Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/20210
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2017_GustavoMaiaRodriguesGomes_IgorRibeiroMendonca_tcc.pdf686,6 kBAdobe PDFver/abrir
Título: Modelo econométrico de share de uso do solo no Mato Grosso, Brasil
Autor(es): Gomes, Gustavo Maia Rodrigues
Mendonça, Igor Ribeiro
Orientador(es): Gomes, Antônio Eduardo
Assunto: Modelos lineares (Estatística)
Solo - uso
Modelos econométricos
Data de apresentação: 2017
Data de publicação: 30-Mai-2018
Referência: GOMES, Gustavo Maia Rodrigues; MENDONÇA, Igor Ribeiro. Modelo econométrico de share de uso do solo no Mato Grosso, Brasil. 2017. xv, 99 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2017.
Resumo: Este trabalho propõe o uso de métodos lineares em modelos de shares de uso do solo nos municípios do estado do Mato Grosso. Uma necessidade em dias de tamanha degradação ambiental, um modelo que possa tentar quantificar políticas públicas e as decisões de uso do solo com base em variáveis pertinentes. A base de dados foi dividida em base de treino e base de teste, depois foi utilizado o recurso do StepWise Selection para selecionar dentre as inúmeras variáveis coletadas quais as que mais influenciam na porcentagem de uso do solo para cada uso do solo, após ter um modelo adequado segundo critérios de escolha de variável são feitas validações cruzadas do modelo com estatísticas de precisão da predição e por último testa-se como o modelo treinado consegue prever a base teste.
Abstract: In this project we propose the use of linear models in land share models in the counties of Mato Grosso, Brazil. An important resource due to the enormous environment degradation we see these days, a model that will be able to quantify public policy and the decision on the use of the land based in pertinent variables. The data was divided: training and test, it was used stepwise selection to select among several colected variables which were more influential in the percentage of the use of land in each land use, after that cross validations of the model are performed with precision statistics of prediction. At last we test the trained model in the test data to see its capability of prediction.
Informações adicionais: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Departamento de Estatística, 2017.
Aparece na Coleção:Estatística



Este item está licenciado na Licença Creative Commons Creative Commons