Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Gomes, Eduardo Monteiro de Castro | - |
dc.contributor.author | Nascimento, Alan Rener Borges | - |
dc.identifier.citation | NASCIMENTO, Alan Rener Borges. Análise da produtividade de cultivares de café utilizando modelos lineares mistos. 2016. 48 f., il. Monografia (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2016. | pt_BR |
dc.description | Monografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2016. | pt_BR |
dc.description.abstract | Este trabalho se prop^os a abordar o uso de modelos lineares mistos para a
an alise de dados com medidas repetidas no tempo. O processo de modelagem iniciou
com a escolha dos efeitos aleat orios em seguida dos efeitos xos e da melhor estrutura
de covari^ancias. Para selecionar a estrutura da matriz de covari^ancias que melhor se
ajustou aos dados, utilizou-se os crit erios de informa c~ao de Akaike - AIC e de Schwarz -
BIC e o Teste da Raz~ao de Verossimilhan ca. A an alise gr a ca dos res duos foi utilizada
para veri car o ajuste do modelo. Este trabalho utilizou dados de produtividade de um
experimento de caf e Ar abica realizado na Embrapa do Gama-DF, sendo que os resultados
foram obtidos pelo programa estat stico R. | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject.keyword | Sistemas lineares | pt_BR |
dc.subject.keyword | Análise de covariância (Estatística) | pt_BR |
dc.subject.keyword | Análise estatística | pt_BR |
dc.title | Análise da produtividade de cultivares de café utilizando modelos lineares mistos | pt_BR |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
dc.date.accessioned | 2016-11-04T11:23:39Z | - |
dc.date.available | 2016-11-04T11:23:39Z | - |
dc.date.submitted | 2016 | - |
dc.identifier.uri | http://bdm.unb.br/handle/10483/15117 | - |
dc.language.iso | Português | pt_BR |
dc.contributor.advisorco | Malaquias, Juaci Vitoria | - |
dc.description.abstract1 | This work proposes to address the use of mixed linear models for data analysis
with repeated measures. The modeling process began with the selection of random
e ects then the xed e ects and best covariance structure. To select the structure of
the covariance matrix that best t the data, we used the Akaike information criterion -
AIC and Schwarz - BIC and the Likelihood Ratio Test. The graphical analysis of the
waste was used to verify the model t. This study used data from a productivity Arabica
co ee experiment conducted at Embrapa Gama -DF and the results were obtained by the
statistical program R. | pt_BR |
Aparece na Coleção: | Estatística
|