Imputação de dados em experimentos multiambientais: novos algoritmos utilizando a decomposição por valores singulares (2016)
- Authors:
- Autor USP: ALARCON, SERGIO ARCINIEGAS - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LCE
- Subjects: ALGORITMOS; DELINEAMENTO EXPERIMENTAL; INTERAÇÃO GENÓTIPO-AMBIENTE; MELHORAMENTO GENÉTICO VEGETAL; MODELOS MATEMÁTICOS
- Language: Português
- Abstract: As análises biplot que utilizam os modelos de efeitos principais aditivos com inter- ação multiplicativa (AMMI) requerem matrizes de dados completas, mas, frequentemente os ensaios multiambientais apresentam dados faltantes. Nesta tese são propostas novas metodologias de imputação simples e múltipla que podem ser usadas para analisar da- dos desbalanceados em experimentos com interação genótipo por ambiente (G×E). A primeira, é uma nova extensão do método de validação cruzada por autovetor (Bro et al, 2008). A segunda, corresponde a um novo algoritmo não-paramétrico obtido por meio de modificações no método de imputação simples desenvolvido por Yan (2013). Também é incluído um estudo que considera sistemas de imputação recentemente relatados na literatura e os compara com o procedimento clássico recomendado para imputação em ensaios (G×E), ou seja, a combinação do algoritmo de Esperança-Maximização com os modelos AMMI ou EM-AMMI. Por último, são fornecidas generalizações da imputação simples descrita por Arciniegas-Alarcón et al. (2010) que mistura regressão com aproximação de posto inferior de uma matriz. Todas as metodologias têm como base a decomposição por valores singulares (DVS), portanto, são livres de pressuposições distribucionais ou estruturais. Para determinar o desempenho dos novos esquemas de imputação foram realizadas simulações baseadas em conjuntos de dados reais de diferentes espécies, com valores re- tirados aleatoriamente em diferentes porcentagens e aqualidade das imputações avaliada com distintas estatísticas. Concluiu-se que a DVS constitui uma ferramenta útil e flexível na construção de técnicas eficientes que contornem o problema de perda de informação em matrizes experimentais
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2016
- Data da defesa: 02.02.2016
-
ABNT
ARCINIEGAS ALARCON, Sergio. Imputação de dados em experimentos multiambientais: novos algoritmos utilizando a decomposição por valores singulares. 2016. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-10052016-130506/. Acesso em: 04 mar. 2026. -
APA
Arciniegas Alarcon, S. (2016). Imputação de dados em experimentos multiambientais: novos algoritmos utilizando a decomposição por valores singulares (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de http://www.teses.usp.br/teses/disponiveis/11/11134/tde-10052016-130506/ -
NLM
Arciniegas Alarcon S. Imputação de dados em experimentos multiambientais: novos algoritmos utilizando a decomposição por valores singulares [Internet]. 2016 ;[citado 2026 mar. 04 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-10052016-130506/ -
Vancouver
Arciniegas Alarcon S. Imputação de dados em experimentos multiambientais: novos algoritmos utilizando a decomposição por valores singulares [Internet]. 2016 ;[citado 2026 mar. 04 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-10052016-130506/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
