| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Amazônia Oriental. |
|
Data corrente: |
01/03/2021 |
|
Data da última atualização: |
01/03/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
OLIVEIRA, L. M. de; LIMA, H. V. de; RODRIGUES, S.; CARVALHO, E. J. M.; TORRES, L. C. |
|
Afiliação: |
Luciana Maria de Oliveira, UFRA; Herdjania Veras de Lima, UFRA; Sueli Rodrigues, UFPI; EDUARDO JORGE MAKLOUF CARVALHO, CPATU; Lorena Chagas Torres, UFRA. |
|
Título: |
Multiple imputation to fill in missing data in soil physico-hydricalproperties database. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Revista Ciência Agronômica, v. 51, n. 4, e20196817, 2020. |
|
DOI: |
10.5935/1806-6690.20200079 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Valores faltantes em banco de dados é um problema comum e quase inevitável. A imputação múltipla (IM) é ummétodo estatístico eficiente para estimar valores ausentes em um conjunto de dados incompleto. Para testar essa abordagemem um banco de dados de solo, hipotetizamos que a imputação de dados ausentes fornece um banco de dados estatisticamentemais preciso do que a análise de casos completos (ACC). O objetivo geral do estudo foi avaliar a eficiência da IM usando oalgoritmo MICE (Imputação Multivariada por Equações Encadeadas) para preencher dados ausentes em um banco de dadosde propriedades físico-hídricas do solo e mostrar que é mais viável realizar a imputação do que a ACC. Análise preliminar dobanco de dados foi realizada para verificar a adequação do algoritmo proposto. A imputação dos dados faltantes de cada variávelfoi ajustada usando modelos de regressão linear. Variáveis com dados faltantes entram no modelo como variável dependente eas outras como covariáveis. As análises foram realizadas comparando os valores das estimativas, seus erros padrão e intervalosde confiança de 95%. O padrão de faltas foi do tipo multivariado arbitrário e, a matéria orgânica foi a variável com a maiorquantidade de dados faltantes. A significância das covariáveis variou de acordo com a variável a ser estimada. Os resultadosmostraram que o MICE apresentou melhor desempenho que a ACC, pois, embora a comparação estatística dos dois métodostenha sido semelhante, a imputação múltipla mantém o tamanho do banco de dados e preserva a distribuição geral MenosValores faltantes em banco de dados é um problema comum e quase inevitável. A imputação múltipla (IM) é ummétodo estatístico eficiente para estimar valores ausentes em um conjunto de dados incompleto. Para testar essa abordagemem um banco de dados de solo, hipotetizamos que a imputação de dados ausentes fornece um banco de dados estatisticamentemais preciso do que a análise de casos completos (ACC). O objetivo geral do estudo foi avaliar a eficiência da IM usando oalgoritmo MICE (Imputação Multivariada por Equações Encadeadas) para preencher dados ausentes em um banco de dadosde propriedades físico-hídricas do solo e mostrar que é mais viável realizar a imputação do que a ACC. Análise preliminar dobanco de dados foi realizada para verificar a adequação do algoritmo proposto. A imputação dos dados faltantes de cada variávelfoi ajustada usando modelos de regressão linear. Variáveis com dados faltantes entram no modelo como variável dependente eas outras como covariáveis. As análises foram realizadas comparando os valores das estimativas, seus erros padrão e intervalosde confiança de 95%. O padrão de faltas foi do tipo multivariado arbitrário e, a matéria orgânica foi a variável com a maiorquantidade de dados faltantes. A significância das covariáveis variou de acordo com a variável a ser estimada. Os resultadosmostraram que o MICE apresentou melhor desempenho que a ACC, pois, embora a comparação estatística dos dois métodostenha sido semelhante, a imputação múltipla mantém o t... Mostrar Tudo |
|
Palavras-Chave: |
Dados incompletos; Monte Carlo via Cadeias de Markov; Preditores de falta; Propriedades físico-hídricas. |
|
Thesagro: |
Base de Dados; Solo. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/221570/1/Artigo-Luciana-Ufra-6817-34780-2-PB.pdf
|
|
Marc: |
LEADER 02399naa a2200253 a 4500
001 2130368
005 2021-03-01
008 2020 bl uuuu u00u1 u #d
024 7 $a10.5935/1806-6690.20200079$2DOI
100 1 $aOLIVEIRA, L. M. de
245 $aMultiple imputation to fill in missing data in soil physico-hydricalproperties database.$h[electronic resource]
260 $c2020
520 $aValores faltantes em banco de dados é um problema comum e quase inevitável. A imputação múltipla (IM) é ummétodo estatístico eficiente para estimar valores ausentes em um conjunto de dados incompleto. Para testar essa abordagemem um banco de dados de solo, hipotetizamos que a imputação de dados ausentes fornece um banco de dados estatisticamentemais preciso do que a análise de casos completos (ACC). O objetivo geral do estudo foi avaliar a eficiência da IM usando oalgoritmo MICE (Imputação Multivariada por Equações Encadeadas) para preencher dados ausentes em um banco de dadosde propriedades físico-hídricas do solo e mostrar que é mais viável realizar a imputação do que a ACC. Análise preliminar dobanco de dados foi realizada para verificar a adequação do algoritmo proposto. A imputação dos dados faltantes de cada variávelfoi ajustada usando modelos de regressão linear. Variáveis com dados faltantes entram no modelo como variável dependente eas outras como covariáveis. As análises foram realizadas comparando os valores das estimativas, seus erros padrão e intervalosde confiança de 95%. O padrão de faltas foi do tipo multivariado arbitrário e, a matéria orgânica foi a variável com a maiorquantidade de dados faltantes. A significância das covariáveis variou de acordo com a variável a ser estimada. Os resultadosmostraram que o MICE apresentou melhor desempenho que a ACC, pois, embora a comparação estatística dos dois métodostenha sido semelhante, a imputação múltipla mantém o tamanho do banco de dados e preserva a distribuição geral
650 $aBase de Dados
650 $aSolo
653 $aDados incompletos
653 $aMonte Carlo via Cadeias de Markov
653 $aPreditores de falta
653 $aPropriedades físico-hídricas
700 1 $aLIMA, H. V. de
700 1 $aRODRIGUES, S.
700 1 $aCARVALHO, E. J. M.
700 1 $aTORRES, L. C.
773 $tRevista Ciência Agronômica$gv. 51, n. 4, e20196817, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Amazônia Oriental (CPATU) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 2 | |
| 1. |  | MONNERAT, R. G.; LEAL-BERTIOLI, S.; BERTIOLI, D.; BUTT, T. M.; BORDAT, D. Caracterização de populações geograficamente distintas da traça-das-crucíferas por susceptibilidade ao Bacillus thuringiensis Berliner e RAPD-PCR. Horticultura Brasilieira, Brasília, v. 22, n. 3, p. 607-609, 2004.| Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
|   |
| Registros recuperados : 2 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
