???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/5012
Full metadata record
DC FieldValueLanguage
dc.creatorVASCONCELOS, Josimar Mendes de-
dc.creator.Latteshttp://lattes.cnpq.br/141408434860056por
dc.contributor.advisor1SANTOS, Eufrázio de Souza-
dc.contributor.referee1CUNHA FILHO, Moacyr-
dc.contributor.referee2CRISTINO, Cláudio Tadeu-
dc.contributor.referee3RAPOSO, Maria Cristina Falcão-
dc.date.accessioned2016-07-07T12:44:03Z-
dc.date.issued2011-08-08-
dc.identifier.citationVASCONCELOS, Josimar Mendes de. Equações simultâneas no contexto clássico e bayesiano: uma abordagem à produção de soja. 2011. 92 f. Dissertação (Programa de Pós-Graduação em Biometria e Estatística Aplicada) - Universidade Federal Rural de Pernambuco, Recife.por
dc.identifier.urihttp://www.tede2.ufrpe.br:8080/tede2/handle/tede2/5012-
dc.description.resumoNos últimos anos tem aumentado a quantidade de pesquisadores e pesquisas científicas na plantação, produção e valor de soja no Brasil, em grão. Diante disso, a presente dissertação busca analisar os dados e ajustar modelos que expliquem, de forma satisfatória, a variabilidade observada da quantidade produzida e valor da produção de soja em grão no Brasil, no campo do estudo. Para o desenvolvimento dessas análises é utilizada a inferência clássica e bayesiana, no contexto de equações simultâneas através da ferramenta de mínimos quadrados em dois estágios. Na inferência clássica utiliza-se o estimador de mínimos quadrados em dois estágios. Na inferência bayesiana trabalhou-se o método de Monte Carlo via Cadeia de Markov com os algoritmos de Gibbs e Metropolis-Hastings por meio da técnica de equações simultâneas. No estudo, consideram-se as variáveis área colhida, quantidade produzida, valor da produção e produto interno bruto, no qual ajustou-se o modelo com a variável resposta quantidade produzida e depois a variável resposta valor da produção para finalmente fazer as correções e obter o resultado final, no método clássico e bayesiano. Através, dos desvios padrão, estatística do teste-t, critérios de informação Akaike e Schwarz normalizados destaca-se a boa aplicação do método de Monte Carlo via Cadeia de Markov pelo algoritmo de Gibbs, também é um método eficiente na modelagem e de fácil implementação nos softwares estatísticos R & WinBUGS, pois já existem bibliotecas prontas para compilar o método. Portanto, sugere-se trabalhar o método de Monte Carlo via cadeia de Markov através do método de Gibbs para estimar a produção de soja em grão, no Brasil.por
dc.description.abstractThe last years has increased the quantity of researchers and search scientific in the plantation, production and value of the soybeans in the Brazil, in grain. In front of this, the present dissertation looks for to analyze the data and estimate models that explain, of satisfactory form, the variability observed of the quantity produced and value of the production of soya in grain in the Brazil, in the field of the study. For the development of these analyses is used the classical and Bayesian inference, in the context of simultaneous equations by the tools of indirect square minimum in two practices. In the classical inference uses the estimator of square minima in two practices. In the Bayesian inference worked the method of Mountain Carlo via Chain of Markov with the algorithms of Gibbs and Metropolis-Hastings by means of the technician of simultaneous equations. In the study, consider the variable area harvested, quantity produced, value of the production and gross inner product, in which it adjusted the model with the variable answer quantity produced and afterwards the another variable answer value of the production for finally do the corrections and obtain the final result, in the classical and Bayesian method. Through of the detours normalized, statistics of the proof-t, criteria of information Akaike and Schwarz normalized stands out the good application of the method of Mountain Carlo via Chain of Markov by the algorithm of Gibbs, also is an efficient method in the modelado and of easy implementation in the statistical softwares R & WinBUGS, as they already exist smart libraries to compile the method. Therefore, it suggests work the method of Mountain Carlo via chain of Markov through the method of Gibbs to estimate the production of soya in grain.eng
dc.description.provenanceSubmitted by (ana.araujo@ufrpe.br) on 2016-07-07T12:44:03Z No. of bitstreams: 1 Josimar Mendes de Vasconcelos.pdf: 4725831 bytes, checksum: 716f4b6bc6100003772271db252915b7 (MD5)eng
dc.description.provenanceMade available in DSpace on 2016-07-07T12:44:03Z (GMT). No. of bitstreams: 1 Josimar Mendes de Vasconcelos.pdf: 4725831 bytes, checksum: 716f4b6bc6100003772271db252915b7 (MD5) Previous issue date: 2011-08-08eng
dc.description.sponsorshipConselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPqpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal Rural de Pernambucopor
dc.publisher.departmentDepartamento de Estatística e Informáticapor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFRPEpor
dc.publisher.programPrograma de Pós-Graduação em Biometria e Estatística Aplicadapor
dc.rightsAcesso Abertopor
dc.subjectProdução de sojapor
dc.subjectModelos de equações simultâneaspor
dc.subjectMonte Carlo via cadeia de Markovpor
dc.subjectAlgoritmo de Gibbspor
dc.subjectAlgoritmo de Metropolis-Hastingspor
dc.subjectSoybean productioneng
dc.subjectSimultaneous equations modelseng
dc.subjectMarkov Chain Monte Carloeng
dc.subjectGibbs algorithmeng
dc.subjectMetropolis-Hastings algorithmeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICApor
dc.titleEquações simultâneas no contexto clássico e bayesiano: uma abordagem à produção de sojapor
dc.typeDissertaçãopor
Appears in Collections:Mestrado em Biometria e Estatística Aplicada

Files in This Item:
File Description SizeFormat 
Josimar Mendes de Vasconcelos.pdfDocumento principal4,62 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.