplo, las formaciones vegetales, que aporten mayor información al modelo.
Page 1 and 2:
Máster en Técnicas EstadísticasT
Page 3:
AgradecimientosDebo agradecer de un
Page 6 and 7:
3.3.2. Criterio de Información Bay
Page 9 and 10:
Capítulo 1IntroducciónLos incendi
Page 11 and 12:
et al. (2000) han utilizado la regr
Page 13 and 14:
Capítulo 2Área de Estudio y Mater
Page 15 and 16:
Variables Descripción de las varia
Page 17 and 18:
Figura 2.3: Incendios forestales pr
Page 19 and 20:
Figura 2.5: Estaciones climatológi
Page 21 and 22:
inflamabilidad y combustibilidad de
Page 23: - Cantidad de combustible (materia
Page 26 and 27: a través de una función de respue
Page 28 and 29: con un parámetro de varianza τ 2
Page 30 and 31: 3.2.3. Covariables ContinuasEn esta
Page 32 and 33: Mediante la definición (p − k)
Page 34 and 35: Los pesos se pueden elegir inversam
Page 36 and 37: Por último, echamos un vistazo en
Page 38 and 39: B 12 = p(y|M 1)p(y|M 2 ) , (3.29)El
Page 41 and 42: Capítulo 4Explorando la incidencia
Page 43 and 44: 4.1.2. Modelización de los incendi
Page 45 and 46: tre 20 y 30 ◦ C aproximadamente s
Page 47 and 48: los concellos en gris (ver Figura 4
Page 49 and 50: El efecto observado de la altitud c
Page 51 and 52: donde las zonas núcleo parecen ser
Page 53 and 54: las variables explicativas y el log
Page 55 and 56: un efecto lineal creciente más ace
Page 57 and 58: Figura 4.13: Efectos espaciales no
Page 59 and 60: Figura 4.14: Estimación de los efe
Page 61 and 62: Figura 4.17: Efectos espaciales est
Page 63 and 64: 4.3.1. Modelización de los incendi
Page 69 and 70: Figura 4.24: Efectos espaciales no
Page 73: Figura 4.27: Estimación de los efe
Page 78 and 79: 3. Trabajamos con máximo rigor, pe
Page 80 and 81: Figura A.1: Distribución de todas
Page 82 and 83: Figura A.4: Distribución de obtenc
Page 84 and 85: en cada punto del territorio galleg
Page 86 and 87: Figura A.10: Distribución del Mato
Page 88 and 89: Figura A.12: Distribución de los R
Page 90 and 91: B.1.B.1.1.Un ejemplo de código R p
Page 93 and 94: BibliografíaAkaike, H.,(1973). Inf
Page 95 and 96: Felicísimo, A.M., (1994). Modelos
Page 97 and 98: Moritz, M.A.,(2003). Spatiotemporal
show all

Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?