Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/14079
Título: Desenvolvimento de um modelo linear de efeito misto na estimativa do crescimento e produção de povoamentos clonais de Eucalyptus
Título(s) alternativo(s): The development of a linear mixed-effect model to estimate growth and yield of clonal Eucalyptus stands
Autor: Calegario, Natalino
Daniels, Richard F.
Maestri, Romualdo
Neiva, Rodolfo
Palavras-chave: Eucalyptus - Crescimento
Modelo linear misto
Área basal
Heterocedasticidade
Autocorrelação
Eucalyptus growth
Linear mixed-effect model
Basal area
Heteroscedasticity
Autocorrelation
Publicador: Universidade Federal de Lavras (UFLA)
Data: 5-Out-2015
Referência: CALEGARIO, N. et al. Desenvolvimento de um modelo linear de efeito misto na estimativa do crescimento e produção de povoamentos clonais de Eucalyptus. CERNE, Lavras, v. 10, n. 1, p. 67-86, jan./jun. 2004.
Resumo: O enfoque principal do trabalho foi o desenvolvimento de um modelo linear de efeito misto para a estimativa do crescimento e da produção em área basal, para povoamentos clonais de Eucalyptus grandis e Eucalyptus urophylla. Utilizando uma base de dados de povoamentos clonais localizados na região costal brasileira, um modelo linear misto para área basal foi proposto. Após a modelagem da heterogeneidade da variância entre unidades amostrais e entre clones, verificou-se uma significativa melhoria dos parâmetros das informações estatísticas (CIA e CIB) e do logaritmo da máxima verossimilhança. Também, após a modelagem da autocorrelação, tais estatísticas tiveram melhoria significativa. Portanto, a modelagem, tanto da heteroscedasticidade quanto da autocorrelação, implicou em melhor performance do modelo linear.
Abstract: The main purpose of this study was to develop a linear mixed-effects model to estimate the basal area growth and yield, for clonal Eucalytus stands. After modeling the variance among sample plots and clones, it was verified a significant improvement of the statistic information parameters (AIC and BIC) and the likelihood logarithm value. Also, after modeling both heteroscedasticity and autocorrelation, such statistic criteria had a significant improvement. Thus, the modeling process improved significantly the estimated parameters in the linear model.   
Idioma: por
Aparece nas coleções:CERNE



Este item está licenciada sob uma Licença Creative Commons Creative Commons