Ecología estadística

Buscar este blog

B i o m a t - 11

enero 17, 2011

Obtener enlace
Facebook
X
Pinterest
Correo electrónico
Otras aplicaciones

B i o m a t - 11: "- Enviado mediante la barra Google"

Obtener enlace
Facebook
X
Pinterest
Correo electrónico
Otras aplicaciones

Comentarios

Publicar un comentario

Entradas populares

Crecimiento exponencial (discreto y continuo). Aplicación en R.

1. CRECIMIENTO EXPONENCIAL Crecimiento poblacional discreto: el cambio en el tamaño poblacional N(t) en el tiempo N(t+1), depende de 4 factores: nacimientos, muertes, inmigración y emigración. N(t+1)=N(t)+B-D+I-E y el cambio en el tamaño poblacional deltaN=N(t+1)-N(t)=B-D+I-E Si la población es cerrada : N(t+1)=N(t)+B-D y deltaN=B-D donde B es el número de nacimientos por individuo, D la probabilidad de que un individuo muera durante un intervalo de tiempo específico y rd=B-D es el factor de crecimiento discreto . Asume: el crecimiento es suavizado, por lo que los nacimientos y muertes ocurren continuamente. Si las tasas de nacimientos y muertes dependen del tamaño poblacional presente , y sea b y d las tasas instantáneas de nacimientos y muertes, respectivamente, tenemos: B=b*N(t) y D=d*N(t) (*) llamadas tasas relativas o tasas per cápita . Así, obtenemos: N(t+1)=(1+b-d)*N(t) y deltaN=(b-d)*N(t)=r*N(t) (=B-D ) donde lambda=(1+b-d)=N

Regresión lineal simple [SIMPLE!]

(en construcción) Coeficientes del modelo: estimaciones robussssstas Del mismo modo que ocurre con la media y el desvío estándar, la estimación habitual de los coeficientes del modelo por cuadrados mínimos (LM-CM) se ve afectada por la presencia de outliers. Frente a la presencia de outliers bivariados, existen varias alternativas robustas para la estimación de los coeficientes de la regresión. Dos de estas alternativas son: 1) cuadrados medios-truncados (LQS-CMT) y 2) una regresión robusta utilizando un estimador M (RLM-CMM). Las curvas correspondientes a los métodos de cuadrados mínimos-truncados (LQS) y la línea robusta con estimador M (RLM), producen curvas que otorgan relativamente poca importancia a los outliers. Esto es aún más marcado cuando se considera las estimaciones para los coeficientes de regresión por cuadrados mínimos (LM) sin considerar estos outliers, en comparación con sus estimaciones por LQS y RLM. [Sign]ificación de la regresión La significación de la regresión f

Shiny: crear una aplicación web interactiva (apps) desde R.

Shiny: resultados interactivos o programación reactiva. ¿Qué es Shiny? Shiny es una herramienta para crear fácilmente aplicaciones web interactivas (apps) que permiten a los usuarios interactuar con sus datos sin tener que manipular el código. La programación Reactiva enfatiza el uso de: Valores que cambian en el tiempo Expresiones que registran esos cambios Ver el ejemplo que hemos publicado en este mismo blog. ¿Necesito ser un programador web para su uso? No hace falta conocimiento de HTML o JavaScript, solo conocer R. ¿Para qué sirve? La programación Reactiva enfatiza el uso de: Valores que cambian en el tiempo Expresiones que registran esos cambios Hagamos un ejemplo Ver: http://shiny.rstudio.com/tutorial/ Lo primero que se necesita es instalar el paquete: install.packages ( "shiny" ) Para obtener un ejemplo sencillo de Shiny podemos "correr" el ejemplo "Hola Shiny" que realiza unhistograma y permite a los usuario

Con la tecnología de Blogger