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...

Full description

Bibliographic Details
Main Authors: Dávila Eduardo, López Luis Alberto, Díaz Luis Guillermo
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