A STATISTICAL MODEL FOR ANALYZING INTERDEPENDENT COMPLEX OF PLANT PATHOGENS UN MODELO ESTADÍSTICO PARA ANALIZAR COMPLEJOS INTERDEPENDIENTES DE PATÓGENOS VEGETALES
We introduce a new approach for modeling multivariate overdispersed binomial data, from a plant pathogen complex. After recalling some theoretical foundations of generalized linear models (GLMs) and Copula functions, we show how the later can be used to model correlated observations and overdisperse...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Universidad Nacional de Colombia
2012-07-01
|
Series: | Revista Colombiana de Estadística |
Subjects: | |
Online Access: | http://www.revistas.unal.edu.co/index.php/estad/article/view/30270 |
id |
doaj-57d262bf9c544be285e52b84e9d8c44e |
---|---|
record_format |
Article |
spelling |
doaj-57d262bf9c544be285e52b84e9d8c44e2020-11-25T02:37:32ZengUniversidad Nacional de Colombia Revista Colombiana de Estadística0120-17512012-07-01352255270A STATISTICAL MODEL FOR ANALYZING INTERDEPENDENT COMPLEX OF PLANT PATHOGENS UN MODELO ESTADÍSTICO PARA ANALIZAR COMPLEJOS INTERDEPENDIENTES DE PATÓGENOS VEGETALESDávila EduardoLópez Luis AlbertoDíaz Luis GuillermoWe introduce a new approach for modeling multivariate overdispersed binomial data, from a plant pathogen complex. After recalling some theoretical foundations of generalized linear models (GLMs) and Copula functions, we show how the later can be used to model correlated observations and overdispersed data. We illustrate this approach using fungal incidence in vegetables, which we analyzed using Gaussian copula with Beta-binomial margins. Compared to classical and generalized linear models, the model using Gaussian copula function best controls for overdispersion, being less prone to the underestimation of standard errors, the major cause of wrong inference in the statistical analysis of plant pathogen complex.<br>Se introduce un nuevo enfoque para modelar datos binomiales multivariados con sobredispersión, obtenidos de complejos de patógenos vegetales. Después de revisar los conceptos básicos de los modelos lineales generalizados (GLMs) y las funciones Cópula, se muestra cómo estas últimas pueden usarse para modelar observaciones correlacionadas y datos con sobredispersión. Se ilustra el método usando la incidencia de hongos en hortalizas, analizando el caso por medio de la función cópula Gaussiana con marginales Beta-binomiales. Comparado con los modelos lineales clásicos y generalizados, el modelo construido con la cópula Gaussiana es el que mejor controla la sobredispersión, siendo menos propenso a la subestimación de los errores estándar, la causa más importante de inferencia inapropiada en el análisis estadístico de complejos de patógenos vegetales.http://www.revistas.unal.edu.co/index.php/estad/article/view/30270Epidemiological methodsExtra-binomial variationMultivariate data |
collection |
DOAJ |
language |
English |
format |
Article |
sources |
DOAJ |
author |
Dávila Eduardo López Luis Alberto Díaz Luis Guillermo |
spellingShingle |
Dávila Eduardo López Luis Alberto Díaz Luis Guillermo A STATISTICAL MODEL FOR ANALYZING INTERDEPENDENT COMPLEX OF PLANT PATHOGENS UN MODELO ESTADÍSTICO PARA ANALIZAR COMPLEJOS INTERDEPENDIENTES DE PATÓGENOS VEGETALES Revista Colombiana de Estadística Epidemiological methods Extra-binomial variation Multivariate data |
author_facet |
Dávila Eduardo López Luis Alberto Díaz Luis Guillermo |
author_sort |
Dávila Eduardo |
title |
A STATISTICAL MODEL FOR ANALYZING INTERDEPENDENT COMPLEX OF PLANT PATHOGENS UN MODELO ESTADÍSTICO PARA ANALIZAR COMPLEJOS INTERDEPENDIENTES DE PATÓGENOS VEGETALES |
title_short |
A STATISTICAL MODEL FOR ANALYZING INTERDEPENDENT COMPLEX OF PLANT PATHOGENS UN MODELO ESTADÍSTICO PARA ANALIZAR COMPLEJOS INTERDEPENDIENTES DE PATÓGENOS VEGETALES |
title_full |
A STATISTICAL MODEL FOR ANALYZING INTERDEPENDENT COMPLEX OF PLANT PATHOGENS UN MODELO ESTADÍSTICO PARA ANALIZAR COMPLEJOS INTERDEPENDIENTES DE PATÓGENOS VEGETALES |
title_fullStr |
A STATISTICAL MODEL FOR ANALYZING INTERDEPENDENT COMPLEX OF PLANT PATHOGENS UN MODELO ESTADÍSTICO PARA ANALIZAR COMPLEJOS INTERDEPENDIENTES DE PATÓGENOS VEGETALES |
title_full_unstemmed |
A STATISTICAL MODEL FOR ANALYZING INTERDEPENDENT COMPLEX OF PLANT PATHOGENS UN MODELO ESTADÍSTICO PARA ANALIZAR COMPLEJOS INTERDEPENDIENTES DE PATÓGENOS VEGETALES |
title_sort |
statistical model for analyzing interdependent complex of plant pathogens un modelo estadístico para analizar complejos interdependientes de patógenos vegetales |
publisher |
Universidad Nacional de Colombia |
series |
Revista Colombiana de Estadística |
issn |
0120-1751 |
publishDate |
2012-07-01 |
description |
We introduce a new approach for modeling multivariate overdispersed binomial data, from a plant pathogen complex. After recalling some theoretical foundations of generalized linear models (GLMs) and Copula functions, we show how the later can be used to model correlated observations and overdispersed data. We illustrate this approach using fungal incidence in vegetables, which we analyzed using Gaussian copula with Beta-binomial margins. Compared to classical and generalized linear models, the model using Gaussian copula function best controls for overdispersion, being less prone to the underestimation of standard errors, the major cause of wrong inference in the statistical analysis of plant pathogen complex.<br>Se introduce un nuevo enfoque para modelar datos binomiales multivariados con sobredispersión, obtenidos de complejos de patógenos vegetales. Después de revisar los conceptos básicos de los modelos lineales generalizados (GLMs) y las funciones Cópula, se muestra cómo estas últimas pueden usarse para modelar observaciones correlacionadas y datos con sobredispersión. Se ilustra el método usando la incidencia de hongos en hortalizas, analizando el caso por medio de la función cópula Gaussiana con marginales Beta-binomiales. Comparado con los modelos lineales clásicos y generalizados, el modelo construido con la cópula Gaussiana es el que mejor controla la sobredispersión, siendo menos propenso a la subestimación de los errores estándar, la causa más importante de inferencia inapropiada en el análisis estadístico de complejos de patógenos vegetales. |
topic |
Epidemiological methods Extra-binomial variation Multivariate data |
url |
http://www.revistas.unal.edu.co/index.php/estad/article/view/30270 |
work_keys_str_mv |
AT davilaeduardo astatisticalmodelforanalyzinginterdependentcomplexofplantpathogensunmodeloestadisticoparaanalizarcomplejosinterdependientesdepatogenosvegetales AT lopezluisalberto astatisticalmodelforanalyzinginterdependentcomplexofplantpathogensunmodeloestadisticoparaanalizarcomplejosinterdependientesdepatogenosvegetales AT diazluisguillermo astatisticalmodelforanalyzinginterdependentcomplexofplantpathogensunmodeloestadisticoparaanalizarcomplejosinterdependientesdepatogenosvegetales AT davilaeduardo statisticalmodelforanalyzinginterdependentcomplexofplantpathogensunmodeloestadisticoparaanalizarcomplejosinterdependientesdepatogenosvegetales AT lopezluisalberto statisticalmodelforanalyzinginterdependentcomplexofplantpathogensunmodeloestadisticoparaanalizarcomplejosinterdependientesdepatogenosvegetales AT diazluisguillermo statisticalmodelforanalyzinginterdependentcomplexofplantpathogensunmodeloestadisticoparaanalizarcomplejosinterdependientesdepatogenosvegetales |
_version_ |
1724794972263153664 |