Académique Documents
Professionnel Documents
Culture Documents
Explicación de MaxEnt
La función ajustada de MaxEnt está usualmente definida en base a muchas características, habrá
más características que covariables. MaxEnt actualmente contiene seis clases de características:
LINEAR, PRODUCTO (producto de todas las posibles combinaciones de pares, permitiendo que
interacciones simples se ajusten), CUADRÁTICO, HINGE (permite un cambio en el gradiente de la
respuesta, PROBABILIDAD (permite un paso en la función ajustada y CATEGÓRICO.
Modelo MaxEnt
Si sabemos la densidad condicional de las covariables en los sitios de presencia f1(z) y la densidad
marginal de las covariables en toda el área de estudio f(z), entonces solo necesitamos conocer la
prevalencia Pr(y=1) para calcular la probabilidad de ocurrencia.
- Estimación del cociente f1(z)/f(z), referido como MaxEnt “RAW” output. El núcleo de MaxEnt que
da indicios de que características son importantes de un ambiente sobre otro.
- Como falta la prevalencia, se una transformación logística, que por defecto es 0.5 pi.
- la distancia de f(z) es tomada como la entropía relativa de f1(z) con respecto a (fz) (Kullback-
leibler divergence).
- el modelo nulo para la distribución bruta fue la distribución uniforme sobre el paisaje, dado que
sin ningún dato no tendríamos razón para pensar que la especie preferiría un localidad sobre otra.
Geert Aarts, John Fieberg, Jason Matthiopoulos, Methods in Ecology and Evolution
No es siempre claro como los resultados de estas técnicas debiesen ser interpretados.
o Función de intensidad
Discretizar el espacio (densidad de observaciones – registros de la especie
en cada unidad)
Cuantificar empíricamente como la distribución de la especie depende de
las variables ambientales, utilizando técnicas matemáticas.
o Uso y disponibilidad
o Presencia – Pseudo ausencia
o Diseño de caso controlado
Espacio ambiental tiene k dimensiones, una para cada variable ambiental que afecta
la distribución de la especie.
Muchos análisis definen la preferencia w(X) como cociente entre el uso de hábitat
sobre la disponibilidad.
En el caso más simple, todos los puntos en el espacio son asumidos que son
igualmente accesibles. Cualquier función no-negativa de X puede ser usada para
modelar la preferencia, pero la función exponencial es usada frecuentemente. Esta
formulación de preferencia es conocida como una función de selección de recursos.
Sean ℎ𝑢 (𝑆𝑗)𝑦 ℎ𝑎 (𝑆𝑗) representaciones de funciones de probabilidad describiendo uso
y disponibilidad en cada punto dado de 𝑆𝑗 en un espacio geográfico.
ℎ𝑎 (𝑆𝑗) = 1/𝐴
𝑤(𝑋𝑠𝑗)𝐴−1 𝑤(𝑋𝑠𝑗)
ℎ𝑢 (𝑆𝑗) = =
∫𝑆 𝐸 𝐴 𝑤(𝑋𝑠𝑗)𝐴−1 𝑑𝑆 ∫𝑆 𝐸 𝐴 𝑤(𝑋𝑠𝑗)𝑑𝑆
Funciones de probabilidad