Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/14468
metadata.revistascielo.dc.title: Estimativa da relação hipsométrica com modelos não lineares ajustados por métodos bayesianos empíricos
metadata.revistascielo.dc.title.alternative: Estimate of the hypsometric relationship with nonlinear models fitted by empirical bayesian methods
metadata.revistascielo.dc.creator: Moreira, Monica Fabiana Bento
Thiersch, Cláudio Roberto
Andrade, Marinho Gomes de
Scolforo, José Roberto Soares
metadata.revistascielo.dc.subject: Restriction parameters
Forest measurement
Bayesian inference
Restrição nos parâmetros
Inferência bayesiana
Mensuração florestal
metadata.revistascielo.dc.publisher: CERNE
metadata.revistascielo.dc.date: 19-Apr-2016
metadata.revistascielo.dc.identifier.citation: MOREIRA, M. F. B. et al. Estimativa da relação hipsométrica com modelos não lineares ajustados por métodos bayesianos empíricos. Cerne, Lavras, v. 21, n. 3, p. 405-411, 2015.
metadata.revistascielo.dc.description.resumo: Neste trabalho, está sendo proposta uma abordagem bayesiana para resolver o problema de inferência com restrições nos parâmetros, em modelos não lineares que representam a relação hipsométrica em clones de Eucalyptus sp. As estimativas Bayesianas são calculadas com a técnica de simulação de Monte Carlo em Cadeia de Markov (MCMC). O método proposto foi aplicado a diferentes conjuntos de dados reais, dos quais foram selecionados dois para mostrar os resultados obtidos. Estes foram comparados aos obtidos pelo método de mínimos quadrados, destacando-se a superioridade da abordagem Bayesiana empírica proposta, uma vez que esta abordagem sempre gera resultados coerentes biologicamente para a relação hipsométrica.
metadata.revistascielo.dc.description.abstract: In this paper we propose a Bayesian approach to solve the inference problem with restriction on parameters, regarding to nonlinear models used to represent the hypsometric relationship in clones of Eucalyptus sp. The Bayesian estimates are calculated using Monte Carlo Markov Chain (MCMC) method. The proposed method was applied to different groups of actual data from which two were selected to show the results. These results were compared to the results achieved by the minimum square method, highlighting the superiority of the Bayesian approach, since this approach always generate the biologically consistent results for hipsometric relationship.
metadata.revistascielo.dc.identifier: http://www.cerne.ufla.br/site/index.php/CERNE/article/view/1086
metadata.revistascielo.dc.language: eng
Appears in Collections:CERNE



This item is licensed under a Creative Commons License Creative Commons