Buscar en Google Scholar
Título: Un modelo de regresión Poisson no lineal para extinción de especies en hábitats fragmentados
Otros títulos: A Nonlinear Poisson Regression Model for Species Extinction in Fragmented Habitats
Autor(es): Lai, Qitian
Asesor(es): Pacheco López, Mario José
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.01.03
Fecha de publicación: 2022
Institución: Universidad Santo Tomás
Resumen: La bioestadística es el conjunto de métodos estadísticos utilizados principalmente en biología, incluido el diseño de experimentos biológicos, la recopilación de datos experimentales y el análisis estadístico de estos tipos de datos. Un gran número de biólogos recopilan diferentes tipos de datos, de diferentes rincones del mundo. Generalmente, estos datos contienen diferentes tipos de variables dependientes e independientes que pueden analizarse utilizando modelos de regresión lineales o no lineales. En la actualidad, las actividades humanas (construcción de presas, deforestación, etc.) y el cambio climático representan una amenaza para un gran número de especies animales y plantas, y la extinción de las especies representa una gran parte de la investigación biológica y bioestadística. En cuanto a la modelización estadística de la extinción de especies y sus posibles causas, es común encontrar en propuesta de Regresión Normal No Lineal, lo cual reducir error, dado que la variable respuesta corresponde al número de especies en ciertas áreas de interés a lo largo del tiempo, por lo que la Regresión de Poisson no Lineal será una suposición más apropiada. En este proyecto, se propone la Regresión de Poisson No Lineal con el objetivo de ajustar los datos sobre el número de especies en hábitats fragmentados. En particular, tiene como objetivo realizar el Modelo de Gibson et al. (2013), que es un modelo No Lineal para la variable número de especies en función del área de los fragmentos y la fragmentación del hábitat. Este proyecto demuestra que la Regresión de Poisson No Lineal es más eficiente que otros tipos de regresiones al ajustar tipos de datos comunes en bioestadísticas como el número de especies en función del tiempo y el área de los fragmentos. Los resultados mostraron que existe una correlación negativa entre el número de especies restantes y el tiempo. A medida que pasa el tiempo, el número de especies restantes disminuye, existe una correlación positiva entre el número de especies restantes y el área de la isla. Las islas más grandes tienen más especies restantes, pero con el paso del tiempo, la tasa de extinción de las islas más grandes es más alta que la de las islas pequeñas. Sin embargo, las especies restantes en la isla eventualmente se extinguirán hasta la situación en la que solo quedaran una o dos especies que básicamente tienden a extinguirse hasta 15 años. Para usar Regresión Normal no Lineal y Regresión de Poisson no Lineal respectivamente, comparando la Regresión Original de luke et al. (2013), el valor R² también es más alto que las otras dos regresiones, por otro lado, la Regresión de Poisson no Lineal tiene un intervalo de confianza más pequeño y menor la desviación residual y AIC. Se puede concluir que la Regresión Poisson no lineal es más eficiente que la Regresión Normal no Lineal.
Nota: Descargue el texto completo en el repositorio institucional de la Universidad Santo Tomás: https://repository.usta.edu.co/handle/11634/47424
Disciplina académico-profesional: Estadística Aplicada
Institución que otorga el grado o título: Universidad Santo Tomás. Facultad de Estadística
Grado o título: Magíster en Estadística Aplicada
Fecha de registro: 24-may-2023

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
LaiQuitian.pdf
  Acceso restringido
Tesis (abierta en repositorio de origen)425.28 kBAdobe PDFVisualizar/Abrir  Solicita una copia
Autorizacion.pdf
  Acceso restringido
Autorización del registro894.81 kBAdobe PDFVisualizar/Abrir  Solicita una copia


IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.