• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.11.1986.tde-20220207-213009
Document
Auteur
Nom complet
Henri Stuker
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
Piracicaba, 1986
Directeur
Titre en portugais
Análise multivariada para dados onde a característica observada é subdividida em K classes
Mots-clés en portugais
ANÁLISE MULTIVARIADA
DELINEAMENTO EXPERIMENTAL
Resumé en portugais
Neste trabalho, foi feito um estudo dos experimentos onde cada parcela e subdividida em K classes, segundo um critério pré-estabelecido. Estudou-se o comportamento dos experimentos através do método univariado, onde consideraram se as classes como uma· subdivisão das parcelas, e através do método multivariado onde as classes foram consideradas como um conjunto de mensurações observadas numa mesma parcela. As pressuposições do modelo univariado, em parcelas subdivididas, foram verificadas testando-se as hipóteses de: Homogeneidade das matrizes de covariâncias para tratamentos; Uniformidade da matriz comum de covariâncias. Consideraram-se, para fins de ilustração, as produções, em kg por parcela, de um experimento com batata (Solanum tuberosum L.), onde a produção de cada parcela foi dividida em 3 classes. As pressuposições do modelo em parcelas subdivididas não foram satisfeitas, invalidando assim a parte da análise referente a subparcelas (classes)e interação. A análise multivariada apresentou um menor número de diferenças significativas entre medias de tratamentos quando comparado com as análises individuais de cada classe. Isso ocorre porque no caso do modelo multivariado, o critério de rejeição de H0 e mais rigoroso, por levar em consideração um nível de significância conjunto.
Titre en anglais
Multivariate analysis for data where the observed caracteristic is subdivided into K classes
Resumé en anglais
A trial study was carried out where each observation is subdivided into K classes, according to a predetermined criterion. Trials behaviour was studied by means of a univariate method, where classes were considered as a plot subdivision, and also by means of a multivariate method, where classes were considered as a set of variables observed in a sarne plot. The assumpti ons of the uni variate model (split- plot), were verifyed testing the following hypothesis: homogeneity of the covariance matrixes for treatments, uniformity of the common matrix of variances. Plot yields (kg/plot) of a potato (Solanum tuberosum L.), trial, where plot yield was divided into three classes, were considered. The assumptions of the univariate model, were not satisfied and so the part of the analysis related to subplots (classes) and interaction was invalidated. The multivariate analysis presented significant differences between the treatment's means less when compared to the analysis of each classe. This occurs because, in the case of the multivariate model, the criterion of rejection of H0 is more riaoro us, since it consideres a set level of signjficance.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
StukerHenri.pdf (3.53 Mbytes)
Date de Publication
2022-02-07
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2023. Tous droits réservés.