Buscar

 

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

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/700

Title: Análise de variância com dependência espacial sob uma abordagem geoestatística
???metadata.dc.creator???: Nogueira, Cristina Henriques
???metadata.dc.contributor.advisor1???: Lima, Renato Ribeiro de
???metadata.dc.contributor.referee1???: Mello, José Márcio de
Oliveira, Marcelo Silva de
???metadata.dc.description.concentration???: Estatística e Experimentação Agropecuária
Keywords: Erro dependente
Covariância
Semivariograma
Análise de experimento
Dependent error
Covariance
Semivariogram
Analysis experiment
???metadata.dc.date.submitted???: 27-Feb-2013
Issue Date: 2013
???metadata.dc.description.sponsorship???: Fundação de Amparo à Pesquisa do Estado de Minas Gerais, FAPEMIG
Citation: NOGUEIRA, C. H. Análise de variância com dependência espacial sob uma abordagem geoestatística. 2013. 121 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2013.
???metadata.dc.description.resumo???: Um dos princípios básicos da experimentação é a aleatorização, tendo como finalidade gerar uma distribuição de amostragem para os erros experimentais, cujo comportamento assintótico aproxima-se de distribuições normais não-correlacionadas. Entretanto, nem sempre a prática de aleatorização é suficiente para neutralizar os efeitos de correlação entre as parcelas adjacentes e, por isso, encontram-se experimentos cujos erros apresentam uma estrutura de dependência espacial definida. Uma maneira para contornar esse problema é utilizar uma abordagem espacial, em que é possível estimar e modelar a correlação espacial entre os erros. Por meio desses modelos espaciais a dependência entre os erros deixa de ser vista como uma inconveniência a ser evitada, passando a ser considerada como um verdadeiro benefício, de forma que sua utilização pode proporcionar resultados mais precisos. Assim, este trabalho foi realizado com o objetivo de descrever como implementar e executar a análise de variância com erros espacialmente correlacionados, na qual a matriz de covariância do erros, modelada por meio de uma abordagem geoestatística, é utilizada como ponderadora das somas de quadrados da análise de variância. Além disso, verificou-se, ainda, a aplicabilidade do teste F, o qual é utilizado para comparar a igualdade entre as médias dos fatores controlados no experimento. No intuito de avaliar a eficiência da abordagem geoestatística, foram analisados experimentos instalados sob os delineamentos inteiramente casualizado (DIC) e em blocos casualizados (DBC) com diferentes números de parcelas. Os dados foram obtidos via simulação, seguindo modelos de covariância esférico e exponencial, com diferentes configurações de dependência espacial. Os resultados obtidos mostraram que a modelagem da correlação espacial dos erros foi mais eficiente, uma vez que produziu valores maiores para a estatística 𝐹0, comparados aos valores obtidos pelo modelo que supunha independência espacial dos erros. Além disso, a análise espacial produziu melhores estimativas para as médias dos tratamentos. Com isso, pode-se concluir que a utilização de ferramentas geoestatísticas na análise de experimentos foi mais eficaz para detectar diferenças entre as médias dos fatores estudados.
One of the essential principles of the experimentation is the randomization which contributes towards the presuppositions which the errors should be both equally and identically distributed, are met. Nevertheless, not always the randomization practice is enough to counteract the effects of correlation among the neighboring plots and for that reason, experiments are found of which mistakes present a definite spatial dependence structure. A way to bypass that trouble is to utilize a spatial approach in which it is possible to estimate and model the spatial correlation among the mistakes. So, the objective of this work was to report how to implement and carry out the variance analysis with spatially correlated errors in which the error covariance matrix, modeled through a geostatistical modeling, was utilized as a weighting factor of the sums of squares of the variance analysis. With the purpose of evaluating the efficiency of the geostatistical approach, experiments established under the completely randomized designs and in randomized blocks with different numbers of plots. The data were obtained by simulation following spherical and exponential covariance models with different settings of spatial dependence. The results obtained showed that even in experiments presenting spatially correlated errors, it is possible to continue to take advantage of the variance analysis as a tool to compare the different sources of variability. Nevertheless for that to occur, it is necessary for the error correlation matrix to be regarded as a weighting factor of the sums of the squares. Besides, the spatial error correlation modeling proved more efficient, since it produced greater values to the F statistic, if compared with the values obtained by the model which supposed spatial error independence. With this, one can conclude that the use of geostatistic tools in the analysis of experiments was more effective to detect differences among the means of the investigated factors.
Description: Dissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Mestre.
URI: http://repositorio.ufla.br/jspui/handle/1/700
Publisher: UNIVERSIDADE FEDERAL DE LAVRAS
???metadata.dc.language???: pt_BR
Appears in Collections:DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Files in This Item:

File Description SizeFormat
DISSERTAÇÃO_Análise de variância com dependência espacial sob uma abordagem geoestatística.pdf1.61 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback