Seminario de Investigación en Estadística Aplicada

Modelos de Evidencia de Ausencia: ¿Es útil combinar información de múltiples sitios para estimar la tasa de mortalidad de murciélagos en parques eólicos?

El Instituto de Estadística de la Facultad de Ciencias Económicas y de Administración (IESTA) invita a la comunidad universitaria a participar del Seminario de Investigación en Estadística Aplicada titulado Modelos de Evidencia de Ausencia: ¿Es útil combinar información de múltiples sitios para estimar la tasa de mortalidad de murciélagos en parques eólicos? dirigido a estudiantes, docentes e investigadores.

La charla estará a cargo de Natalia da Silva (IESTA, FCEA, Udelar) y se llevará a cabo el martes 22 de octubre a las 14 horas en una modalidad híbrida:

• Presencial en el Salón 4 de FCEA (Gonzalo Ramirez 1926)
• Virtual a través de Zoom
  • ID Reunión: 819 0226 4466
  • Contraseña: *eA!9n!xnP

Resumen

Los parques eólicos contribuyen a la reducción del uso de hidrocarburos líquidos; sin embargo, la instalación de nuevos aerogeneradores aumenta el riesgo de mortalidad para varias especies, especialmente los murciélagos insectívoros. Estimar la tasa real de mortalidad de estos mamíferos, ya sea por colisión o barotrauma, representa un desafío debido a la baja probabilidad de detección. Solo una fracción del área que podría contener evidencia es registrada, los animales carroñeros pueden eliminar la evidencia antes de que comiencen las búsquedas, y a menudo los equipos de búsqueda no logran identificarla. La consecuencia estadística es que, aunque ocurren fatalidades, frecuentemente no se generan los registros correspondientes.

Evidencia de Ausencia (EoA, por sus siglas en inglés: Evidence of Absence) es un método consolidado que proporciona estimaciones e intervalos de credibilidad en estos casos, basándose en la inclusión de la probabilidad de detección en un modelo de mezcla binomial. En este modelo, las probabilidades de detección no se estiman a partir del conteo de fatalidades, sino que dependen de otras características, como la frecuencia de las visitas de los equipos de búsqueda o la permanencia de la evidencia en un sitio determinado, lo que evita problemas de identificabilidad. Las parametrizaciones del modelo de mezcla EoA inicialmente se centraron en estimar el número total de fatalidades ocurridas durante un año específico. Más recientemente, el análisis EoAR (del inglés: EoA Regression) permite también estimar el efecto de covariables dentro del mismo modelo. Trabajando en un contexto bayesiano, este modelo incluye un nivel adicional de jerarquía, parametrizando un vínculo log-lineal entre las covariables y las tasas de fatalidades de cada unidad de muestreo.

Actualmente, estos modelos se implementan para realizar un análisis específico por sitio, utilizando diferentes valores de parámetros para cada uno (no pooling), o combinando todos los sitios con valores de parámetros iguales (complete pooling). Este trabajo estudia la pertinencia de agrupar la información de varios sitios de manera parcial (partial pooling), con el objetivo de obtener estimaciones más precisas del número total de fatalidades en todos los sitios evaluados.