Inferencia multimodelo en ciencias sociales y ambientales
Los profesionales de las ciencias sociales y ambientales debemos resolver problemas (contestar preguntas) a partir de la recolección y el análisis de datos. Habitualmente, todos enfrentamos dificultades similares, queremos tomar decisiones sobre una población (por ejemplo, todos los árboles de una r...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Asociación Argentina de Ecología
2017-10-01
|
| Series: | Ecología Austral |
| Online Access: | https://ojs.ecologiaaustral.com.ar/index.php/Ecologia_Austral/article/view/513 |
| _version_ | 1797629239403479040 |
|---|---|
| author | Lucas A. Garibaldi Francisco J. Aristimuño Facundo J. Oddi Florencia Tiribelli |
| author_facet | Lucas A. Garibaldi Francisco J. Aristimuño Facundo J. Oddi Florencia Tiribelli |
| author_sort | Lucas A. Garibaldi |
| collection | DOAJ |
| description | Los profesionales de las ciencias sociales y ambientales debemos resolver problemas (contestar preguntas) a partir de la recolección y el análisis de datos. Habitualmente, todos enfrentamos dificultades similares, queremos tomar decisiones sobre una población (por ejemplo, todos los árboles de una región) pero sólo contamos con información de una muestra (algunos árboles de esa región). Una herramienta fundamental en este proceso es plantear modelos de la población sobre la variable de interés (crecimiento los árboles en función de la edad y las condiciones climáticas), para luego utilizar sus predicciones en la toma de decisiones (turnos de corta de acuerdo a las condiciones climáticas). En esta ayuda didáctica discutimos cómo plantear, estimar y seleccionar modelos de una población a partir de los datos de una muestra. Ponemos especial énfasis en proponer varios modelos (hipótesis) alternativos ante un mismo problema (por ejemplo, distintas funciones del crecimiento arbóreo con la edad), los cuáles son planteados antes de recolectar los datos, incluyendo un modelo nulo (el crecimiento arbóreo no depende de la edad ni del clima). Los modelos nos indican cómo deben ser recolectados los datos para un contraste válido (por ejemplo, mediciones del crecimiento en árboles de edad distinta y en sitios con clima contrastante). Luego, el criterio de información de Akaike (AIC) permite ordenar los modelos según su parsimonia, seleccionado aquellos con mejor ajuste a los datos (verosimilitud) y con menor número de parámetros (complejidad). A lo largo del texto, introducimos las nociones básicas sobre la inferencia multimodelo y discutimos los errores más comunes en su uso. Proveemos ejemplos reales, haciendo disponibles los datos y los códigos de ejecución en el programa R, de acceso gratuito. Además de ser útil para los profesionales, esperamos que esta ayuda didáctica promueva la enseñanza de la inferencia multimodelo en los cursos de grado.
DOI: https://doi.org/10.25260/EA.17.27.3.0.513
|
| first_indexed | 2024-03-11T10:51:36Z |
| format | Article |
| id | doaj.art-ec701ece5eab490184201f081d273e06 |
| institution | Directory Open Access Journal |
| issn | 0327-5477 1667-782X |
| language | English |
| last_indexed | 2024-03-11T10:51:36Z |
| publishDate | 2017-10-01 |
| publisher | Asociación Argentina de Ecología |
| record_format | Article |
| series | Ecología Austral |
| spelling | doaj.art-ec701ece5eab490184201f081d273e062023-11-13T18:34:20ZengAsociación Argentina de EcologíaEcología Austral0327-54771667-782X2017-10-0127310.25260/EA.17.27.3.0.513Inferencia multimodelo en ciencias sociales y ambientalesLucas A. Garibaldi0Francisco J. Aristimuño1Facundo J. Oddi2Florencia Tiribelli3Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural (IRNAD), Sede Andina, Universidad Nacional de Río Negro (UNRN) y Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), San Carlos de Bariloche, Río Negro, Argentina.Centro de Estudios en Ciencia, Tecnología, Cultura y Desarrollo (CITECDE), Sede Andina, Universidad Nacional de Río Negro (UNRN) y Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), San Carlos de Bariloche, Río Negro, Argentina.Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural (IRNAD), Sede Andina, Universidad Nacional de Río Negro (UNRN) y Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), San Carlos de Bariloche, Río Negro, Argentina.Instituto de Investigaciones en Biodiversidad y Medioambiente (INIBIOMA), Universidad Nacional del Comahue (UNCo) y Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), San Carlos de Bariloche, Río Negro, Argentina.Los profesionales de las ciencias sociales y ambientales debemos resolver problemas (contestar preguntas) a partir de la recolección y el análisis de datos. Habitualmente, todos enfrentamos dificultades similares, queremos tomar decisiones sobre una población (por ejemplo, todos los árboles de una región) pero sólo contamos con información de una muestra (algunos árboles de esa región). Una herramienta fundamental en este proceso es plantear modelos de la población sobre la variable de interés (crecimiento los árboles en función de la edad y las condiciones climáticas), para luego utilizar sus predicciones en la toma de decisiones (turnos de corta de acuerdo a las condiciones climáticas). En esta ayuda didáctica discutimos cómo plantear, estimar y seleccionar modelos de una población a partir de los datos de una muestra. Ponemos especial énfasis en proponer varios modelos (hipótesis) alternativos ante un mismo problema (por ejemplo, distintas funciones del crecimiento arbóreo con la edad), los cuáles son planteados antes de recolectar los datos, incluyendo un modelo nulo (el crecimiento arbóreo no depende de la edad ni del clima). Los modelos nos indican cómo deben ser recolectados los datos para un contraste válido (por ejemplo, mediciones del crecimiento en árboles de edad distinta y en sitios con clima contrastante). Luego, el criterio de información de Akaike (AIC) permite ordenar los modelos según su parsimonia, seleccionado aquellos con mejor ajuste a los datos (verosimilitud) y con menor número de parámetros (complejidad). A lo largo del texto, introducimos las nociones básicas sobre la inferencia multimodelo y discutimos los errores más comunes en su uso. Proveemos ejemplos reales, haciendo disponibles los datos y los códigos de ejecución en el programa R, de acceso gratuito. Además de ser útil para los profesionales, esperamos que esta ayuda didáctica promueva la enseñanza de la inferencia multimodelo en los cursos de grado. DOI: https://doi.org/10.25260/EA.17.27.3.0.513 https://ojs.ecologiaaustral.com.ar/index.php/Ecologia_Austral/article/view/513 |
| spellingShingle | Lucas A. Garibaldi Francisco J. Aristimuño Facundo J. Oddi Florencia Tiribelli Inferencia multimodelo en ciencias sociales y ambientales Ecología Austral |
| title | Inferencia multimodelo en ciencias sociales y ambientales |
| title_full | Inferencia multimodelo en ciencias sociales y ambientales |
| title_fullStr | Inferencia multimodelo en ciencias sociales y ambientales |
| title_full_unstemmed | Inferencia multimodelo en ciencias sociales y ambientales |
| title_short | Inferencia multimodelo en ciencias sociales y ambientales |
| title_sort | inferencia multimodelo en ciencias sociales y ambientales |
| url | https://ojs.ecologiaaustral.com.ar/index.php/Ecologia_Austral/article/view/513 |
| work_keys_str_mv | AT lucasagaribaldi inferenciamultimodeloencienciassocialesyambientales AT franciscojaristimuno inferenciamultimodeloencienciassocialesyambientales AT facundojoddi inferenciamultimodeloencienciassocialesyambientales AT florenciatiribelli inferenciamultimodeloencienciassocialesyambientales |