Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated mea...

Autores: Basanta Fernandez, Mabel Elizabeth; Giménez, Gustavo Néstor; Tudela, Marisa Andrea Alumine
Año de publicación: 2026
Idioma: español castellano
Tipo de recurso: artículo
Estado: versión publicada
Descripción: La modelación de datos de conteo en estudios aplicados suele verse afectada por la presencia de sobredispersión y dependencia entre observaciones. En este trabajo se presenta un análisis comparativo de distintos enfoques para el modelado de variables de conteo con sobredispersión, incluyendo modelos de regresión Poisson, binomiales negativos y modelos lineales generalizados mixtos, a partir de un conjunto de datos reales del ámbito fitopatológico. El estudio se basa en mediciones repetidas del número de lesiones causadas por Stemphylium vesicarium en frutos de peral (Pyrus communis), observadas en distintos cultivares y edades del fruto, lo que da lugar a una estructura jerárquica en los datos. Los resultados obtenidos indican que, en el contexto del diseño experimental considerado, resulta necesario contemplar tanto la sobredispersión inherente a los datos como la inclusión de efectos aleatorios. En particular, los modelos mixtos de conteo mostraron un mejor desempeño global, según criterios de ajuste y diagnósticos considerados, y su implementación mediante el paquete glmmTMB resultó una alternativa flexible y eficiente para el ajuste y la comparación de modelos de conteo complejos.
The modeling of count data in applied studies is often challenged by the presence of overdispersion and dependence among observations. This study presents a comparative analysis of different approaches for modeling overdispersed count variables, including Poisson regression models, negative binomial models, and generalized linear mixed models. The analysis is based on a real dataset from a phytopathological context, involving repeated measurements of lesion counts within experimental units, which gives rise to a hierarchical data structure. The results indicate that, under the experimental design considered, it is necessary to account for both the overdispersion inherent in the data and the dependence induced by repeated measurements. In this setting, mixed count models showed superior overall performance. In particular, the implementation using the glmmTMB package proved to be a flexible and efficient tool for fitting and comparing complex count data models.
EEA Alto Valle
Fil: Basanta Fernandez, Mabel Elizabeth. Universidad Nacional del Comahue. Facultad de Economía y Administración. Departamento de Estadística; Argentina
Fil: Giménez, Gustavo Néstor. Universidad Nacional del Comahue. Facultad de Economía y Administración. Departamento de Estadística; Argentina
Fil: Tudela, Marisa Andrea Aluminé. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Alto Valle; Argentina
Fuente: Ciencia con Datos 1 (1) : 38-47 (junio 2026)
Materia: Análisis Comparativo
Comparative Analysis
Data Analysis
Análisis de Datos
Modelos Binomiales Negativos
Modelos Lineales Generalizados Mixtos
Datos Jerárquicos
Sobredispersión
glmmTMB
Negative Binomial Models
Generalized Linear Mixed Models
Hierarchical Data
Overdispersion
Nivel de accesibilidad: acceso abierto
Condiciones de uso: http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
Institución: Instituto Nacional de Tecnología Agropecuaria
OAI Identificador: oai:localhost:20.500.12123/26911

Acceder

id	INTADig_65338ad3a7f9dc85a3fe489b127a9c18
oai_identifier_str	oai:localhost:20.500.12123/26911
network_acronym_str	INTADig
repository_id_str	l
network_name_str	INTA Digital (INTA)
spelling	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurementsBasanta Fernandez, Mabel ElizabethGiménez, Gustavo NéstorTudela, Marisa Andrea AlumineAnálisis ComparativoComparative AnalysisData AnalysisAnálisis de DatosModelos Binomiales NegativosModelos Lineales Generalizados MixtosDatos JerárquicosSobredispersiónglmmTMBNegative Binomial ModelsGeneralized Linear Mixed ModelsHierarchical DataOverdispersionLa modelación de datos de conteo en estudios aplicados suele verse afectada por la presencia de sobredispersión y dependencia entre observaciones. En este trabajo se presenta un análisis comparativo de distintos enfoques para el modelado de variables de conteo con sobredispersión, incluyendo modelos de regresión Poisson, binomiales negativos y modelos lineales generalizados mixtos, a partir de un conjunto de datos reales del ámbito fitopatológico. El estudio se basa en mediciones repetidas del número de lesiones causadas por Stemphylium vesicarium en frutos de peral (Pyrus communis), observadas en distintos cultivares y edades del fruto, lo que da lugar a una estructura jerárquica en los datos. Los resultados obtenidos indican que, en el contexto del diseño experimental considerado, resulta necesario contemplar tanto la sobredispersión inherente a los datos como la inclusión de efectos aleatorios. En particular, los modelos mixtos de conteo mostraron un mejor desempeño global, según criterios de ajuste y diagnósticos considerados, y su implementación mediante el paquete glmmTMB resultó una alternativa flexible y eficiente para el ajuste y la comparación de modelos de conteo complejos.The modeling of count data in applied studies is often challenged by the presence of overdispersion and dependence among observations. This study presents a comparative analysis of different approaches for modeling overdispersed count variables, including Poisson regression models, negative binomial models, and generalized linear mixed models. The analysis is based on a real dataset from a phytopathological context, involving repeated measurements of lesion counts within experimental units, which gives rise to a hierarchical data structure. The results indicate that, under the experimental design considered, it is necessary to account for both the overdispersion inherent in the data and the dependence induced by repeated measurements. In this setting, mixed count models showed superior overall performance. In particular, the implementation using the glmmTMB package proved to be a flexible and efficient tool for fitting and comparing complex count data models.EEA Alto ValleFil: Basanta Fernandez, Mabel Elizabeth. Universidad Nacional del Comahue. Facultad de Economía y Administración. Departamento de Estadística; ArgentinaFil: Giménez, Gustavo Néstor. Universidad Nacional del Comahue. Facultad de Economía y Administración. Departamento de Estadística; ArgentinaFil: Tudela, Marisa Andrea Aluminé. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Alto Valle; ArgentinaDepartamento de Estadística, Facultad de Economía y Administración, Universidad Nacional del Comahue2026-07-03T12:28:47Z2026-07-03T12:28:47Z2026-06-26info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://hdl.handle.net/20.500.12123/26911https://revele.uncoma.edu.ar/index.php/ciencia_con_datos/article/view/7115Ciencia con Datos 1 (1) : 38-47 (junio 2026)reponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología Agropecuariaspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2026-10-01T10:25:26Zoai:localhost:20.500.12123/26911instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2026-10-01 10:25:27.747INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse
dc.title.none.fl_str_mv	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurements
title	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurements
spellingShingle	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurements Basanta Fernandez, Mabel Elizabeth Análisis Comparativo Comparative Analysis Data Analysis Análisis de Datos Modelos Binomiales Negativos Modelos Lineales Generalizados Mixtos Datos Jerárquicos Sobredispersión glmmTMB Negative Binomial Models Generalized Linear Mixed Models Hierarchical Data Overdispersion
title_short	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurements
title_full	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurements
title_fullStr	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurements
title_full_unstemmed	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurements
title_sort	Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated measurements
dc.creator.none.fl_str_mv	Basanta Fernandez, Mabel Elizabeth Giménez, Gustavo Néstor Tudela, Marisa Andrea Alumine
author	Basanta Fernandez, Mabel Elizabeth
author_facet	Basanta Fernandez, Mabel Elizabeth Giménez, Gustavo Néstor Tudela, Marisa Andrea Alumine
author_role	author
author2	Giménez, Gustavo Néstor Tudela, Marisa Andrea Alumine
author2_role	author author
dc.subject.none.fl_str_mv	Análisis Comparativo Comparative Analysis Data Analysis Análisis de Datos Modelos Binomiales Negativos Modelos Lineales Generalizados Mixtos Datos Jerárquicos Sobredispersión glmmTMB Negative Binomial Models Generalized Linear Mixed Models Hierarchical Data Overdispersion
topic	Análisis Comparativo Comparative Analysis Data Analysis Análisis de Datos Modelos Binomiales Negativos Modelos Lineales Generalizados Mixtos Datos Jerárquicos Sobredispersión glmmTMB Negative Binomial Models Generalized Linear Mixed Models Hierarchical Data Overdispersion
dc.description.none.fl_txt_mv	La modelación de datos de conteo en estudios aplicados suele verse afectada por la presencia de sobredispersión y dependencia entre observaciones. En este trabajo se presenta un análisis comparativo de distintos enfoques para el modelado de variables de conteo con sobredispersión, incluyendo modelos de regresión Poisson, binomiales negativos y modelos lineales generalizados mixtos, a partir de un conjunto de datos reales del ámbito fitopatológico. El estudio se basa en mediciones repetidas del número de lesiones causadas por Stemphylium vesicarium en frutos de peral (Pyrus communis), observadas en distintos cultivares y edades del fruto, lo que da lugar a una estructura jerárquica en los datos. Los resultados obtenidos indican que, en el contexto del diseño experimental considerado, resulta necesario contemplar tanto la sobredispersión inherente a los datos como la inclusión de efectos aleatorios. En particular, los modelos mixtos de conteo mostraron un mejor desempeño global, según criterios de ajuste y diagnósticos considerados, y su implementación mediante el paquete glmmTMB resultó una alternativa flexible y eficiente para el ajuste y la comparación de modelos de conteo complejos. The modeling of count data in applied studies is often challenged by the presence of overdispersion and dependence among observations. This study presents a comparative analysis of different approaches for modeling overdispersed count variables, including Poisson regression models, negative binomial models, and generalized linear mixed models. The analysis is based on a real dataset from a phytopathological context, involving repeated measurements of lesion counts within experimental units, which gives rise to a hierarchical data structure. The results indicate that, under the experimental design considered, it is necessary to account for both the overdispersion inherent in the data and the dependence induced by repeated measurements. In this setting, mixed count models showed superior overall performance. In particular, the implementation using the glmmTMB package proved to be a flexible and efficient tool for fitting and comparing complex count data models. EEA Alto Valle Fil: Basanta Fernandez, Mabel Elizabeth. Universidad Nacional del Comahue. Facultad de Economía y Administración. Departamento de Estadística; Argentina Fil: Giménez, Gustavo Néstor. Universidad Nacional del Comahue. Facultad de Economía y Administración. Departamento de Estadística; Argentina Fil: Tudela, Marisa Andrea Aluminé. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Alto Valle; Argentina
description	La modelación de datos de conteo en estudios aplicados suele verse afectada por la presencia de sobredispersión y dependencia entre observaciones. En este trabajo se presenta un análisis comparativo de distintos enfoques para el modelado de variables de conteo con sobredispersión, incluyendo modelos de regresión Poisson, binomiales negativos y modelos lineales generalizados mixtos, a partir de un conjunto de datos reales del ámbito fitopatológico. El estudio se basa en mediciones repetidas del número de lesiones causadas por Stemphylium vesicarium en frutos de peral (Pyrus communis), observadas en distintos cultivares y edades del fruto, lo que da lugar a una estructura jerárquica en los datos. Los resultados obtenidos indican que, en el contexto del diseño experimental considerado, resulta necesario contemplar tanto la sobredispersión inherente a los datos como la inclusión de efectos aleatorios. En particular, los modelos mixtos de conteo mostraron un mejor desempeño global, según criterios de ajuste y diagnósticos considerados, y su implementación mediante el paquete glmmTMB resultó una alternativa flexible y eficiente para el ajuste y la comparación de modelos de conteo complejos.
publishDate	2026
dc.date.none.fl_str_mv	2026-07-03T12:28:47Z 2026-07-03T12:28:47Z 2026-06-26
dc.type.none.fl_str_mv	info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo
format	article
status_str	publishedVersion
dc.identifier.none.fl_str_mv	http://hdl.handle.net/20.500.12123/26911 https://revele.uncoma.edu.ar/index.php/ciencia_con_datos/article/view/7115
url	http://hdl.handle.net/20.500.12123/26911 https://revele.uncoma.edu.ar/index.php/ciencia_con_datos/article/view/7115
dc.language.none.fl_str_mv	spa
language	spa
dc.rights.none.fl_str_mv	info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv	openAccess
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv	application/pdf
dc.publisher.none.fl_str_mv	Departamento de Estadística, Facultad de Economía y Administración, Universidad Nacional del Comahue
publisher.none.fl_str_mv	Departamento de Estadística, Facultad de Economía y Administración, Universidad Nacional del Comahue
dc.source.none.fl_str_mv	Ciencia con Datos 1 (1) : 38-47 (junio 2026) reponame:INTA Digital (INTA) instname:Instituto Nacional de Tecnología Agropecuaria
reponame_str	INTA Digital (INTA)
collection	INTA Digital (INTA)
instname_str	Instituto Nacional de Tecnología Agropecuaria
repository.name.fl_str_mv	INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria
repository.mail.fl_str_mv	tripaldi.nicolas@inta.gob.ar
_version_	1877858339325476864
score	12.854657

Análisis comparativo de modelos para datos de conteo con sobredispersión y mediciones repetidas = Comparative analysis of models for count data with overdispersion and repeated mea...

Publicaciones similares