Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DEX - Departamento de Ciências Exatas >
DEX - Programa de Pós-graduação >
DEX - Estatística e Experimentação Agropecuária - Doutorado (Teses) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/12147

Título: Estimação de parâmetros de modelos não lineares com resíduos autocorrelacionados
Título Alternativo: Parameters estimation of nonlinear models with residual autocorrelation
Autor(es): Pereira, Adriele Aparecida
Lattes: http://lattes.cnpq.br/2945132767360818
Orientador: Morais, Augusto Ramalho de
Coorientador: Sáfadi, Thelma
Membro da banca: Brighenti, Carla Regina Guimarães
Membro da banca: Oliveira, Izabela Regina Cardoso de
Membro da banca: Balestre, Márcio
Membro da banca: Scalco, Myriane Stella
Assunto: Café – Produtividade agrícola – Métodos estatísticos
Regressão não linear
Coffee – Agricultural productivity – Statistical methods
Non-linear regression
Coffea arabica
Data de Defesa: 14-Dez-2016
Data de publicação: 30-Dez-2016
Agência de Fomento: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
Referência: PEREIRA, A. A. Estimação de parâmetros de modelos não lineares com resíduos autocorrelacionados. 2016. 66 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2016.
Resumo: Devido à importância econômica do café para o Brasil, um dos principais focos de pesquisa do setor agrícola refere-se ao desenvolvimento do cafeeiro. Uma variável relevante a ser considerada em tais pesquisas é a altura de plantas, pois além de ser representativa do desenvolvimento vegetativo está correlacionada com a produtividade. Para o cafeicultor é essencial caracterizar o padrão de crescimento da cultura, uma vez que o manejo e a produção estão relacionados com o seu desenvolvimento ao longo do tempo. Dentre os modelos que podem ser utilizados para modelar o crescimento destacam-se os modelos de regressão não lineares. No entanto, para obter estimativas coerentes e modelar corretamente o padrão de crescimento do cafeeiro, devese considerar que dados longitudinais podem apresentar autocorrelação residual, sendo que, se tal característica não é considerada, os resultados e inferências podem ser comprometidos. Assim, os objetivos deste trabalho foram: No primeiro capítulo, apresentar um resumo sobre modelos não lineares e suas principais características. No segundo capítulo, identificar, dentre os modelos de regressão não lineares Logístico, Brody, von Bertalanffy e Richards, o que melhor caracteriza o padrão de crescimento em altura de plantas do cafeeiro irrigadas e não irrigadas ao longo do tempo, considerando a autocorrelação dos resíduos, sendo a estimação dos parâmetros realizada pelo método de mínimos quadrados (abordagem clássica). E, no terceiro capítulo, objetivou-se apresentar a modelagem não linear bayesiana do crescimento em altura de plantas do cafeeiro, irrigadas e não irrigadas, também considerando a autocorrelação residual e os modelos não lineares citados anteriormente; e apresentar um estudo de simulação com o intuito de validar o método de reamostragem ponderada utilizado na estimação de parâmetros, considerando como distribuição candidata uma aproximação da verossimilhança. Nos resultados do capítulo 2, verificou-se, com base nos critérios adotados, desvio padrão residual e critério de informação de Akaike e nos modelos avaliados, que o modelo Brody é o que melhor representa o crescimento em altura de plantas do cafeeiro, irrigadas e não irrigadas, ao longo do tempo. Dentre os resultados do capítulo 3, verificou-se que, no estudo de simulação, os intervalos de máxima densidade a posteriori obtidos para todos os parâmetros dos modelos avaliados, inclusive os parâmetros que modelam a autocorrelação residual, contiveram os valores paramétricos pré-estabelecidos, validando a eficiência do método da reamostragem ponderada, considerando como distribuição candidata uma aproximação da verossimilhança. Para as plantas não irrigadas, o critério de informação bayesiano e o critério da densidade preditiva ordenada, indicaram que, dentre os modelos avaliados, o modelo Logístico é o que melhor descreve o crescimento em altura do cafeeiro ao longo do tempo. E, para as plantas irrigadas, esses mesmos critérios indicaram o modelo Brody.
Abstract: Due to the economic importance of coffee for Brazil, one of the main focuses of research in the agricultural sector refers to the coffee development. In such research, the height of plants is a relevant variable to be considered, as well as being representative of the vegetative growth it is correlated with productivity. For the coffee grower, it is essential to characterize the growth pattern of the crop, since the management and production are related to its development over time. The non-linear regression models stands out among the models that can be used to model the growth. However, in order to obtain coherent estimates and thus to correctly model the growth pattern of the coffee tree, it should be considered that longitudinal data may present residual autocorrelation, and if this characteristic is not considered, the results and inferences can be compromised. The objectives of this study were: In the first chapter, present a summary on non-linear models and their main characteristics. In the second chapter to identify among Logistic, Brody, von Bertalanffy and Richards non-linear models that best describles the height growth pattern of irrigated and non-irrigated coffee plants over time, considering the residual autocorrelation, performing the estimation of the parameters by the method of least squares (classical approach). In the third chapter, we present the Bayesian nonlinear modeling of growth in height of irrigated and non-irrigated coffee plants, also considering the residual autocorrelation and Logistic, Brody, von Bertalanffy and Richards non-linear models. We also present a simulation study with the purpose of validating the weighted resampling method in the parameters estimation, considering a likelihood approximation as candidate distribution. In the results of chapter 2, we verified that among the studied models, the Brody model is the one that best represents the growth pattern of irrigated and non-irrigated coffee plants over time based on the criteria of residual standard deviation and Akaike’s information criterion. Among the results of chapter 3, we found that the high posterior density intervals obtained for all the parameters of the evaluated models, including the parameters of residual autocorrelation, contained the preestablished parametric values, validating the efficiency of the weighted resampling method for parameter estimation, considering as candidate distribution an approximation of likelihood. For non-irrigated system, the Bayesian information criterion and the criterion of ordered predictive density indicated, among the studied models, the Logistic model as the one that best describes the growth of the coffee plant height over time. In addition, for the irrigated system, the same criteria indicated the Brody model.
URI: http://repositorio.ufla.br/jspui/handle/1/12147
Publicador: Universidade Federal de Lavras
Idioma: por
Aparece nas coleções: DEX - Estatística e Experimentação Agropecuária - Doutorado (Teses)

Arquivos neste Item:

Arquivo Descrição TamanhoFormato
Tese_Adriele Aparecida Pereira.pdf1,45 MBAdobe PDFVer/abrir

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback