Mostrar el registro sencillo del ítem

Aplicación de los modelos lineales generalizados mixtos en el modelamiento de datos de conteo georeferenciados por municipios en el departamento de Antioquía

dc.creatorBorda Hernández, Ricardo Alberto
dc.creatorIral Palomino, Rene
dc.creatorRoy Cabrera, Kenneth
dc.date2016-02-07
dc.date.accessioned2020-08-21T19:46:09Z
dc.date.available2020-08-21T19:46:09Z
dc.identifierhttps://revistas.unbosque.edu.co/index.php/cuaderlam/article/view/1259
dc.identifier10.18270/cuaderlam.v8i15.1259
dc.identifier.urihttp://test.repositoriodigital.com:8080/handle/123456789/9954
dc.descriptionArtículo de investigaciónEl origen de este trabajo se fundamenta en la necesidad de modelar estadísticamente datos de conteo georeferenciados en polígonos irregulares tales como: número de homicidios por barrio, número de habitantes por localidad, enfermos por municipio, entre otros; con el objetivo de encontrar algún tipo de dependencia espacial a partir de la localización geográfica.El estudio pretendió comparar dos tipos de modelos lineales generalizados mixtos (MLGM), uno cuya estimación de los parámetros del modelo parte de la aplicación de Cadenas de Markov de Monte Carlo (MCMC) y el otro por medio de máxima verosimilitud penalizada; además, se hicieron otras comparaciones con el modelo tradicional auto regresivo simultáneo (SAR) y el modelo auto regresivo condicional (CAR); modelos que parten del supuesto de normalidad, invertibilidad de la matriz de varianzas y covarianzas, y construcción de una matriz de vecindad, supuestos que no necesariamente deben cumplirse con MLGM.Se encontró, que los MLGM dan indicio de ser una alternativa en el modelamiento de datos de conteo y se comprobó con una aplicación a partir de la georeferenciación por municipio y modelación de los 200 apellidos más frecuentes de Antioquia, en donde igualmente se concluyó que los MLGM muestran el menor error cuadrático medio (ECM).es-AR
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad El Bosquees-ES
dc.relationhttps://revistas.unbosque.edu.co/index.php/cuaderlam/article/view/1259/826
dc.relation/*ref*/BESAG, Julian y GLEAVES, Timothy. On the detection of spatial pattern in plan communities. England: University of Newcastle upon Tyne. Biometrics Vol. 32, No. 3 (Sep. 1976), p. 659-667.
dc.relation/*ref*/BIVAND, Roger y PEBESMA, Edzer. Applied Spatial Data Analysis with R, Springer, 2011
dc.relation/*ref*/BORDA, Ricardo; IRAL, Rene y CABRERA, Kenneth. Comparación de las metodologías: Modelo Lineal Generalizado mixto marginal espacial con varianza CAR bajo respuesta Poisson y Modelo Lineal Generalizado Poisson Log-lineal con distribución subyacente gausiana en el estudio de datos de área. Medellín: Universidad Nacional de Colombia, 2011
dc.relation/*ref*/CHASCO,Coro. Econometría espacial aplicada a la predicción-extrapolación de datos microterritoriales. Madrid: Consejería de Economía e Innovación Tecnológica, 2003.
dc.relation/*ref*/CRESSIE, Noel. Statistics for Spatial data Revised Edition, New York: John Wiley & Sons, 1993.
dc.relation/*ref*/DIGGLE, Peter y Ribeiro, Paulo. Model based Geostatistics. Brasil: Springer  Series in  Statistics, 2007.
dc.relation/*ref*/GIRALDO, Ramón. Estadística espacial. Bogotá: Universidad Nacional de Colombia, 2009.
dc.relation/*ref*/GOMEZ, Santiago; HINESTROSA, Paula y MUÑETON, Guberney. Procesos poblacionales en Antioquia, Colombia, a partir de relaciones de parentesco intermunicipales. En: Papeles poblacionales, Julio-septiembre, número 057, Universidad Autónoma del Estado de México, Toluco, p 257-274, 2008.
dc.relation/*ref*/HAINING, Robert. Spatial data analysis: Theory and practice. Cambridge: University Press, 2003.
dc.relation/*ref*/MCCULLAGH, P. Y NELDER, J.A. Generalized Linear Models, Second Edition. New York: Chapman and Hall, 1989
dc.relation/*ref*/ORD, Keith. Spatial autocorrelation. London: Pion, 1973.
dc.relation/*ref*/PINHEIRO, Jose. y BATES, Douglas. MixwdEffects Models in S and S-Plus. New York: Springer, 2000.
dc.relation/*ref*/SCHABENBERGER, Oliver y GOTWAY, Carol. Contemporary Statistical Models. Chapman & Hall/CRC Texts in Statistical Science. Boca Raton. Press, 2002.
dc.relation/*ref*/SCHABENBERGER, Oliver y  GOTWAY, Carol A. Statistical Methods for Spatial Data Analysis. Chapman & Hall/CRC Texts in Statistical Science. Boca Raton, 2005.
dc.relation/*ref*/WITLLE, P. On stationary processes in the plane. Biometrika Vol. 41, No. ¾, P. 434-449, 1954.
dc.relation/*ref*/WOLFINGER, R.D. y O’CONNELL. M.Generalized linear mixed models: a pseudo likelihood approach. Journal of Statistical Computing and Simulation, 48:233–243, 1993.
dc.rightsDerechos de autor 2016 Universidad El Bosquees-ES
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/4.0es-ES
dc.sourceCuadernos Latinoamericanos de Administración; Vol 8 No 15 (2012); 69-76en-US
dc.sourceCuadernos Latinoamericanos de Administración; ##issue.vol## 8 ##issue.no## 15 (2012); 69-76es-AR
dc.sourceCuadernos Latinoamericanos de Administración; Vol. 8 Núm. 15 (2012); 69-76es-ES
dc.source2248-6011
dc.source1900-5016
dc.source10.18270/cuaderlam.v8i15
dc.titleAplicación de los modelos lineales generalizados mixtos en el modelamiento de datos de conteo georeferenciados por municipios en el departamento de Antioquíaes-AR
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem