Exportar registro bibliográfico

Imputação AMMI Bootstrap Não-paramétrico em dados multiambientais (2017)

  • Authors:
  • USP affiliated authors: SILVA, MARIA JOSEANE CRUZ DA - ESALQ
  • Unidades: ESALQ
  • Sigla do Departamento: LCE
  • Subjects: REAMOSTRAGEM BOOTSTRAP; INFERÊNCIA NÃO PARAMÉTRICA; INTERAÇÃO GENÓTIPO-AMBIENTE; MELHORAMENTO GENÉTICO
  • Keywords: Imputação de dados; Modelos AMMI
  • Language: Português
  • Abstract: Em estudos multiambientais, o processo de recomendação de genótipos com maior produção e a determinação de genótipos estáveis são de suma importância para os melhoristas. Porém, quando ocorre falta de genótipo em um ou mais ambientes este processo passa a ter dificuldades. Pois, este procedimento depende de métodos estatísticos que necessitam de uma matriz de dados sem dados em falta. Desde 1976 diversos matemáticos e estatísticos estudam, continuamente, uma forma de lidar com dados em falta em dados multiambientais buscando obter um método que estime, de forma precisa, as unidades ausentes sem perda de informação. Desta forma, esta pesquisa propõe um novo método de imputação baseado na metodologia AMMI fazendo reamostragens Bootstrap Não-paramétrico na matriz de médias de interação genótipos e ambientes (G × E), o modelo de imputação AMMI Bootstrap Não-paramétrico (IAMMI-BNP). Para estudo de simulação foi considerado o conjunto de dados referente a procedência S. of Ravenshoe - Mt Pandanus - QLD (14.420) de Eucalyptus grandis coletada na Austrália em 1983. Com a finalidade de obter estimativas precisas dos valores em falta, foi considerado dois estudos de simulação. O primeiro considerou 2000 reamostragens no sentido linha da matriz de interação G × E considerando duas porcentagens de perda de dados (10% e 20 %). O segundo estudo de simulação, considerou 200 reamostragens na matriz de falta (10%) e três diferentes modelos de IAMMI-BNP: IAMMI0-BNP, que considera apenas osefeitos principais do modelo AMMI; IAMMI1-BNP e IAMMI2-BNP que considera um e dois eixos multiplicados do modelo AMMI, respectivamente. De forma geral, de acordo com os métodos de comparação o método de imputação proposto nos dois estudos de simulação forneceu valores imputados próximos dos originais. Considerando os estudos de simulação com 10% de perda, a eficiência do método de imputação proposto foi melhor quando se utilizou o modelo IAMMI2-BNP (com dois eixos multiplicativos). O teste das ordens assinaladas de Wilcoxon mostrou que os valores imputados não influenciaram na estimativa da média, indicando que valores médios dos dados imputados de cada ambiente foram estatisticamente semelhantes aos valores médios originais
  • Imprenta:
  • Data da defesa: 20.01.2017

  • How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Maria Joseane Cruz da; DIAS, Carlos Tadeu dos Santos. Imputação AMMI Bootstrap Não-paramétrico em dados multiambientais. 2017.Universidade de São Paulo, Piracicaba, 2017. Disponível em: < http://www.teses.usp.br/teses/disponiveis/11/11134/tde-18052017-183043/ >.
    • APA

      Silva, M. J. C. da, & Dias, C. T. dos S. (2017). Imputação AMMI Bootstrap Não-paramétrico em dados multiambientais. Universidade de São Paulo, Piracicaba. Recuperado de http://www.teses.usp.br/teses/disponiveis/11/11134/tde-18052017-183043/
    • NLM

      Silva MJC da, Dias CT dos S. Imputação AMMI Bootstrap Não-paramétrico em dados multiambientais [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-18052017-183043/
    • Vancouver

      Silva MJC da, Dias CT dos S. Imputação AMMI Bootstrap Não-paramétrico em dados multiambientais [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-18052017-183043/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2020