Análise de variância para experimentos com dependência espacial entre parcelas: abordagem autoregressiva e Geoestatística
|
|
- Marco Antônio Santarém
- 4 Há anos
- Visualizações:
Transcrição
1 Análise de variância para experimentos com dependência espacial entre parcelas: abordagem autoregressiva e Geoestatística Diogo Francisco Rossoni (DES/UEM) Cristina Henriques Nogueira (DEX/UFLA) Renato Ribeiro de Lima (DEX/UFLA) Presidente Prudente- SP
2 Introdução Princípios básicos: repetição, aleatorização e controle local; O processo de aleatorização é insuficiente para a garantia da independência dos erros; É comum encontrar experimentos em que a realização da aleatorização é inviável;
3 Introdução Princípios básicos: repetição, aleatorização e controle local; O processo de aleatorização é insuficiente para a garantia da independência dos erros; É comum encontrar experimentos em que a realização da aleatorização é inviável; Implementação e execução da análise de variância com erros espacialmente correlacionados; A Geoestatística utilizada para modelar a matriz de covariâncias dos erros;
4 Geoestatística A suposição de que as observações são independentes não é feita na Geoestatística; Medidas como a autocovariância, autocorrelação e semivariância são utilizadas para modelar a associação espacial entre as variáveis; A semivariância é uma medida de dissimilaridade, ou seja, é maior à medida que as variáveis estão menos associadas. Suposição de estacionariedade de 2ª ordem.
5 Pressuposições Uma variável Y (x) pode ser considerada estacionária de 2ª ordem se: (i) A esperança de Y (x) existe e não depende da posição x: E[Y (x)] = ω = constante; (ii) A função de covariância C( ) existe e depende apenas da distância h entre os pontos: C(Y (x + h), Y (x)) = E[Y (x + h) Y (x)] ω 2 = C(h).
6 Pressuposições Uma variável Y (x) pode ser considerada estacionária de 2ª ordem se: (i) A esperança de Y (x) existe e não depende da posição x: E[Y (x)] = ω = constante; (ii) A função de covariância C( ) existe e depende apenas da distância h entre os pontos: C(Y (x + h), Y (x)) = E[Y (x + h) Y (x)] ω 2 = C(h). A variância Var( ) é um caso particular da covariância quando h = 0: Var(Y (x)) = C(Y (x + 0), Y (x)) = C(0).
7 Relações entre as funções Se a hipótese de estacionariedade de 2ª ordem for atendida: A relação entre a covariância C(h) e a semivariância γ(h) é definida como: C(h) = C(0) γ(h);
8 Relações entre as funções Se a hipótese de estacionariedade de 2ª ordem for atendida: A relação entre a covariância C(h) e a semivariância γ(h) é definida como: C(h) = C(0) γ(h); A função de correlação ρ( ) é dada por: ρ(h) = C(h) C(0) γ(h) = = 1 γ(h) C(0) C(0) C(0).
9 Semivariância Conforme afirma Cressie (1993), o estimador clássico de semivariância, proposto por Matheron, é definido como: em que: ˆγ(h) = 1 2 n(h) n(h) i=1 ˆγ(h) é o estimador de semivariância; [ y(x i ) y(x i + h) ] 2, n(h) representa o número de pares de valores medidos separados por uma distância h; y(x i ) e y(x i + h) são realizações da variável aleatória Y, nas coordenadas x i e x i +h, de tal modo que esses pontos estão separados por uma distância h.
10 Exemplo de semivariograma Figura 1: Exemplo de semivariograma experimental.
11 Modelo esférico Função de semivariância: γ(h) = τ 2 + ϕ 2 [ 3 0, se h = 0; ( ) h 1 ( ) h 3 ], se 0 < h < φ; 2 φ 2 φ τ 2 + ϕ 2, se h φ; Função de correlação: ρ(h) = [ ϕ 2 τ 2 + ϕ 2 1 1, 5 1, se h = 0; ( ) ( ) h h 3 ] + 0, 5, se 0 < h < φ; φ φ 0, se h φ.
12 Modelo exponencial Função de semivariância: { 0 ( )], se h = 0; γ(h) = 3h τ 2 + ϕ [1 2 exp, se h 0; φ Função de correlação: ρ(h) = { 1, se h = 0; [ ( )] ϕ 2 3h τ 2 + ϕ 2 exp, se h 0. φ
13 Modelo espacial Segundo Diggle & Ribeiro Jr. (2007), uma variável aleatória Y, na posição espacial x, pode ser representada por: Y (x) = ω(x) + S(x) + ξ(x), em que: ω(x) é uma tendência associada a um valor médio constante; S(x) é uma variável aleatória distribuída com media zero, variância ϕ 2 e C[ S(x i ), S(x j ) ] não necessariamente zero; ξ(x) é uma variável aleatória iid com média zero e variância τ 2.
14 Distribuição preditiva de S( ) Condidere que Y N(ω, Σ), em que Σ = V(τ 2 + ϕ 2 ) De maneira geral, dado um vetor S com média zero, a distribuição preditiva [ S y ] tem esperança dada por E [ S y ] = ϕ 2 V Σ 1 (Y ω)
15 Distribuição preditiva de S( ) Condidere que Y N(ω, Σ), em que Σ = V(τ 2 + ϕ 2 ) De maneira geral, dado um vetor S com média zero, a distribuição preditiva [ S y ] tem esperança dada por E [ S y ] = ϕ 2 V Σ 1 (Y ω) Krigagem
16 Delineamento inteiramente casualizado (DIC) O modelo estatístico de um delineamento inteiramente casualizado (DIC) é dado por: em que: y ij = µ + α i + e ij, y ij é a observação do i-ésimo tratamento na j-ésima repetição, com i = 1, 2,..., t e j = 1, 2,..., r; µ é uma constante inerente a cada observação; α i é o efeito do i-ésimo tratamento; e ij é o erro experimental associado à ij-ésima observação.
17 Delineamento inteiramente casualizado (DIC) Matricialmente, o modelo pode ser representado por: Y = Xθ + ε, em que: Y é o vetor de observações de ordem n 1; X é a matriz de incidência dos parâmetros do modelo de ordem n p; θ é o vetor de paramêtros do modelo de ordem p 1; ε é o vetor de erros aleatórios de ordem n 1.
18 Delineamento inteiramente casualizado (DIC) Assumindo que ε N(0, Iσ 2 ), a análise de variância para um DIC é dada por: em que: Tabela 1: Esquema da análise de variância de um DIC. FV GL SQ Tratamento r(p P 1 ) Y (P P 1 )Y Resíduo r(i P) Y (I P)Y Total r(i P 1 ) Y (I P 1 )Y P = X(X X) X e P 1 = X 1 (X 1X 1 ) 1 X 1;
19 Estimação dos parâmetros Assumindo que ε N(0, Σ), em que Σ = Vσ 2 : Função de verossimilhança: L(θ, Σ) = (2π) n 2 Σ 1 2 exp[ 1 2 (Y Xθ) Σ 1 (Y Xθ)] Estimadores: θ 0 = (X V 1 X) X V 1 Y ˆσ 2 = (Y Xθ0 ) V 1 (Y Xθ 0 ) n
20 O modelo linear Considere Σ = Vσ 2 e V 1 = LL, em que V é simétrica positiva definida e L é não singular; Pré-multiplicando o modelo Y = Xθ + ε por L tem-se: W = Zθ + η, em que η N(0, Iσ 2 ), de modo que W = L Y, Z = L X e η = L ε.
21 Análise de variância de um DIC Modelo descorrelacionado: SQRes = η η = W W W Z(Z Z) Z W ; SQT = W W W Z 1(Z 1Z 1) 1 Z 1W ; SQTrat = θ 0 Z W W Z 1(Z 1Z 1) 1 Z 1W. Modelo original com erros correlacionados: SQRes = ε V 1 ε = Y V 1 Y Y V 1 X(X V 1 X) X V 1 Y ; SQT = Y V 1 Y Y V 1 X 1(X 1V 1 X 1) 1 X 1V 1 Y ; SQTrat = Y V 1 X(X V 1 X) X V 1 Y Y V 1 X 1(X 1V 1 X 1) 1 X 1V 1 Y.
22 Análise de variância de um DIC Tabela 2: ANOVA de um DIC, com Σ= Vσ 2, via formas quadráticas. FV GL SQ Tratamento r(x) r(x 1 ) Y (P P 1 )Y Resíduo n r(x) Y (V 1 P)Y Total n r(x 1 ) Y (V 1 P 1 )Y P = V 1 X(X V 1 X) X V 1 e P 1 = V 1 X 1 (X 1V 1 X 1 ) 1 X 1V 1.
23 Aplicabilidade do teste F SQRes σ 2 = Y AY, em que A = Σ 1 Σ 1 X(X Σ 1 X) X Σ 1 ; SQTrat σ 2 = Y BY, em que B = Σ 1 X(X Σ 1 X) X Σ 1 Σ 1 X 1 (X 1Σ 1 X 1 ) X 1Σ 1. Com isso, pode-se concluir que: (SQTrat/σ 2 )/(r(x) 1) (SQRes/σ 2 )/(n r(x)) = QMTrat QMRes F (ν 1, ν 2; δ), com ν 1 = r(x) 1, ν 2 = n r(x) e δ = 1 2σ 2 α X 2(V 1 P 1 )X 2 α.
24 Esperança dos quadrados médios Tabela 3: Esperança dos quadrados médios de um DIC com erros correlacionados. FV E[QM] Tratamento σ r(x) 1 α X 2(V 1 P 1 )X 2 α Resíduo σ 2
25 Modelagem geoestatística do erro Obter o vetor de erros estimados ˆε = Y Xθ 0 c; Diagnosticar a existência de dependência espacial; Ajustar um modelo teórico ao semivariograma; Encontrar a matriz estimada de covariância dos erros: C[e(x 1 ), e(x 1 )] C[e(x 1 ), e(x 2 )] C[e(x 1 ), e(x n )] C[e(x 2 ), e(x 1 )] C[e(x 2 ), e(x 2 )] C[e(x 2 ), e(x n )] Σ = ; C[e(x n ), e(x 1 )] C[e(x n ), e(x 2 )] C[e(x n ), e(x n )]
26 Modelagem geoestatística do erro Σ = τ 2 + ϕ 2 C( h 12 ) C( h 1n ) C( h 12 ) τ 2 + ϕ 2 C( h 2n ) C( h 1n ) C( h 2n ) τ 2 + ϕ 2 ; Σ = Vσ 2 = 1 ρ( h 12 ) ρ( h 1n ) ρ( h 12 ) 1 ρ( h 2n ) ρ( h 1n ) ρ( h 2n ) 1 σ2 ; de modo que σ 2 = τ 2 + ϕ 2 e h ij é a distância entre os erros e i e e j, respectivamente alocados nas posições x i e x j, ou seja, h ij = x i x j.
27 Modelagem geoestatística do erro Pontes (2002) sugeriu um algoritmo no qual eram realizadas iterações até que a média dos erros padrão dos valores preditos atingisse convergência; Estimar os resíduos utilizando o modelo não espacial. Ajustar o semivariograma dos resíduos e ajustar um modelo teórico. Obter a matriz de convariância dos erros Σ. Obter o vetor de parâmetros do modelo considerando Σ e estimar o vetor de erros. Construir novamente o semivariograma e ajusta um modelo teórico. Atualizar os valores da matriz de covariância dos erros Σ.
28 Simulação de dados Foram propostos experimentos instalados em DIC, com 15 tratamentos e 8 repetições, com as seguintes configurações: (i) Efeitos de tratamento diferente de zero e presença de componente espacial; (ii) Efeitos de tratamento iguais a zero e presença de componente espacial; (iii) Efeitos de tratamento diferente de zero e ausência de componente espacial.
29 Simulação de dados Figura 2: Gride de um DIC com 15 tratamentos e 8 repetições.
30 Experimento I Detecção da variabilidade espacial: Figura 3: Grid com os quartis dos erros. Figura 4: Semivariograma com envelope simulado.
31 Experimento I Ajuste do semivariograma dos erros. Método de quadrados mínimos ordinários; Modelo esférico; Estabilização após a 3ª iteração; Parâmetros estimados do semivariograma: ϕ 2 = 1, 1313, τ 2 = 0, 6426, φ = 5, Figura 5: Ajuste do modelo esférico ao semivariograma dos erros.
32 Experimento I Tabela 4: Análise de variância considerando erros correlacionados. FV GL SQ QM F calc Valor p Tratamento 14 76,300 5,450 2,93 0,00086 Resíduo ,118 1,858 Total ,418 Tabela 5: Análise de variância considerando erros independentes. FV GL SQ QM F calc Valor p Tratamento 14 56,567 4,040 2,1764 0,01326 Resíduo ,936 1,856 Total ,503
33 Experimento II Detecção da variabilidade espacial: Figura 6: Grid com os quartis dos erros. Figura 7: Semivariograma com envelope simulado.
34 Experimento II Ajuste do semivariograma dos erros. Método de quadrados mínimos ordinários; Modelo esférico; Estabilização após a 3ª iteração; Parâmetros estimados do semivariograma: ϕ 2 = 1, 1313, τ 2 = 0, 6426, φ = 5, Figura 8: Ajuste do modelo esférico ao semivariograma dos erros.
35 Experimento II Tabela 6: Análise de variância considerando erros correlacionados. FV GL SQ QM F calc Valor p Tratamento 14 11,906 0,850 0,46 0,9501 Resíduo ,118 1,858 Total ,024 Tabela 7: Análise de variância considerando erros independentes. FV GL SQ QM F calc Valor p Tratamento 14 22,642 1,6173 0,8711 0,5916 Resíduo ,936 1,856 Total ,578
36 Experimento III Detecção da variabilidade espacial: Figura 9: Grid com os quartis dos erros. Figura 10: Semivariograma com envelope simulado.
37 Experimento III Ajuste do semivariograma dos erros. Método de quadrados mínimos ordinários; Modelo pepita puro; Estabilização após a 1ª iteração; Parâmetros estimados do semivariograma: ϕ 2 = 0, 0000, τ 2 = 0, 4492, φ = 0, Figura 11: Ajuste do modelo ao semivariograma dos erros.
38 Experimento III Tabela 8: Análise de variância considerando erros correlacionados. FV GL SQ QM F calc Valor p Tratamento 14 49,333 3,524 7,01 5,6e-10 Resíduo ,815 0,503 Total ,147 Tabela 9: Análise de variância considerando erros independentes. FV GL SQ QM F calc Valor p Tratamento 14 49,333 3,524 7,01 5,6e-10 Resíduo ,815 0,503 Total ,147
39 Análise de variância de um DBC Tabela 10: Análise de variância de um DBC, considerando Σ= Vσ 2. FV GL SQ Tratamento r(x 2 ) r(x 1 ) Y P 2 Y Bloco r(x) r(x 2 ) Y (P P 1 P 2 )Y Resíduo n r(x) Y (V 1 P)Y Total n r(x 1 ) Y (V 1 P 1 )Y em que: P = V 1 X(X V 1 X) 1 X V 1 ; P 1 = V 1 X 1 (X 1V 1 X 1 ) 1 X 1V 1 ; P 2 = R V X 2 (X 2R V X 2 ) X 2R V ; R V = V 1 V 1 X 1 (X 1V 1 X 1 ) 1 X 1V 1.
40 Exemplo de aplicação Experimento de candeia (Eremanthus erythropappus (DC.) McLeish); Variável resposta: Diâmetro médio da unidade experimental à altura do peito (DAP); Experimento instalado em 2004, no município de Baependi (MG); Delineamento de blocos casualizados (DBC), composto por 4 blocos e 13 tratamentos. Cada unidade experimental continha 50 plantas úteis medidas e 4 plantas de bordadura, espaçadas em 2,0 x 2,5 m; Os tratamentos desse experimento referem-se aos tipos de adubação aplicados em cada unidade experimental.
41 Exemplo de aplicação Detecção da variabilidade espacial: Figura 12: Grid com os quartis dos erros. Figura 13: Semivariograma com envelope simulado.
42 Exemplo de aplicação Ajuste do semivariograma dos erros. Método de quadrados mínimos ordinários; Modelo exponencial; Estabilização após a 6ª iteração; Parâmetros estimados do semivariograma: ϕ 2 = 0, 3118, τ 2 = 0, 0000, φ = 3, Figura 14: Ajuste do modelo ao semivariograma dos erros.
43 Exemplo de aplicação Tabela 11: Análise de variância considerando erros correlacionados. FV GL SQ QM F calc Valor p Tratamento 12 12,7743 1,0645 2,6286 0,0124 Blocos 3 14,7038 4, ,1027 0,0000 Resíduo 36 14,5792 0,4050 Total 51 42,0573 Tabela 12: Análise de variância considerando erros independentes. FV GL SQ QM F calc Valor p Tratamento 12 7,1648 0,5971 1,8757 0,0721 Blocos 3 43, , ,4996 0,0000 Resíduo 36 11,4592 0,3183 Total 51 62,0731
44 Exemplo de aplicação Teste Tukey aproximado. Tabela 13: Comparação entre médias dos diferentes tratamentos de fertilização para a variável DAP. Tratamento DAP medio Grupo 10 6,0025 a 2 5,5575 ab 9 5,4550 ab 6 5,4325 ab 7 5,4075 ab 13 5,3750 ab 8 5,3525 ab 11 5,2600 ab 4 5,0575 ab 3 5,0350 ab 12 4,9450 ab 5 4,8500 ab 1 4,4325 b
45 Referências Bibliográficas BANZATTO, D. A.; KRONKA, S. N. Experimentação agrícola. 4. ed. Jaboticabal: Funep, p. CRESSIE, N. Statistics for spatial data. 2. ed. New York: J. Wiley, p. DIGGLE, P. J.; RIBEIRO JÚNIOR, P. J. Model-based geostatistics. New York: Springer, GRAYBILL, F. A. Theory and application of the linear model. Boston: Duxbury Press, p. GRONDONA, M. O.; CRESSIE, N. Using spatial considerations in the analysis of experiments. Technometrics, Alexandria, v. 33, n. 4, p , Nov NOGUEIRA, C. H.; OLIVEIRA, M. S; MELLO, J. M; RAIMUNDO, M. R; SCOLFORO, H. F; REIS, A. A; GOMIDE, L. R. Spatial modeling in the analysis of a experimental planting candeia. Rev. Bras. Biom., São Paulo, v.33, n.1, p.14-29, 2015
46 Referências Bibliográficas NOGUEIRA, C. H. Análise de variância com dependência espacial sob uma abordagem geoestatística p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, PONTES, J. M.; OLIVEIRA, M. S. de. Geoestatística: aplicações em experimentos de campo p. Dissertação (Mestrado em Agronomia - Estatística e Experimentação Agropecuária) Universidade Federal de lavras, Lavras, RIBEIRO JÚNIOR, P. J. Métodos geoestatísticos no estudo da variabilidade espacial de parâmetros do solo p. Dissertação (Mestrado) - Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, ROSSONI, D. F. Análise de variância para experimentos com dependência espacial p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) Universidade Federal de Lavras, Lavras, SEARLE, S. R. Linear models for unbalanced data. New York: J. Wiley, p.
MODELAGEM ESPACIAL NA ANÁLISE DE UM PLANTIO EXPERIMENTAL DE CANDEIA
MODELAGEM ESPACIAL NA ANÁLISE DE UM PLANTIO EXPERIMENTAL DE CANDEIA Cristina Henriques NOGUEIRA 1 Marcelo Silva de OLIVEIRA 1 Marcel Régis RAIMUNDO 2 José Márcio de MELLO 2 Henrique Ferraço SCOLFORO 2
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
PROPOSTA DE APLICAÇÃO DA ANÁLISE DE VARIÂNCIA COM MODELO AUTOREGRESSIVO PARA ANÁLISE DE VARIEDADES DE TRIGO (Triticum aestivum L.) DIOGO FRANCISCO ROSSONI¹, MARIELE VILELA BERNARDES PRADO², JAIR ROCHA
Leia maisINTRODUÇÃO À ESTATÍSTICA ESPACIAL. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À ESTATÍSTICA ESPACIAL Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Métodos Índices de agregação Métodos de quantificação da dependência especial Correlograma Variograma Métodos
Leia maisANÁLISE DE EXPERIMENTOS COM A INCORPORAÇÃO DE COMPONENTES ESPACIAIS. Nogueira 1, C.H, Lima 2,R.R
ANÁLISE DE EXPERIMENTOS COM A INCORPORAÇÃO DE COMPONENTES ESPACIAIS Nogueira 1, C.H, Lima 2,R.R 1 Doutoranda em Estatística e Experimentação Agropecuária, Universidade Federal de Lavras - UFLA/Departamento
Leia maisUTILIZAÇÃO DE GEOESTATÍSTICA PARA O ESTUDO DO ATRIBUTO COBRE NO SOLO. Gabriel Tambarussi Avancini 1 RESUMO
UTILIZAÇÃO DE GEOESTATÍSTICA PARA O ESTUDO DO ATRIBUTO COBRE NO SOLO Gabriel Tambarussi Avancini 1 RESUMO Este trabalho teve como objetivo estudar a espacialização do atributo cobre, Cu, do solo utilizando
Leia maisTópicos de Estatística Espacial Geoestatística
Tópicos de Estatística Espacial Geoestatística Anderson Castro Soares de Oliveira Geoestatística A geoestatística é uma análise espacial que considera que a variável em estudo se distribui continuamente
Leia maisAPLICAÇÃO DA GEOESTATÍSTICA NA ANÁLISE DE EXPERIMENTOS COM MAMONA (Ricinus communis L.)
APLICAÇÃO DA GEOESTATÍSTICA NA ANÁLISE DE EXPERIMENTOS COM MAMONA (Ricinus communis L.) Verônica Yumi Kataoka 1, Vânia Corrêa Mota 1, Marcelo Silva de Oliveira 1, Antônio Lucrécio Santos Neto 1, Luis Felipe
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Delineamento Casualizado em Blocos
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Delineamento Casualizado em Blocos Estatística Experimental 5 de Outubro de 2016 1 / 20 DBC: Introdução Parcelas similares Delineamento
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL Delineamento Inteiramente Casualizado - DIC Prof. Miguel Toledo del Pino, Dr. INTRODUÇÃO No DIC a distribuição dos tratamentos às unidades experimentais é feita inteiramente ao
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO e CASUALIZADOS
DELINEAMENTO INTEIRAMENTE CASUALIZADO e DELINEAMENTO EM BLOCOS CASUALIZADOS Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br 1. Objetivos Estudar o procedimento de instalação e análise de
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
Leia maisANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC)
ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 ANAVA dois critérios A análise de variância
Leia maisGeoestatística aplicada à agricultura de precisão
Geoestatística aplicada à agricultura de precisão José P. Molin ESALQ/USP jpmolin@usp.br www.agriculturadeprecisao.org.br Objetivo Abordar os conceitos fundamentais relacionados à geoestatistica aplicada
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Testes de Comparações Múltiplas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Testes de Comparações Múltiplas Professora Renata Alcarde Sermarini Piracicaba Agosto 2016 Renata Alcarde Sermarini Estatística
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisINTRODUÇÃO A MODELOS MISTOS
INTRODUÇÃO A MODELOS MISTOS Delineamento experimental ou desenho experimental, de uma forma bastante simples, é a forma em que os tratamentos (níveis de um fator ou combinações de níveis de fatores) são
Leia maisDIOGO FRANCISCO ROSSONI ANÁLISE DE VARIÂNCIA PARA EXPERIMENTOS COM DEPENDÊNCIA ESPACIAL
DIOGO FRANCISCO ROSSONI ANÁLISE DE VARIÂNCIA PARA EXPERIMENTOS COM DEPENDÊNCIA ESPACIAL LAVRAS - MG 2011 DIOGO FRANCISCO ROSSONI ANÁLISE DE VARIÂNCIA PARA EXPERIMENTOS COM DEPENDÊNCIA ESPACIAL Dissertação
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)
DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DBC O delineamento em
Leia maisANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)
ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisDelineamento e Análise Experimental Aula 5
Aula 5 Castro Soares de Oliveira Delineamentos Experimentais Delineamento experimental ou desenhos experimentais é o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes
Leia maisDelineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL)
Principais delineamentos: Delineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL) Os delineamentos podem ser: Balanceados Não balanceados
Leia maisPlanejamento de Experimentos Experimento com um fator aleatório
1 / 12 Planejamento de Experimentos Experimento com um fator aleatório Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 12 Modelo Estatístico para Efeitos Fixos Y ij = µ + τ i + ɛ ij em que
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO. Profª. Sheila Regina Oro
DELINEAMENTO INTEIRAMENTE CASUALIZADO Profª. Sheila Regina Oro Delineamento experimental Para planejar um experimento é preciso definir os tratamentos em comparação e a maneira de designar os tratamentos
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa
Leia maisDELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Leia maisExperimentos em parcelas subdivididas e procedimentos para a aplicação dos testes de comparação de médias
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE UNIDADE ACADÊMICA DE CIÊNCIAS AGRÁRIAS DISCIPLINA: ESTATÍSTICA EXPERIMENTAL Experimentos em parcelas subdivididas e procedimentos para a aplicação
Leia maisInstituto Federal Goiano
e simples e Instituto Federal Goiano e Conteúdo simples 1 2 3 4 5 simples 6 e simples Associação entre duas variáveis resposta Exemplos: altura de planta e altura da espiga, teor de fósforo no solo e na
Leia maisMAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler
MAE 37 Planeamento e Pesquisa I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP º Semestre/09 Delineamento Completamente Aleatorizado - DCA T T... T Y Y... Y Y Y... Y...... Yi... Yn Y n... Yn n
Leia maisANÁLISE VARIOGRÁFICA. A Geoestatística é baseada nos seguintes conceitos: Funções aleatórias. Variável regionalizada.
ANÁLISE VARIOGRÁFICA A Geoestatística é baseada nos seguintes conceitos: Funções aleatórias Variável regionalizada Estacionariedade 1 2 No espaço (2D) ocorrem infinitos valores de uma variável. Por amostragem
Leia maisTécnicas Experimentais Aplicadas
Técnicas Experimentais Aplicadas em Ciência do Solo Mario de Andrade Lira Junior lira.pro.br/wordpress 7/4/010 1 Principais delineamentos Inteiramente casualizado Segundo mais comum Blocos completos Normalmente
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisPlanejamento de Experimentos Medidas Repetidas
1 / 27 Planejamento de Experimentos Medidas Repetidas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG Exemplo: 2 / 27 3 / 27 Em outras aplicações, a resposta de cada unidade experimental é medida
Leia maisEXPERIMENTOS EM PARCELAS SUBDIVIDIDAS
EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 06 de julho de 2016 Nos experimentos fatoriais, todas
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE CIÊNCIAS EXATAS
1 1) Seja X uma variável aleatória com função de densidade dada por: Pede-se: f (x) = e 2 1 (, )(x) 1.1) Qual a distribuição da variável aleatória Y = X? 1.2) Encontre o valor esperado da variável Y. 2
Leia maisDELINEAMENTO FATORIAL. Profª. Sheila Regina Oro
DELINEAMENTO FATORIAL Profª. Sheila Regina Oro Existem casos em que vários fatores devem ser estudados simultaneamente para que possam nos conduzir a resultados de interesse. Experimentos fatoriais: são
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia maisMÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS
MÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS Orientador: Prof. PhD Paulo Justiniano Ribeiro Junior. 6 de novembro de 2008 Motivação Ciências da
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisUm Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 006 Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística Fabiane Renata de Santana Yassukawa (UFMG) fabianesy@yahoo.com.br
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisEstatística Básica. 13 de maio de 2009
13 de maio de 2009 1 2 3 4 5 Tipos de Testes Exemplos Teste para amostras independentes com variâncias iguais Teste para amostras independentes com variâncias diferentes Teste para amostras dependentes
Leia maisUso da inferência bayesiana para obtenção de mapas de probabilidades para o Trimestre Chuvoso no Estado da Paraíba
Uso da inferência bayesiana para obtenção de mapas de probabilidades para o Trimestre Chuvoso no Estado da Paraíba Elias Silva de Medeiros a,1, Paulo Justiniano Ribeiro Jr. a a Departamento de Ciências
Leia maisANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j
SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................
Leia maisUtilização de diferentes estimadores de semivariância com modelo teórico exponencial
Utilização de diferentes estimadores de semivariância com modelo teórico exponencial Marcilia Bruna dos Reis Teixeira João Domingos Scalon 3 Introdução A Geoestatística aborda a detecção da estrutura da
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisInterpolação. Interpolação. Padrões de amostragem. Autocorrelação. Padrões de amostragem. Padrões de amostragem
Sistemas de Informação Geográfica II Interpolação 1. Interpolação Autocorrelação Padrões de amostragem Validação de resultados Interpolação Predição do valor de atributos em pontos não-amostrados Tempo
Leia maisPROGRAMA DE DISCIPLINA
PROGRAMA DE DISCIPLINA Disciplina: Experimentação Agrícola Código da Disciplina: AGR 283 Curso: Agronomia Semestre de oferta da disciplina: 4 P Faculdade responsável: Agronomia Programa em vigência a partir
Leia maisUso da krigagem indicatriz na avaliação espacial de percevejos da espécie Piezodorus guildinii na Safra 2011/12.
Uso da krigagem indicatriz na avaliação espacial de percevejos da espécie Piezodorus guildinii na Safra 2011/12. Farias, C.H. 1 ; Oliveira, M.C.N. de 2 ; Roggia, S. 2 ; 1 Universidade Norte do Paraná (Unopar),
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Regressão Polinomial e Análise da Variância Piracicaba Setembro 2014 Estatística Experimental 18 de Setembro de 2014 1 / 20 Vimos
Leia maisAnálise de Dados Longitudinais Modelos de Regressão - Perspecitva Histórica
1/41 Análise de Dados Longitudinais Modelos de Regressão - Perspecitva Histórica Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Revisão para Dados Transversais 1 Características Informações amostrais
Leia maisUNIDADE V EXPERIMENTOS FATORIAIS (RC)
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V EXPERIMENTOS FATORIAIS (RC) Profª Railene Hérica Carlos Rocha Pombal, PB. 1. Conceitos
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro
DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro
Leia mais25 a 30 de novembro de 2013
em em Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 Parte 3 - Conteúdo em em 1 em 2 em em em Permite estudar como uma (simples)
Leia maisIntrodução Variograma Modelos básicos de correlação espacial Modelação Interpolação espacial & Simulação. Geoestatística.
Geoestatística Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Geoestatística conjunto de técnicas matemáticas e numéricas para caracterizar fenómenos espaciais contínuos tendo em conta a correlação
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Estimação
Leia maisInstituto Federal Goiano
Instituto Federal Goiano Conteúdo 1 2 A correlação mede apenas o grau de associação entre duas variáveis, mas não nos informa nada sobre a relação de causa e efeito de uma variável sobre outra Na correlação,
Leia maisPlanejamento de Experimentos. 13. Experimentos com fatores aleatórios
Planejamento de Experimentos 13. Experimentos com fatores aleatórios Até aqui assumimos que os fatores nos experimentos eram fixos, isto é, os níveis dos fatores utilizados eram níveis específicos de interesse.
Leia maisMINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS
MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para o Doutorado
Leia maisESQUEMA FATORIAL. Lucas Santana da Cunha Universidade Estadual de Londrina Departamento de Estatística
ESQUEMA FATORIAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Esquema Fatorial Nos experimentos mais simples
Leia maisDelineamento em Quadrado Latino (DQL)
Delineamento em Quadrado Latino () Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Na Seção anterior introduziu-se o delineamento em blocos ao acaso como um delineamento
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS GABARITO
UNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para Mestrado 16- GABARITO N o de inscrição
Leia maisMÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS
MÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS Orientador: Prof. PhD Paulo Justiniano Ribeiro Junior. 8 de outubro de 2008 Roteiro de Apresentação
Leia maisModelagem da estrutura de covariância na análise de medidas repetidas
Modelagem da estrutura de covariância na análise de medidas repetidas Marisol García Peña Sergio Arciniegas Alarcón Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento
Leia maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisQuestão 1: Questão 2: Defina tratamentos, fator, nível, parcela, subparcela, coeficiente de variação e interação entre fatores.
MINISTÉRIO DA EDUCAÇÃO CENTRO DE CIÊNCIAS E TECNOLOGIA AGROALIMENTAR DISCIPLINA: ESTATÍSTICA EXPERIMENTAL LISTA DE EXERCÍCIOS 3 a AVALIAÇÃO PROFESSOR: ROBERTO QUEIROGA Questão 1: Faça um croqui (disposição
Leia mais3 a. FASE DO CONCURSO VESTIBULAR DO BACHARELADO EM ESTATÍSTICA 1 a. PROVA DA DISCIPLINA: CE065 ELEMENTOS BÁSICOS PARA ESTATÍSTICA CANDIDATO:
3 a. FASE DO CONCURSO VESTIBULAR DO BACHARELADO EM ESTATÍSTICA a. PROVA DA DISCIPLINA: CE65 ELEMENTOS BÁSICOS PARA ESTATÍSTICA CANDIDATO: a. Questão (valor,): Resolva de forma clara e detalhada as questões
Leia maisExperimentos Fatoriais
Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos
Leia maisUniversidade Federal de Viçosa Departamento de Estatística
Universidade Federal de Viçosa Departamento de Estatística Prova Seletiva para o Programa de Pós-Graduação em Estatística Aplicada e Biometria. Nível Doutorado - 22/nov/2013 Nome: Assinatura:. Número do
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
1 TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br/wordpress os direitos autorais. ANÁLISE DA VARIÂNCIA Desdobramento da variância total em seus componentes
Leia maisÉder David Borges da Silva Renato Gonçalves de Oliveira
Éder David Borges da Silva Renato Gonçalves de Oliveira Página do curso: http://www.leg.ufpr.br/ragronomia Vamos a um exemplo... Um experimento foi realizado para avaliar de que forma se distribuía uma
Leia maisEstatística Descritiva e Inferencial CE081. Prof. Dr. Jomar Camarinha
Estatística Descritiva e Inferencial CE081 Prof. Dr. Jomar Camarinha CONTEÚDO Estatística Descritiva e Exploratória Teoria dos Conjuntos Análise Combinatória Noções de Probabilidade Noções de Amostragem
Leia maisMagda Lea Bolzan Zanon 1 Lindolfo Storck 2 RESUMO. O objetivo deste trabalho foi estimar o tamanho ótimo de parcelas experimentais de
ZANON, Magda Lea Bolzan; STORCK, Lindolfo. Tamanho de parcelas experimentais para Eucapyptus saligna Smith. Ciência Rural, Santa Maria, v. 27, n. 4, p. 589-593, 1997. TAMANHO DE PARCELAS EXPERIMENTAIS
Leia maisLaboratório Nº 5. A geoestatística permite descrever a continuidade espacial, a qual é uma característica
Laboratório Nº 5 INTRODUÇAO A geoestatística permite descrever a continuidade espacial, a qual é uma característica essencial de muitos fenómenos naturais. Modelos inferenciais para este objetivo vêm sendo
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução A análise de variância (Anova) é utilizada para comparar médias de três ou mais populações.
Leia maisDelineamento e Análise Experimental Aula 7. Anderson Castro Soares de Oliveira
Aula 7 Castro Soares de Oliveira Experimentos Fatoriais Nos experimentos mais simples comparamos tratamentos de apenas um tipo ou fator. Em algumas situações existem vários fatores envolvidos em um experimento,
Leia maisInstituto Federal Goiano
Instituto Federal Goiano Conteúdo 1 2 3 Exemplo 1 Descrição do experimento: Fator 1: variedades de cana (A, B, C) Fator 2: doses de vinhaça (0, 500, 1000, 1500 L/ha) Delineamento: blocos aleatorizados,
Leia maisANÁLISE DO PADRÃO ESPACIAL DA MORTALIDADE INFANTIL UTILIZANDO GEOESTATÍSTICA ANALYSIS OF SPATIAL PATTERN OF INFANT MORTALITY USING GEOSTATISTICS
149 Recebido em 11/2011. Aceito para publicação em 03/2012. ANÁLISE DO PADRÃO ESPACIAL DA MORTALIDADE INFANTIL UTILIZANDO GEOESTATÍSTICA ANALYSIS OF SPATIAL PATTERN OF INFANT MORTALITY USING GEOSTATISTICS
Leia maisVARIABILIDADE ESPACIAL DA CONDUTIVIDADE ELÉTRICA NO SOLO EM UM TALHÃO DE LARANJA: AMOSTRAS EM GRIDES REGULARES. Lucas Santana da Cunha 1 RESUMO
VARIABILIDADE ESPACIAL DA CONDUTIVIDADE ELÉTRICA NO SOLO EM UM TALHÃO DE LARANJA: AMOSTRAS EM GRIDES REGULARES Lucas Santana da Cunha 1 RESUMO Todas as atividades que giram em torno dos conceitos da agricultura
Leia maisEsquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas.
Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. 1 Experimento em esquema de parcelas subdivididas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar Experimentos em
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisLGN 313 Melhoramento Genético
LGN 313 Melhoramento Genético Professores: Antonio Augusto Franco Garcia José Baldin Pinheiro Escola Superior de Agricultura Luiz de Queiroz Departamento de Genética - ESALQ/USP Segundo semestre - 010
Leia maisTEAZ Técnicas Experimentais Aplicadas à Zootecnia PLANO DE ENSINO
TEAZ Técnicas Experimentais Aplicadas à Zootecnia PLANO DE ENSINO II EMENTA Principais delineamentos experimentais usados em pesquisas zootécnicas. Condução de pesquisas e análises estatísticas mais utilizadas.
Leia maisJoão Marcos Louzada 1, Marcelo Silva de Oliveira 2, Marcelo de Carvalho Alves 3
COMPONENTES PRINCIPAIS E GEOESTATÍSTICA PARA CARACTERIZAR A VARIABILIDADE ESPACIAL DA PRODUTIVIDADE DE SOJA NO ESTADO DE MINAS GERAIS EM ESCALA MUNICIPAL João Marcos Louzada 1, Marcelo Silva de Oliveira
Leia maisAnálise espacial da espécie Prosopis juliflora consorciada com o Cenchrus ciliaris L. no bioma caatinga. 0.1 Introdução. 0.2 Material e métodos
Análise espacial da espécie Prosopis juliflora consorciada com o Cenchrus ciliaris L. no bioma caatinga Marystella Duarte Correia 1 Ricardo Alves de Olinda 2 Rômulo Simões Cezar Menezes 3 0.1 Introdução
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisDELINEAMENTO EM QUADRADO LATINO (DQL)
DQL DELINEAMENTO EM QUADRADO LATINO (DQL) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DQL Na Seção anterior
Leia maisSELEÇÃO DE VARIÁVEIS
SELEÇÃO DE VARIÁVEIS objetivo incluir tantas covariáveis quantas forem necessárias para auxiliar na predição do modelo? (1) buscar o menor subconjunto de covariáveis capaz de explicar adequadamente a variação
Leia maisExperimentos em Parcelas Subdivididas
Experimentos em Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 08 de novembro de 2018 Londrina Tal como no caso de fatorial, o termo parcelas subdivididas não se refere a um tipo de delineamento
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Áreas
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Áreas Áreas Na análise de áreas o atributo estudado é em geral resultando de uma contagem ou um
Leia maisVariabilidade espacial de propriedades físico químicas do estuário Ciénaga Grande de Santa Marta - CGSM Colômbia.
Variabilidade espacial de propriedades físico químicas do estuário Ciénaga Grande de Santa Marta - CGSM Colômbia. Omar Felipe Chaparro Saavedra São José dos Campos, 2014 Motivação No processo de avaliação
Leia maisMAE Planejamento e Pesquisa I
MAE0317 - Planejamento e Pesquisa I COMPARAÇÕES DE MÉDIAS - 1 FATOR FIXO 1 de abril de 2014 Denise A. Botter MAE0317 1 de abril de 2014 1 / 55 INTRODUÇÃO Testamos H 0 : µ 1 =... = µ r. Se H 0 não é rejeitada,
Leia mais