Equação de regressão linear múltipla para estimativa do erro experimental

Detalhes bibliográficos
Autor(a) principal: Lúcio, Alessandro Dal Col
Data de Publicação: 2001
Outros Autores: Banzatto, David Ariovaldo [UNESP], Storck, Lindolfo, Martin, Thomas Newton, Lorentz, Leandro Homrich
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://dx.doi.org/10.1590/S0103-84782001000600007
http://hdl.handle.net/11449/1334
Resumo: Este trabalho teve por objetivo estimar equações de regressão linear múltipla tendo, como variáveis explicativas, as demais características avaliadas em experimento de milho e, como variáveis principais, a diferença mínima significativa em percentagem da média (DMS%) e quadrado médio do erro (QMe), para peso de grãos. Com 610 experimentos conduzidos na Rede de Ensaios Nacionais de Competição de Cultivares de Milho, realizados entre 1986 e 1996 (522 experimentos) e em 1997 (88 experimentos), estimaram-se duas equações de regressão, com os 522 experimentos, validando estas pela análise de regressão simples entre os valores reais e os estimados pelas equações, com os 88 restantes, observando que, para a DMS% a equação não estimava o mesmo valor que a fórmula original e, para o QMe, a equação poderia ser utilizada na estimação. Com o teste de Lilliefors, verificou-se que os valores do QMe aderiam à distribuição normal padrão e foi construída uma tabela de classificação dos valores do QMe, baseada nos valores observados na análise da variância dos experimentos e nos estimados pela equação de regressão.
id UNSP_fe9983608b0ef4b2dbaf4243e93ce6b2
oai_identifier_str oai:repositorio.unesp.br:11449/1334
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Equação de regressão linear múltipla para estimativa do erro experimentalMultiple linear regression equation as an estimation of experimental errorexperimental precisionRegression analysiscultivar competitionZea maysPrecisão experimentalAnálise de regressãocompetição de cultivaresZea maysEste trabalho teve por objetivo estimar equações de regressão linear múltipla tendo, como variáveis explicativas, as demais características avaliadas em experimento de milho e, como variáveis principais, a diferença mínima significativa em percentagem da média (DMS%) e quadrado médio do erro (QMe), para peso de grãos. Com 610 experimentos conduzidos na Rede de Ensaios Nacionais de Competição de Cultivares de Milho, realizados entre 1986 e 1996 (522 experimentos) e em 1997 (88 experimentos), estimaram-se duas equações de regressão, com os 522 experimentos, validando estas pela análise de regressão simples entre os valores reais e os estimados pelas equações, com os 88 restantes, observando que, para a DMS% a equação não estimava o mesmo valor que a fórmula original e, para o QMe, a equação poderia ser utilizada na estimação. Com o teste de Lilliefors, verificou-se que os valores do QMe aderiam à distribuição normal padrão e foi construída uma tabela de classificação dos valores do QMe, baseada nos valores observados na análise da variância dos experimentos e nos estimados pela equação de regressão.The aims of this study were to estimate the multiple linear regression equation and to verify the possible relationship between dependent and independent variables. Dependent variables were the mean percentage of the least significant difference (LSD%) and the mean square of the error (MSe) for grain yield. Data from 522 experiments conducted from 1986 to 1996 and 88 experiments conducted in 1997 were used in a total of 610 experiments of the National Competition of Maize Cultivars. In the 522 experiments, two regression equations validated by the analysis of simple regression between the real values and the foreseen for the equations were estimated, in the 88 experiments, it was observed that the regression equation was not a good estimation for the same original value for LSD%, but the equation can be used for the estimation of MSe. The application of Lilliefors test resulted in normal pattern distribution of MSe values. One classification table of MSe values was built based on observed values of variance analysis of the experiments and on the regression equation estimated value.Universidade Federal de Santa Maria (UFSM) Centro de Ciências Rurais Departamento de FitotecniaUNESP FCAV Departamento de Ciências ExatasUNESP FCAV Departamento de Ciências ExatasUniversidade Federal de Santa Maria (UFSM)Universidade Federal de Santa Maria (UFSM)Universidade Estadual Paulista (Unesp)Lúcio, Alessandro Dal ColBanzatto, David Ariovaldo [UNESP]Storck, LindolfoMartin, Thomas NewtonLorentz, Leandro Homrich2014-05-20T13:13:36Z2014-05-20T13:13:36Z2001-12-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/article963-967application/pdfhttp://dx.doi.org/10.1590/S0103-84782001000600007Ciência Rural. Universidade Federal de Santa Maria (UFSM), v. 31, n. 6, p. 963-967, 2001.0103-8478http://hdl.handle.net/11449/133410.1590/S0103-84782001000600007S0103-84782001000600007S0103-84782001000600007.pdfSciELOreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporCiência Rural0.5250,337info:eu-repo/semantics/openAccess2024-06-06T13:42:34Zoai:repositorio.unesp.br:11449/1334Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T16:19:48.741189Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Equação de regressão linear múltipla para estimativa do erro experimental
Multiple linear regression equation as an estimation of experimental error
title Equação de regressão linear múltipla para estimativa do erro experimental
spellingShingle Equação de regressão linear múltipla para estimativa do erro experimental
Lúcio, Alessandro Dal Col
experimental precision
Regression analysis
cultivar competition
Zea mays
Precisão experimental
Análise de regressão
competição de cultivares
Zea mays
title_short Equação de regressão linear múltipla para estimativa do erro experimental
title_full Equação de regressão linear múltipla para estimativa do erro experimental
title_fullStr Equação de regressão linear múltipla para estimativa do erro experimental
title_full_unstemmed Equação de regressão linear múltipla para estimativa do erro experimental
title_sort Equação de regressão linear múltipla para estimativa do erro experimental
author Lúcio, Alessandro Dal Col
author_facet Lúcio, Alessandro Dal Col
Banzatto, David Ariovaldo [UNESP]
Storck, Lindolfo
Martin, Thomas Newton
Lorentz, Leandro Homrich
author_role author
author2 Banzatto, David Ariovaldo [UNESP]
Storck, Lindolfo
Martin, Thomas Newton
Lorentz, Leandro Homrich
author2_role author
author
author
author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Maria (UFSM)
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Lúcio, Alessandro Dal Col
Banzatto, David Ariovaldo [UNESP]
Storck, Lindolfo
Martin, Thomas Newton
Lorentz, Leandro Homrich
dc.subject.por.fl_str_mv experimental precision
Regression analysis
cultivar competition
Zea mays
Precisão experimental
Análise de regressão
competição de cultivares
Zea mays
topic experimental precision
Regression analysis
cultivar competition
Zea mays
Precisão experimental
Análise de regressão
competição de cultivares
Zea mays
description Este trabalho teve por objetivo estimar equações de regressão linear múltipla tendo, como variáveis explicativas, as demais características avaliadas em experimento de milho e, como variáveis principais, a diferença mínima significativa em percentagem da média (DMS%) e quadrado médio do erro (QMe), para peso de grãos. Com 610 experimentos conduzidos na Rede de Ensaios Nacionais de Competição de Cultivares de Milho, realizados entre 1986 e 1996 (522 experimentos) e em 1997 (88 experimentos), estimaram-se duas equações de regressão, com os 522 experimentos, validando estas pela análise de regressão simples entre os valores reais e os estimados pelas equações, com os 88 restantes, observando que, para a DMS% a equação não estimava o mesmo valor que a fórmula original e, para o QMe, a equação poderia ser utilizada na estimação. Com o teste de Lilliefors, verificou-se que os valores do QMe aderiam à distribuição normal padrão e foi construída uma tabela de classificação dos valores do QMe, baseada nos valores observados na análise da variância dos experimentos e nos estimados pela equação de regressão.
publishDate 2001
dc.date.none.fl_str_mv 2001-12-01
2014-05-20T13:13:36Z
2014-05-20T13:13:36Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dx.doi.org/10.1590/S0103-84782001000600007
Ciência Rural. Universidade Federal de Santa Maria (UFSM), v. 31, n. 6, p. 963-967, 2001.
0103-8478
http://hdl.handle.net/11449/1334
10.1590/S0103-84782001000600007
S0103-84782001000600007
S0103-84782001000600007.pdf
url http://dx.doi.org/10.1590/S0103-84782001000600007
http://hdl.handle.net/11449/1334
identifier_str_mv Ciência Rural. Universidade Federal de Santa Maria (UFSM), v. 31, n. 6, p. 963-967, 2001.
0103-8478
10.1590/S0103-84782001000600007
S0103-84782001000600007
S0103-84782001000600007.pdf
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Ciência Rural
0.525
0,337
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 963-967
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Santa Maria (UFSM)
publisher.none.fl_str_mv Universidade Federal de Santa Maria (UFSM)
dc.source.none.fl_str_mv SciELO
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_ 1808128633668108288