Estimando los Parámetros del Modelo
Algunos Ejemplos

Ejemplo 1, una epidemia monocíclica: La marchitez del lino es ocasionada por el hongo Fusarium oxysporum f. sp. lini. Las clamidosporas del hongo persisten por varios años en el suelo y cuando el lino se siembra en un campo infestado, las plantas jovenes se infectan mediante las raíces.

Se hizo un monitoreo extensivo del suelo de un campo severamente infestado y se encontró un promedio de 57 unidades que forman colonias (UFC) por gramo de suelo. Cuando una variedad susceptible de lino se sembró en este campo, las plantas mostrando los síntomas de marchitez aumentaron con el tiempo como se indica a continuación:

         Días Después        % Plantas
         de la Siembra       Infectadas
              10                 18     
              20                 56
              30                 82
              40                 91
              50                 96
              60                 98
      

En un gráfico del progreso de la enfermedad, note como el porcentaje de infección asintóticamente se acerca al 100%.

[Haga clic en el gráfico]
Gráfico, Marchitez del lino
Progreso de la enfermedad,
marchitez del lino

Para estimar el producto QR primero tenemos que convertir el porcentaje de infección a la proporción x y luego usando la transformación apropiada para el modelo monocíclico, calculamos ln(1/(1-x)).

           t            x          ln(1/(1-x))

          10           .18            0.198
          20           .56            0.821
          30           .82            1.71
          40           .91            2.41
          50           .96            3.22
          60           .98            3.91
      

De un gráfico de ln(1/(1-x)) versus t, podemos ajustar una línea recta a los puntos de datos usando regresión lineal.

[Haga clic en el gráfico]
Graph, Transformed flax wilt
Marchitez del lino, transformación de choque multiple

La inclinación de la línea estimada por la ecuación de regresión es 0.076, que es el valor de QR. Por lo tanto,

       R = 0.076/57 = 0.0013/UFC/Día.

Ejemplo 2, una epidemia policíclica: El tizón del halo del frijol es ocasionado por la bacteria Pseudomonas syringae pv. phaseolicola. La fuente más importante de inóculo inicial es la semilla infectada, que cuando se siembran da origen a plantas con lesiones sobre las hojas primarias. Las bacterias producidas en estas lesiones se dispersan por el salpique de agua a plantas saludables adyacentes. Las nuevas lesiones pueden producir inóculo secundario en alrededor de 4-5 días. En condiciones moderadamente favorables para el desarrollo de la enfermedad, las observaciones siguientes se hicieron del progreso de la enfermedad:

        Días Después      % Plantas
        de la Siembra     Infectadas
             10                 1
             20                 4
             30                15
             40                31
             50                65
             60                88
             70                94
      

El progreso de la enfermedad muestra la curva sigmoide característica de una epidemia policíclica.

[Haga clic en el gráfico]
Gráfico, tizón del halo del frijol
Progreso del tizón del halo del frijol

Igual que con la epifitia previa, tenemos que convertir los porcentajes a proporciones (x), pero esta vez la transformación que usamos es ln(x/(1-x)).

          t           x           ln(x/(1-x))

         10          .01            -4.60
         20          .04            -3.18
         30          .15            -1.73
         40          .31            -0.80
         50          .65             0.62
         60          .88             1.99
         70          .94             2.75
      

Graficando ln(x/(1-x)) (a veces llamado el logit de x) versus t, podemos ajustar una línea recta a los datos usando la regresión lineal.

[Haga clic en el gráfico]
Graph, Halo blight on bean
Tizón del halo del frijol,
transformación logístico

Esto nos da una inclinación de 0.124/día, que es nuestra estimación de la tasa aparente de infección r.

Obviamente a mayor cantidad de datos posibles, particularmente si ellos se distribuyen uniformemente en ambos lados del 50% infección, dan la mejor estimación de la tasa aparente de infección. Sin embargo, es posible hacer una estimación apróximada simplemente con dos puntos de datos. Supongamos por un momento que en vez de observaciones cada diez días durante la epidemia, solamente hicimos dos observaciones, una temprana (el día 10) y una tarde (el día 70). ¿Como podríamos estimar la tasa aparente de infección? En este caso usaríamos sólo el punto primero y el punto final en el juego de datos transformados arriba y calculamos la inclinación como el alza sobre la corrida:

      r  =  (ln(0.94/(1.0-0.94)) - ln(0.01/1.0-0.01))) / (70 - 10)

         =  (2.75 + 4.60) / 60

         =  0.123/día

Volver a Estimando los Parámetros de los Modelos