|
|
Registro Completo |
Biblioteca(s): |
Embrapa Meio Ambiente. |
Data corrente: |
27/01/2016 |
Data da última atualização: |
26/04/2023 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
MAIA, A. de H. N.; TERAO, D. |
Afiliação: |
ALINE DE HOLANDA NUNES MAIA, CNPMA; DANIEL TERAO, CNPMA. |
Título: |
Análise de ensaios de sanidade pós-colheita considerando a estrutura longitudinal das avaliações. |
Ano de publicação: |
2015 |
Fonte/Imprenta: |
In: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 60.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA, 16., 2015, Presidente Prudente. A estatística e os novos desafios: tratamento e modelagem da informação: anais... Presidente Prudente: Sociedade Internacional de Biometria, 2015. 6 p. |
Idioma: |
Português |
Conteúdo: |
Resumo: O uso de técnicas de exploração, visualização e análise inferencial de dados provenientes de estudos de patologias pós-colheita constitui um importante componente no processo de geração e comunicação de evidências experimentais para orientar o desenvolvimento de inovações tecnológicas para controle dessas patologias. Tradicionalmente, para análise inferencial de ensaios de doenças pós colheita são utilizados modelos lineares ordinários, isoladamente, para cada data de avaliação. Os dados originais são geralmente transformados, buscando evitar violações de pressupostos de normalidade e homogeneidade de variâncias. Esses métodos apresentam limitações, especialmente por não considerarem de forma adequada a natureza das variáveis e as prováveis correlações temporais entre as observações feitas num mesmo fruto ao longo do tempo. A escolha dos métodos adequados de análise inferencial de variáveis em qualquer ensaio depende tanto do delineamento experimental utilizado, quanto da natureza das variáveis de interesse. Quando variáveis são observadas ao longo do tempo numa mesma unidade experimental, caracterizando um estudo longitudinal ou de medidas repetidas é necessária especial atenção para a modelagem das prováveis correlações temporais entre as medidas, além da questão do tipo de distribuição de probabilidade da variável. Para variáveis Normais, essa modelagem pode ser feita via Modelos Lineares Gerais; para variáveis não Normais, deve-se utilizar uma generalização dos GLM, os Modelos Lineares Generalizados Mistos. Apresentamos, um exemplo de análises exploratória, análise inferencial e visualização de dados de um ensaio para avaliar a eficiência de tratamentos térmicos para controle do bolor verde da laranja. MenosResumo: O uso de técnicas de exploração, visualização e análise inferencial de dados provenientes de estudos de patologias pós-colheita constitui um importante componente no processo de geração e comunicação de evidências experimentais para orientar o desenvolvimento de inovações tecnológicas para controle dessas patologias. Tradicionalmente, para análise inferencial de ensaios de doenças pós colheita são utilizados modelos lineares ordinários, isoladamente, para cada data de avaliação. Os dados originais são geralmente transformados, buscando evitar violações de pressupostos de normalidade e homogeneidade de variâncias. Esses métodos apresentam limitações, especialmente por não considerarem de forma adequada a natureza das variáveis e as prováveis correlações temporais entre as observações feitas num mesmo fruto ao longo do tempo. A escolha dos métodos adequados de análise inferencial de variáveis em qualquer ensaio depende tanto do delineamento experimental utilizado, quanto da natureza das variáveis de interesse. Quando variáveis são observadas ao longo do tempo numa mesma unidade experimental, caracterizando um estudo longitudinal ou de medidas repetidas é necessária especial atenção para a modelagem das prováveis correlações temporais entre as medidas, além da questão do tipo de distribuição de probabilidade da variável. Para variáveis Normais, essa modelagem pode ser feita via Modelos Lineares Gerais; para variáveis não Normais, deve-se utilizar uma generalização dos G... Mostrar Tudo |
Palavras-Chave: |
Análise de agrupamentos; Análise de medida repetidas; Data visualization; Repeated measures; Visualização de dados. |
Thesagro: |
Doença de planta; Estatística agrícola; Laranja; Mofo verde; Pós-colheita. |
Thesaurus Nal: |
Agricultural statistics; Cluster analysis; Postharvest diseases. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/137864/1/2015AA010.pdf
|
Marc: |
LEADER 02972nam a2200277 a 4500 001 2035298 005 2023-04-26 008 2015 bl uuuu u00u1 u #d 100 1 $aMAIA, A. de H. N. 245 $aAnálise de ensaios de sanidade pós-colheita considerando a estrutura longitudinal das avaliações.$h[electronic resource] 260 $aIn: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 60.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA, 16., 2015, Presidente Prudente. A estatística e os novos desafios: tratamento e modelagem da informação: anais... Presidente Prudente: Sociedade Internacional de Biometria, 2015. 6 p.$c2015 520 $aResumo: O uso de técnicas de exploração, visualização e análise inferencial de dados provenientes de estudos de patologias pós-colheita constitui um importante componente no processo de geração e comunicação de evidências experimentais para orientar o desenvolvimento de inovações tecnológicas para controle dessas patologias. Tradicionalmente, para análise inferencial de ensaios de doenças pós colheita são utilizados modelos lineares ordinários, isoladamente, para cada data de avaliação. Os dados originais são geralmente transformados, buscando evitar violações de pressupostos de normalidade e homogeneidade de variâncias. Esses métodos apresentam limitações, especialmente por não considerarem de forma adequada a natureza das variáveis e as prováveis correlações temporais entre as observações feitas num mesmo fruto ao longo do tempo. A escolha dos métodos adequados de análise inferencial de variáveis em qualquer ensaio depende tanto do delineamento experimental utilizado, quanto da natureza das variáveis de interesse. Quando variáveis são observadas ao longo do tempo numa mesma unidade experimental, caracterizando um estudo longitudinal ou de medidas repetidas é necessária especial atenção para a modelagem das prováveis correlações temporais entre as medidas, além da questão do tipo de distribuição de probabilidade da variável. Para variáveis Normais, essa modelagem pode ser feita via Modelos Lineares Gerais; para variáveis não Normais, deve-se utilizar uma generalização dos GLM, os Modelos Lineares Generalizados Mistos. Apresentamos, um exemplo de análises exploratória, análise inferencial e visualização de dados de um ensaio para avaliar a eficiência de tratamentos térmicos para controle do bolor verde da laranja. 650 $aAgricultural statistics 650 $aCluster analysis 650 $aPostharvest diseases 650 $aDoença de planta 650 $aEstatística agrícola 650 $aLaranja 650 $aMofo verde 650 $aPós-colheita 653 $aAnálise de agrupamentos 653 $aAnálise de medida repetidas 653 $aData visualization 653 $aRepeated measures 653 $aVisualização de dados 700 1 $aTERAO, D.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 1 | |
Registros recuperados : 1 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|