Evaluacion de modelos PDF Imprimir Correo
Escrito por Luis Vargas-Villamil   
Jueves 24 de Enero 2008
Dar click sobre la portada para bajar la tesis
Portada tesis Salvador Medina 

RESUMEN

Una etapa fundamental en la construcción de un modelo es su validación, la cual presenta dificultades tanto conceptuales como prácticas. En este trabajo se presentó, modificó y extendió el procedimiento de validación de modelos desarrollado por Freese (1960). El método es una alternativa inferencial para determinar si las salidas del modelo están suficientemente próximas a los valores observados del sistema real. Permite analizar datos provenientes de modelos que presenten o no sesgo en sus pronósticos sin modificar la estructura del modelo. Se establecieron los supuestos, la estadística de prueba y el error crítico para el planteamiento original y alternativo del procedimiento de Freese cuando el modelo presenta o no sesgo. Para el caso de sesgo proporcional se presenta una modificación al método. Se expone un procedimiento alternativo al de Reynolds (1984) para determinar el intervalo de confianza bilateral (ICB) para el cuantil 1-α de la distribución de |D|. Se determinaron en términos del error crítico los ICB para el cuantil 1-α de la distribución de ιD-¯Dι y εR, cuando el modelo presenta sesgo constante y proporcional respectivamente. Con base al error crítico se propone un método para validar un modelo en predicción de varias variables y otro para comparar dos o más modelos en predicción del mismo sistema. Para ilustrar la metodología basada en el planteamiento de Freese, se validó el modelo dinámico mecanístico Wakax POS en predicción de la ganancia de peso promedio por día de bovinos alimentados con caña de azúcar, maíz quebrado y/o melaza en una zona tropical de México. Adicionalmente se utilizaron métodos gráficos y medidas estadísticas para la validación en predicción de la materia seca (DM), ácidos grasos volátiles (AGVs), acetato (Ac), propionato (Pr) y butirato (Bu) en el Rumen y Ciego. El modelo Wakax POSEl sesgo de las predicciones en el Rumen presenta mayor amplitud para los AGVs, seguido por Ac, Pr, Bu y DM. En el Ciego el sesgo tiene mayor amplitud para los AGVs, seguido por DM, Ac, Bu y Pr. A diferencia del coeficiente de determinación del modelo, la eficiencia de modelado proporciona resultados consistentes con los obtenidos de las técnicas visuales de validación. puede usarse para predecir la ganancia de peso promedio por día, aunque requerirá un ajuste con base a la presencia de sesgo constante para incrementar su exactitud.

Palabras clave: Validación, modelo mecanístico, prueba ji-cuadrada de Freese, error crítico, corrección por sesgo.

Última actualización ( Lunes 08 de Diciembre 2008 )