Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2007 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/101872 |
Resumo: | Nas Ciências Agronômicas, encontram-se várias situações em que são observadas diversas variáveis respostas nas parcelas ou unidades experimentais. Nestas situações, um caso de interesse prático à experimentação agronômica é o que considera a construção de regiões de similaridade entre as parcelas para a discriminação entre os grupos experimentais e ou para a classificação de novas unidades experimentais em uma dessas regiões. Os métodos de classificação ou discriminação exigem, para sua utilização prática, uma quantidade considerável de retenção de informação da estrutura de variabilidade dos dados e, principalmente, alta fidedignidade e competência nas alocações de novos indivíduos nos grupos, mostradas nas distribuições corretas destes indivíduos. Existem vários procedimentos para medir o grau de decisão correta (acurácia) das informações fornecidas pelos métodos classificatórios. Praticamente, a totalidade deles utilizam a probabilidade de classificação errônea como o indicador de qualidade, sendo alguns destes freqüentistas (probabilidade estimada pela freqüência relativa de ocorrências - métodos não paramétricos) e outros baseados nas funções densidade de probabilidade das populações (métodos paramétricos). A principal diferença entre esses procedimentos é a conceituação dada ao cálculo da probabilidade de classificação errônea. Pretende-se, no presente estudo, apresentar alguns procedimentos para estimar estas probabilidades, desenvolver um software para a obtenção das estimativas considerando a distância generalizada de Mahalanobis como o procedimento relativo à da função densidade de probabilidade para populações com distribuição multinormal . Este software será de acesso livre e de fácil manuseio para pesquisadores de áreas aplicadas, completado com o manual do usuário e com um exemplo de aplicação envolvendo divergência genética de girassol. |
id |
UNSP_451dadb25146b04ff63061e2ad92b608 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/101872 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicosEstruturas de dados (Computação)Algoritmos de computadorFunção discriminante linearAnalise multivariadaDistância de MahalanobisMultivariate analysisLinear discriminant functionComputer algorithmsNas Ciências Agronômicas, encontram-se várias situações em que são observadas diversas variáveis respostas nas parcelas ou unidades experimentais. Nestas situações, um caso de interesse prático à experimentação agronômica é o que considera a construção de regiões de similaridade entre as parcelas para a discriminação entre os grupos experimentais e ou para a classificação de novas unidades experimentais em uma dessas regiões. Os métodos de classificação ou discriminação exigem, para sua utilização prática, uma quantidade considerável de retenção de informação da estrutura de variabilidade dos dados e, principalmente, alta fidedignidade e competência nas alocações de novos indivíduos nos grupos, mostradas nas distribuições corretas destes indivíduos. Existem vários procedimentos para medir o grau de decisão correta (acurácia) das informações fornecidas pelos métodos classificatórios. Praticamente, a totalidade deles utilizam a probabilidade de classificação errônea como o indicador de qualidade, sendo alguns destes freqüentistas (probabilidade estimada pela freqüência relativa de ocorrências - métodos não paramétricos) e outros baseados nas funções densidade de probabilidade das populações (métodos paramétricos). A principal diferença entre esses procedimentos é a conceituação dada ao cálculo da probabilidade de classificação errônea. Pretende-se, no presente estudo, apresentar alguns procedimentos para estimar estas probabilidades, desenvolver um software para a obtenção das estimativas considerando a distância generalizada de Mahalanobis como o procedimento relativo à da função densidade de probabilidade para populações com distribuição multinormal . Este software será de acesso livre e de fácil manuseio para pesquisadores de áreas aplicadas, completado com o manual do usuário e com um exemplo de aplicação envolvendo divergência genética de girassol.In the Agronomical Sciences, mainly in studies involving biomass production and rational use of energy, there are several situations in which several variable answers in the parts or experimental units are observed. In these situations, a case of practical interest to the agronomical experimentation is that one which considers the construction of similarity regions among parts and or the classification of new experimental units. The classification methods demand, for their utilization, a considerable quantity for utilization of their information retention of data and, mostly, high fidelity and competence in the new individual allocations. There are several procedures to measure accuracy degree of the information supplied by the discrimination method. Practically all of them use the miss-classification probability (erroneous classification) like the quality indicator. The main difference among these evaluation methods is the characterization of the miss-classification probability. Therefore, the aim is to present some estimate procedures of the missclassification probabilities involving repetition frequency and distribution methods and to develop a software to obtain their estimate, which is accessible and easy handling for researchers of applied areas, complementing the study with user's manual and examples in the rational energy application and biomass energy.Universidade Estadual Paulista (Unesp)Aragon, Flávio Ferrari [UNESP]Universidade Estadual Paulista (Unesp)Padovani, Carlos Roberto [UNESP]2014-06-11T19:31:37Z2014-06-11T19:31:37Z2007-07-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisvii, 70 f. : il. color., tabs.application/pdfPADOVANI, Carlos Roberto Pereira. Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos. 2007. vii, 70 f. Tese (doutorado) - Universidade Estadual Paulista, Faculdade de Ciências Agronômicas, 2007.http://hdl.handle.net/11449/101872000505864padovani_crp_dr_botfca.pdf33004064021P7Alephreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporinfo:eu-repo/semantics/openAccess2024-05-02T20:25:15Zoai:repositorio.unesp.br:11449/101872Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T21:46:24.543320Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos |
title |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos |
spellingShingle |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos Padovani, Carlos Roberto [UNESP] Estruturas de dados (Computação) Algoritmos de computador Função discriminante linear Analise multivariada Distância de Mahalanobis Multivariate analysis Linear discriminant function Computer algorithms |
title_short |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos |
title_full |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos |
title_fullStr |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos |
title_full_unstemmed |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos |
title_sort |
Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos |
author |
Padovani, Carlos Roberto [UNESP] |
author_facet |
Padovani, Carlos Roberto [UNESP] |
author_role |
author |
dc.contributor.none.fl_str_mv |
Aragon, Flávio Ferrari [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Padovani, Carlos Roberto [UNESP] |
dc.subject.por.fl_str_mv |
Estruturas de dados (Computação) Algoritmos de computador Função discriminante linear Analise multivariada Distância de Mahalanobis Multivariate analysis Linear discriminant function Computer algorithms |
topic |
Estruturas de dados (Computação) Algoritmos de computador Função discriminante linear Analise multivariada Distância de Mahalanobis Multivariate analysis Linear discriminant function Computer algorithms |
description |
Nas Ciências Agronômicas, encontram-se várias situações em que são observadas diversas variáveis respostas nas parcelas ou unidades experimentais. Nestas situações, um caso de interesse prático à experimentação agronômica é o que considera a construção de regiões de similaridade entre as parcelas para a discriminação entre os grupos experimentais e ou para a classificação de novas unidades experimentais em uma dessas regiões. Os métodos de classificação ou discriminação exigem, para sua utilização prática, uma quantidade considerável de retenção de informação da estrutura de variabilidade dos dados e, principalmente, alta fidedignidade e competência nas alocações de novos indivíduos nos grupos, mostradas nas distribuições corretas destes indivíduos. Existem vários procedimentos para medir o grau de decisão correta (acurácia) das informações fornecidas pelos métodos classificatórios. Praticamente, a totalidade deles utilizam a probabilidade de classificação errônea como o indicador de qualidade, sendo alguns destes freqüentistas (probabilidade estimada pela freqüência relativa de ocorrências - métodos não paramétricos) e outros baseados nas funções densidade de probabilidade das populações (métodos paramétricos). A principal diferença entre esses procedimentos é a conceituação dada ao cálculo da probabilidade de classificação errônea. Pretende-se, no presente estudo, apresentar alguns procedimentos para estimar estas probabilidades, desenvolver um software para a obtenção das estimativas considerando a distância generalizada de Mahalanobis como o procedimento relativo à da função densidade de probabilidade para populações com distribuição multinormal . Este software será de acesso livre e de fácil manuseio para pesquisadores de áreas aplicadas, completado com o manual do usuário e com um exemplo de aplicação envolvendo divergência genética de girassol. |
publishDate |
2007 |
dc.date.none.fl_str_mv |
2007-07-27 2014-06-11T19:31:37Z 2014-06-11T19:31:37Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
PADOVANI, Carlos Roberto Pereira. Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos. 2007. vii, 70 f. Tese (doutorado) - Universidade Estadual Paulista, Faculdade de Ciências Agronômicas, 2007. http://hdl.handle.net/11449/101872 000505864 padovani_crp_dr_botfca.pdf 33004064021P7 |
identifier_str_mv |
PADOVANI, Carlos Roberto Pereira. Aplicativo computacional para obtenção de probabilidades a priori de classificação errônea em experimentos agronômicos. 2007. vii, 70 f. Tese (doutorado) - Universidade Estadual Paulista, Faculdade de Ciências Agronômicas, 2007. 000505864 padovani_crp_dr_botfca.pdf 33004064021P7 |
url |
http://hdl.handle.net/11449/101872 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
vii, 70 f. : il. color., tabs. application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
Aleph reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129356135923712 |