Comparação das distribuições Normal, Logística, Laplace e t de Student para o erro experimental na descrição bayesiana do acúmulo de matéria seca de Allium sativum
-
George Lucas Santana de Moura
[1]
;
Felipe Guzzo
[1]
;
Paulo Roberto Cecon
[1]
;
Sebastião Martins Filho
[1]
;
Antônio Policarpo Souza Carneiro
[1]
;
Moysés Nascimento
[1]
-
[1] Universidade Federal de Viçosa
Universidade Federal de Viçosa
Brasil
-
- Localización: Ciencia rural, ISSN 0103-8478, Vol. 54, Nº. 7, 2024
- Idioma: portugués
- Títulos paralelos:
- Comparison of Normal, Logistic, Laplace, and Student’s t distributions for experimental error in the Bayesian description of dry matter accumulation in Allium sativum
- Enlaces
-
Resumen
- português
O objetivo deste trabalho foi avaliar algumas distribuições associadas ao erro na modelagem não linear bayesiana na descrição do acúmulo de matéria seca total da planta (MSTP) de Allium sativum em função dos dias após o plantio (DAP). Pelo critério DIC os modelos Logístico e Gompertz que utilizam a distribuição do erro t de Student apresentaram a melhor qualidade de ajuste, sendo que o modelo Logístico apresentou o maior DIC com a distribuição de erro Logística. No geral, a diferença de DIC em todos os cenários não apresentou valores superiores a cinco. Pelo critério do Fator de Bayes (FB), não houve diferença no ajuste do modelo Logístico e Gompertz quando se utilizam as quatro distribuições para os erros, sendo que os valores de FB não superaram 2. As distribuições a posteriori e os estimadores usuais dos parâmetros dos modelos Logístico e Gompertz apresentaram semelhanças mesmo variando a distribuição do erro. Em suma não houve diferença na utilização das quatro distribuições associadas ao erro na modelagem do crescimento planta de alho pelo fator de Bayes, sendo que os resultados mostram que alternar entre as distribuições dos erros altera de forma significativa o número de iterações de MCMC
- English
This study assessed distributions associated with Bayesian nonlinear modeling error in the description of total plant dry matter accumulation (TDMA) of Allium sativum as a function of days after planting (DAP). According to the DIC criterion, Logistic and Gompertz models that use student’s t distribution error exhibited the highest DIC with logistic error distribution. In general, the difference of DIC in all the scenarios was not more than 5. The Bayes factor (BF) criterion showed no difference in the Logistic and Gompertz model fit when four distributions are used for the errors, where BF values do not exceed 2. Posterior distributions and the usual estimators of Logistic and Gompertz model parameters were similar even for varied error distribution. In summary, there was no difference in the use of 4 distributions associated with the modeling error of garlic plant growth by the Bayes factor, whereby the results showed that alternating between error distributions significantly changes the number of Markov Chain Monte Carlo (MCMC) iterations
- português
