|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
19/02/2018 |
|
Data da última atualização: |
07/01/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SHENG, L. Y.; VENDRUSCULO, L. G. |
|
Afiliação: |
LEE YUN SHENG, UFMT; LAURIMAR GONCALVES VENDRUSCULO, CNPTIA. |
|
Título: |
Um procedimento de tratamento de missing data em dados agrometeorológicos. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, v. 5, n. 1, p. 1-7, 2017. |
|
ISSN: |
2359-0793 |
|
DOI: |
10.5540/03.2017.005.01.0404 |
|
Idioma: |
Português |
|
Notas: |
Volume dedicado ao XXXVI CNMAC, Gramado, 2016. |
|
Conteúdo: |
Dados falhos ou omissos ("missing data") num banco de dados são prejudiciais para as análises e tomadas de decisão. Este trabalho tem como objetivo apresentar um procedimento baseado em análises estatísticas, modelos de regressão polinomial e logística, para tratamento dos dados falhos. Utilizou-se um banco de dados climáticos, cuja a estação se localiza no município de Água Boa, MT. As variáveis de estudo foram: temperatura mínima do ar, temperatura máxima do ar e precipitação acumulada no dia. Nos modelos apresentados neste estudo verificou-se uma alta correlação (maior que 0,62) e uma reprodução comportamental fidedigna as mesmas características dos dados reais. Portanto a metodologia se mostrou factível para os dados deste estudo bem como para serem incorporados em outros estudos agroclimatológicos. |
|
Palavras-Chave: |
Dados climáticos; Dados climatológicos; Dados falhos ou omissos; Missing data; Regressão logística; Regressão polinomial. |
|
Thesaurus Nal: |
Regression analysis; Statistical analysis. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 01717nam a2200253 a 4500
001 2087768
005 2020-01-07
008 2017 bl uuuu u00u1 u #d
022 $a2359-0793
024 7 $a10.5540/03.2017.005.01.0404$2DOI
100 1 $aSHENG, L. Y.
245 $aUm procedimento de tratamento de missing data em dados agrometeorológicos.$h[electronic resource]
260 $aProceeding Series of the Brazilian Society of Applied and Computational Mathematics, v. 5, n. 1, p. 1-7, 2017.$c2017
500 $aVolume dedicado ao XXXVI CNMAC, Gramado, 2016.
520 $aDados falhos ou omissos ("missing data") num banco de dados são prejudiciais para as análises e tomadas de decisão. Este trabalho tem como objetivo apresentar um procedimento baseado em análises estatísticas, modelos de regressão polinomial e logística, para tratamento dos dados falhos. Utilizou-se um banco de dados climáticos, cuja a estação se localiza no município de Água Boa, MT. As variáveis de estudo foram: temperatura mínima do ar, temperatura máxima do ar e precipitação acumulada no dia. Nos modelos apresentados neste estudo verificou-se uma alta correlação (maior que 0,62) e uma reprodução comportamental fidedigna as mesmas características dos dados reais. Portanto a metodologia se mostrou factível para os dados deste estudo bem como para serem incorporados em outros estudos agroclimatológicos.
650 $aRegression analysis
650 $aStatistical analysis
653 $aDados climáticos
653 $aDados climatológicos
653 $aDados falhos ou omissos
653 $aMissing data
653 $aRegressão logística
653 $aRegressão polinomial
700 1 $aVENDRUSCULO, L. G.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
