[23 de junio] Seminario IESTA (SIESTA)

El miércoles 23 de junio a las 14 horas tendrpa lugar en modalidad virtual un nuevo Seminario IESTA (SIESTA). El título de la charla es Hacia modelos continuos del comportamiento animal, a cargo de Alejandro Cholaquidis (CMAT - FCIEN - Udelar).

ID: 870 9431 8552
Contraseña: 1Pm5*qdzb$

Resumen

El modelado del comportamiento animal y en particular de la estimación de su hábitat, por medio de técnicas estadísticas, data de inicios del siglo XX (ver Burt (1943)). Cuando los datos disponibles consistían en puntos espaciales registrados a lo largo de un período de tiempo, se usaron modelos muy simples para su estimación, por ejemplo el cierre convexo de los mismos, el cierre convexo de los k vecinos más cercanos de un punto, o el cierre r-convexo de la muestra. Más adelante sobre finales del siglo XX y comienzos del XXI (ver Worton (1987) para una revisión de algunos de los más relevantes) se introducen modelos que interpolan los puntos por medio de puentes brownianos, y se estima la densidad de probabilidad que determina las zonas donde es más probable encontrar al animal. Con el surgimiento de tecnologías que permiten registrar la posición de el o los individuos en tiempo continuo (como el GPS), surge la posibilidad de usar modelos más complejos como el que introduciremos. Supondremos que existe un recinto D donde el animal se mueve (el cual desconocemos y queremos estimar), y que su trayectoria se puede modelar mediante una ecuación diferencial estocástica que se refleja en el borde de D.

El objetivo de la charla es presentar dicho modelo y algunos resultados teóricos y prácticos que obtuvimos. Primero en su versión más simple, en la cual no existe un "drift" que gobierne el comportamiento animal. En esta primera aproximación al problema nos interesamos por la estimación del hábitat (ver Cholaquidis et al. (2016)). Luego veremos un modelo más complejo, donde la incorporación de un drift en el modelo permite definir el concepto de "core-area", es decir, la zona donde el individuo pasa más tiempo, presentaremos asimismo un estimador del drift del animal, y de la densidad de probabilidad antes mencionada (ver Cholaquidis et al. (2021)).

Finalmente veremos que las estimaciones se pueden mejorar si en lugar de tener el GPS prendido todo el tiempo, se alternan intervalos de tiempo donde está prendido con intervalos donde el mismo permanece apagado. Los resultados presentados (algunos de los cuales fueron ya publicados) serán ilustrados por medio de simulaciones y de datos reales.

Mail de contacto: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.