Home Itens selecionados Provedores de dados OAI Créditos Sobre Ajuda

			Busca avançada
	Provedor de dados REA (5) Rev. Bras. Ciênc. Solo (2) Ciencia e Investigación Agraria (1) Autor Galea,Manuel (8) Uribe-Opazo,Miguel A. (5) Assumpção,Rosangela A. B. (2) Bastiani,Fernanda De (2) Dalposso,Gustavo H. (2) Johann,Jerry A. (2) Assumpção,Rosangela Aparecida Botinha (1) Borssoi,Joelmir A. (1) De Bastiani,Fernanda (1) Fagundes,Regiane Slongo (1) Grzegozewski,Denise M (1) Guedes,Luciana Pagliosa Carvalho (1) Opazo,Miguel Angel Uribe (1) Prado,Naimara V. do (1) Schemmer,Rosangela C. (1) Uribe-Opaz,Miguel A (1) Uribe-Opazo,Miguel Angel (1) Mais... Palavra-chave Spatial variability (4) Geostatistics (3) EM algorithm (2) Maximum likelihood (2) Máxima verossimilhança (2) Spatial dependence (2) Complete maximum likelihood (1) Confidence intervals (1) Diagnósticos (1) Geoestatística (1) Geostatistical (1) Influence diagnostics (1) Máxima verossimilhança restrita (1) Outliers (1) Quantile-quantile plot (1) Resampling (1) Slash distribution (1) Spatial resampling (1) Variabilidade espacial (1) Yield estimators (1) Mais... Tipo do documento Info:eu-repo/semantics/article (7) Journal article (1) Ano 2019 (1) 2018 (2) 2017 (1) 2013 (2) 2011 (2) País Brazil (7) Chile (1) Idioma Inglês (6) Português (2)		Ordenar por:  Relevância Autor Título Ano Registros recuperados: 8 Primeira ... 1 ... Última Local influence when fitting Gaussian spatial linear models: an agriculture application Ciencia e Investigación Agraria Grzegozewski,Denise M; Uribe-Opaz,Miguel A; De Bastiani,Fernanda; Galea,Manuel. D.M. Grzegozewski, M.A. Uribe-Opazo, F. De Bastiani, and M. Galea. 2013. Local influence when fitting Gaussian spatial linear models: an agriculture application. Cien. Inv. Agr. 40(3): 523-535. Outliers can adversely affect how data fit into a model. Obviously, an analysis of dependent data is different from that of independent data. In the latter, i.e., in cases involving spatial data, local outliers can differ from the data in the neighborhood. In this article, we used the local influence technique to identify influential points in the response variables using two different schemes of perturbations. We applied this technique to soil chemical properties and soybean yield. We evaluated the effects of the influential points on the spatial model selection,... Tipo: Journal article Palavras-chave: Geostatistical; Influence diagnostics; Maximum likelihood; Outliers; Spatial variability. Ano: 2013 URL: http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-16202013000300006 Técnicas de diagnóstico de influência local na análise espacial da produtividade da soja REA Borssoi,Joelmir A.; Uribe-Opazo,Miguel A.; Galea,Manuel. A modelagem da estrutura de dependência espacial pela abordagem da geoestatística é fundamental para a definição de parâmetros que definem esta estrutura, e que são utilizados na interpolação de valores em locais não amostrados pela técnica de krigagem. Entretanto, a estimação de parâmetros pode ser muito afetada pela presença de observações atípicas nos dados amostrados. O desenvolvimento deste trabalho teve por objetivo utilizar técnicas de diagnóstico de influência local em modelos espaciais lineares gaussianos, utilizados em geoestatística, para avaliar a sensibilidade dos estimadores de máxima verossimilhança e máxima verossimilhança restrita na presença de dados discrepantes. Estudos com dados experimentais mostraram que tanto a presença de valores... Tipo: Info:eu-repo/semantics/article Palavras-chave: Geoestatística; Máxima verossimilhança; Máxima verossimilhança restrita. Ano: 2011 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-69162011000200018 GAUSSIAN SPATIAL LINEAR MODEL OF SOYBEAN YIELD USING BOOTSTRAP METHODS REA Dalposso,Gustavo H.; Uribe-Opazo,Miguel A.; Johann,Jerry A.; Galea,Manuel; Bastiani,Fernanda De. ABSTRACT This study aims to quantify the uncertainties associated to the parameters of a Gaussian spatial linear model (GSLM) and the assumption of normality residuals in the modeling of the spatial dependence of the soybean yield as a function of soil chemical attributes. The spatial bootstrap methods were used to determine the point and interval estimators associated with the model parameters. Hypothesis tests were carried out on the significance of the model parameters and the quantile-quantile probability plot was elaborated to verify the data normality. The uncertainties associated to the parameters of the spatial dependence structure were quantified and the potassium content, phosphorus content and soil pH covariates were significant to explain the... Tipo: Info:eu-repo/semantics/article Palavras-chave: Geostatistics; Spatial resampling; Spatial variability. Ano: 2018 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-69162018000100110 Influência local em um modelo espacial linear da produtividade da soja utilizando distribuição t-Student REA Prado,Naimara V. do; Uribe-Opazo,Miguel A.; Galea,Manuel; Assumpção,Rosangela A. B.. O uso das ferramentas da geoestatística, aliadas à agricultura de precisão permitem o acompanhamento das áreas agrícolas produtoras de soja, estabelecendo as relações de dependência espacial entre os pontos amostrados. A modelagem da estrutura de variabilidade espacial possibilita a construção de mapas temáticos dos atributos estudados, utilizando como método de interpolação a krigagem. Porém, a presença de valores atípicos entre os elementos amostrais pode influenciar na construção e interpretação desses mapas. A distribuição de probabilidades t-Student tem sido utilizada na tentativa de diminuir a influência dos valores atípicos durante a estimativa dos parâmetros de dependência espacial, por ter caudas mais pesadas que a distribuição normal. A detecção... Tipo: Info:eu-repo/semantics/article Palavras-chave: Máxima verossimilhança; Variabilidade espacial; Diagnósticos. Ano: 2013 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-69162013000500012 GEOSTATISTICAL MODELING OF SOYBEAN YIELD AND SOIL CHEMICAL ATTRIBUTES USING SPATIAL BOOTSTRAP REA Dalposso,Gustavo H.; Uribe-Opazo,Miguel A.; Johann,Jerry A.; Bastiani,Fernanda De; Galea,Manuel. ABSTRACT The goal of this study was to use the spatial bootstrap method to model the spatial dependence structure of soybean yield and soil chemical attributes in an agricultural area. The study involved developing confidence intervals in probability plots to determine the probability distributions assumed by the data; determine the empirical distributions of the semivariances and model parameters, allowing to obtain statistics and confidence intervals; and to construct maps for the variables. The quantile-quantile plots indicated that the data follows a normal distribution. The confidence intervals for the semivariances helped to model the spatial dependence structure, and the descriptive statistics of the bootstrap replicates of the model parameters... Tipo: Info:eu-repo/semantics/article Palavras-chave: Confidence intervals; Quantile-quantile plot; Resampling; Spatial dependence. Ano: 2019 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-69162019000300350 SPATIAL VARIABILITY OF SOYBEAN YIELD THROUGH A REPARAMETERIZED T-STUDENT MODEL REA Schemmer,Rosangela C.; Uribe-Opazo,Miguel A.; Galea,Manuel; Assumpção,Rosangela A. B.. ABSTRACT: The t-Student distribution has been used to the spatial dependence modelling of soybean yield as an alternative to the normal distribution, being used for data with heavier tails or discrepant values. However, a usual Student t-distribution does not allow direct comparisons of geostatistical methods with a normal distribution. The aim of this study was to assess the soybean yield spatial variability through a reparameterized t-Student linear model, comparing the results with those of a Gaussian linear model. For parameter estimation, a complete maximum likelihood (CML) method was used through an expectation-maximization (EM) algorithm. The maps constructed with both reparameterized t-Student and normal distributions are dissimilar and present a... Tipo: Info:eu-repo/semantics/article Palavras-chave: EM algorithm; Spatial dependence; Geostatistics; Complete maximum likelihood. Ano: 2017 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-69162017000400760 Local influence for spatial analysis of soil physical properties and soybean yield using student's t-distribution Rev. Bras. Ciênc. Solo Assumpção,Rosangela Aparecida Botinha; Opazo,Miguel Angel Uribe; Galea,Manuel. The modeling and estimation of the parameters that define the spatial dependence structure of a regionalized variable by geostatistical methods are fundamental, since these parameters, underlying the kriging of unsampled points, allow the construction of thematic maps. One or more atypical observations in the sample data can affect the estimation of these parameters. Thus, the assessment of the combined influence of these observations by the analysis of Local Influence is essential. The purpose of this paper was to propose local influence analysis methods for the regionalized variable, given that it has n-variate Student's t-distribution, and compare it with the analysis of local influence when the same regionalized variable has n-variate normal... Tipo: Info:eu-repo/semantics/article Palavras-chave: Geostatistics; EM algorithm; Spatial variability. Ano: 2011 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-06832011000600008 Slash Spatial Linear Modeling: Soybean Yield Variability as a Function of Soil Chemical Properties Rev. Bras. Ciênc. Solo Fagundes,Regiane Slongo; Uribe-Opazo,Miguel Angel; Guedes,Luciana Pagliosa Carvalho; Galea,Manuel. ABSTRACT: In geostatistical modeling of soil chemical properties, one or more influential observations in a dataset may impair the construction of interpolation maps and their accuracy. An alternative to avoid the problem would be to use most robust models, based on distributions that have heavier tails. Therefore, this study proposes a spatial linear model based on the slash distribution (SSLM) in order to characterize the spatial variability of soybean yields as a function of soil chemical properties. The likelihood ratio statistic (LR) was applied to verify the significance of parameters associated with the model. We evaluated the sensitivity of the maximum likelihood estimators by means of local influence analysis for both the soybean response and the... Tipo: Info:eu-repo/semantics/article Palavras-chave: Spatial variability; Slash distribution; Maximum likelihood; Yield estimators. Ano: 2018 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-06832018000100301 Registros recuperados: 8 Primeira ... 1 ... Última

Empresa Brasileira de Pesquisa Agropecuária - Embrapa Todos os direitos reservados, conforme Lei n° 9.610 Política de Privacidade Área restrita		Embrapa Parque Estação Biológica - PqEB s/n° Brasília, DF - Brasil - CEP 70770-901 Fone: (61) 3448-4433 - Fax: (61) 3448-4890 / 3448-4891 SAC: https://www.embrapa.br/fale-conosco