Uso da regressão não linear quantílica na descrição de dados de crescimento (2022)
- Authors:
- Autor USP: SILVA, POLLYANE VIEIRA DA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LCE
- DOI: 10.11606/T.11.2022.tde-10052022-155257
- Subjects: CRESCIMENTO; GADO HEREFORD; MILHO; MODELOS NÃO LINEARES
- Keywords: Regressão quantílica
- Agências de fomento:
- Language: Português
- Abstract: A regressão não linear quantílica é uma alternativa interessante para a regressão não linear usual, pois trata-se de uma abordagem mais flexível. Os modelos de regressão quantílica não exigem nenhuma distribuição de probabilidade para a variável resposta, além de possuir um estimador robusto fazendo com que a estimativa do vetor de parâmetros não seja sensível a outliers na variável resposta e mais eficiente que os estimador de mínimos quadrados quando os erros apresentam uma distribuição diferente da Normal. Neste trabalho, além da abordagem teórica sobre a regressão não linear quantílica, são apresentadas duas aplicações da metodologia, uma para dados de crescimento em altura de uma espécie vegetal e outra para dados de crescimento em peso de uma espécie animal, com o intuito de exemplificação da técnica de regressão não linear quantílica. O primeiro conjunto de dados é referente à altura de 58 plantas de milho ao longo de 122 dias de experimento. O segundo conjunto de dados trata-se do peso de 55 fêmeas da raça Hereford ao longo 615 dias. Ambos os conjuntos apresentaram respostas sigmodais, heterogeneidade de variâncias e observações correlacionadas. Para aplicação da técnica de regressão não linear quantílica, ajustaram-se os modelos não lineares: logístico, Gompertz e Chanter para os quantis: 0,1; 0,25; 0,5; 0,75 e 0,9 e avaliou-se a qualidade do ajuste dos modelos em cada um dos quantis em estudo. Para os dados de altura de milho, o modelo Chanter mostrou-se commelhor ajuste. Para os dados de peso dos bovinos da raça Hereford, o modelo sigmoidal duplo Chanter-Gompertz mostrou-se melhor, segundo o critério de informação de Akaike (AIC) e o desvio padrão residual (DPR)
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2022
- Data da defesa: 11.02.2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SILVA, Pollyane Vieira da. Uso da regressão não linear quantílica na descrição de dados de crescimento. 2022. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-10052022-155257/. Acesso em: 15 abr. 2026. -
APA
Silva, P. V. da. (2022). Uso da regressão não linear quantílica na descrição de dados de crescimento (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11134/tde-10052022-155257/ -
NLM
Silva PV da. Uso da regressão não linear quantílica na descrição de dados de crescimento [Internet]. 2022 ;[citado 2026 abr. 15 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-10052022-155257/ -
Vancouver
Silva PV da. Uso da regressão não linear quantílica na descrição de dados de crescimento [Internet]. 2022 ;[citado 2026 abr. 15 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-10052022-155257/ - Modelo não linear Chanter: uma aplicação aos dados de crescimento de frutos do cacaueiro
- Chanter model: nonlinear modeling of the fruit growth of cocoa
- Application of binary response regression models to detect factors inuencing the occurrence of infectionin dental surgeries
- Análise do nível de escolaridade e formação acadêmica dos docentes da educação básica do Brasil no ano de 2017 por meio do uso de técnicas multivariadas
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
