Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Figura 4.30: Efectos espaciales no estructurados - Ocurrencia <strong>de</strong> incendios forestalesprovocados4.3.3. Comparativa <strong>de</strong> mo<strong>de</strong>losSe han estudiado los incendios forestales para dos variables <strong>respuesta</strong>, incendiostotales e incendios provocados, ahora es necesario <strong>con</strong>ocer el ajuste obtenido enambas mo<strong>de</strong>lizaciones tal y como se muestra en el Cuadro 4.9.<strong>Mo<strong>de</strong>los</strong> 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 <strong>de</strong> información Akaike (AIC), criterio <strong>de</strong> información Bayesiano(BIC), y validación cruzada generalizada (GCV) para los dos mo<strong>de</strong>los seleccionados.Se <strong>con</strong>cluye afirmando que los mo<strong>de</strong>los <strong>STAR</strong> <strong>con</strong> <strong>respuesta</strong> binomial para laocurrencia <strong>de</strong> incendios provocados y totales funcionan bien. Las variables meteorológicaspue<strong>de</strong>n ser usadas para tal estimación mientras que las variables <strong>de</strong> grupos<strong>de</strong> mo<strong>de</strong>los <strong>de</strong> combustibles <strong>de</strong>ben <strong>de</strong> ser cambiadas por otro tipo <strong>de</strong> variables comopor ejemplo, las formaciones vegetales, que aporten mayor información al mo<strong>de</strong>lo.