Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/46441
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, Walleff Silva e-
dc.date.accessioned2021-06-02T17:24:45Z-
dc.date.available2021-06-02T17:24:45Z-
dc.date.issued2021-06-02-
dc.date.submitted2021-03-26-
dc.identifier.citationSILVA, W. S. e. Critérios de seleção e qualidade de ajuste em regressão não linear: uma abordagem de Monte Carlo. 2021. 63 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) – Universidade Federal de Lavras, Lavras, 2021.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/46441-
dc.description.abstractNonlinear regression models are widespread in the literature and are widely used mainly for their advantages over linear regression models. Parsimony, applicability and practical interpretatio n of its parameters can be citedas determining factors in the use of these models, which directly reflect in different studies in agriculture, biology, economics, engineering, among others. The use of growth curves is one of the main applications of nonlinear regression models to analyze the development over the life of a certain living being. There are many models in the literature for this purpose, with their unique peculiarities. In order to know which one of these models offer the best fit to the data, different evaluated quality of fit criteria are used, however, there is no way to classify which best criterion for a selection of models should be used in a specific study. Different studies present the coefficient of determination, Akaike’s information criterion, Bayesian information criterion as the most useful for assessing an adjustment and there are some questions regarding its use for the selection of non-linear regression models. Thus, the present study aims to simulate via Monte Carlo four scenarios considering as equations of the logistic non linear regression models, Gompertz, von Bertalanffy and Brody to assess the efficiency of the selection criteria in determining the model that created it generated the data. Four Monte Carlo simulation scenarios were used, each one being considered as standard the logistic models, Gompertz, von Bertalanffy and Brody. Then, 4 models were adjusted for each of the scenarios and the quality assesments most found in the literature were calculated in order to select the appropriate model. The results demonstrate that the asymptotic index, mean absolute deviation and determination coefficient raters show superior efficiency in choosing the appropriate adjustment among the other raters studied for the four simulated scenarios.pt_BR
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.subjectCurvas de crescimentopt_BR
dc.subjectÍndice assintóticopt_BR
dc.subjectDesvio médio absolutopt_BR
dc.subjectMedidas de não linearidadept_BR
dc.subjectGrowth curvespt_BR
dc.subjectAsymptotic indexpt_BR
dc.subjectMean absolute deviationpt_BR
dc.subjectNon-linearity measurespt_BR
dc.titleCritérios de seleção e qualidade de ajuste em regressão não linear: uma abordagem de Monte Carlopt_BR
dc.title.alternativeSelection criteria and adjustment quality in nonlinear regression: a Monte Carlo approachpt_BR
dc.typedissertaçãopt_BR
dc.publisher.programPrograma de Pós-Graduação em Estatística e Experimentação Agropecuáriapt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Fernandes, Tales Jesus-
dc.contributor.referee1Muniz, Joel Augusto-
dc.contributor.referee2Ramos, Patrícia de Siqueira-
dc.description.resumoModelos de regressão não linear são difundidos na literatura e possuem grande utilização principalmente por suas vantagens em relação aos modelos de regressão linear. Pode-se citar a parcimônia, aplicabilidade e interpretação prática dos seus parâmetros como fatores determinantes no uso destes modelos, o que reflete diretamente em diferentes estudos na agricultura, biologia, economia, engenharias, entre outros. A utilização de curvas de crescimento é uma das principais aplicações dos modelos de regressão não linear para analisar o desenvolvimento ao longo da vida de determinado ser vivo. Existem na literatura muitos modelos para este propósito, com suas respectivas particularidades. Para saber qual dentre estes modelos fornece o melhor ajuste aos dados, utiliza-se como critério diferentes avaliadores de qualidade de ajuste, entretanto, não há como classificar qual melhor critério para a seleção de modelos deve ser utilizado em um estudo específico. Diferentes estudos apresentam o coeficiente de determinação, critério de informação de Akaike, critério de informação bayesiano como os mais utéis para avaliar um ajuste e dentre estes há certos questionamentos quanto a sua utilização para seleção de modelos de regressão não linear. Assim, o presente estudo tem como objetivo simular via Monte Carlo quatro cenários considerando as equações dos modelos de regressão não linear logistico, Gompertz, von Bertalanffy e Brody para avaliar a eficiência dos critérios de seleção em determinar o modelo que inicialmente gerou os dados. Foram utilizados quatro cenários de simulação Monte Carlo, sendo cada um considerado como padrão os modelos logístico, Gompertz, von Bertalanffy e Brody. Em seguida foram ajustados 4 modelos para cada um dos cenários e calculados os avaliadores de qualidade mais encontrados na literatura a fim de selecionar o modelo adequado. Os resultados demonstram que os avaliadores índice assintótico, desvio médio absoluto e coeficiente de determinação apresentam eficiência superior na escolha do ajuste adequado dentre os demais avaliadores estudados para os quatro cenários simulados.pt_BR
dc.publisher.departmentDepartamento de Estatísticapt_BR
dc.subject.cnpqEstatísticapt_BR
dc.creator.Latteshttp://lattes.cnpq.br/1536063133042054pt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Mestrado (Dissertações)



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.