Técnicas de calidad de ajuste de modelos estadísticos con evaluación de distribuciones de probabilidad utilizando datos de producción de codornices ponedoras
DOI:
https://doi.org/10.33448/rsd-v10i11.19317Palabras clave:
Producción animal; Distribución de datos continuos; Análisis estadístico; Modelo lineal mixto generalizado; Prueba de ajuste; Software estadístico.Resumen
El objetivo de nuestro estudio fue evaluar la calidad del ajuste de diferentes tipos de distribuciones de probabilidad para datos continuos. Para ello, se utilizaron como fuente continua de datos las variables rendimiento y calidad del huevo de codorniz en la producción de huevos nutracéuticos. Los datos fueron recolectados durante 42 días, el diseño experimental fue completamente al azar con 7 tratamientos, 6 repeticiones, con 252 animales distribuidos en 36 jaulas. Las distribuciones para los datos continuos utilizadas fueron exponencial, gamma, gaussiana y lognormal. Se utilizó el software R Open Source y SAS® University Edition para realizar el análisis. El análisis gráfico de las variables se realizó a partir de los valores predichos versus los observados, la Función de Distribución Acumulativa (CDF) y la asimetría-curtosis. Los ajustes también se evaluaron mediante el criterio de información de Akaike (AIC), el criterio de información bayesiano (BIC), el modelo condicional de R-Cuadrado ajustado (), el modelo condicional de correlación de concordancia ajustada (), la prueba de Kolmogorov-Smirnov (KS), Prueba de Cramer-von Mises (CvM), prueba de Anderson-Darling (AD), criterio de información de Watanabe-Akaike (WAIC) y validación cruzada de dejar uno fuera (LOO). Todas las pruebas indicaron la distribución gaussiana como la más adecuada y excluyeron la distribución exponencial para todas las características evaluadas.
Citas
Akaike, H. (1974). A new look at the statistical model identification. IEEE transactions on automatic control, 19(6), 716-723.
Barreto, S. T. L, Pereira, C. A, Umigi, R. T, Rocha, T. C, Araujo, M. S, Silva, C. S. & Filho, R. A. T. (2007). Determinação da exigência nutricional de cálcio de codornas japonesa na fase inicial do ciclo. Revista Brasileira de Zootecnia, 36; 68-78p.
Brito, A. De L., Júnior, S. F. X., Mendonça, E. B. de, Xavier, E. F. M., Santos, T. T. de M. & Oliveira, T. A. de. (2020). Adjustment of Fragility Models and Proportional Risks Applied to Diabetic Retinopathy Data. Research, Society and Development, 9(8). http://dx.doi.org/10.33448/rsd-v9i8.5691.
Burnham K. P. & Anderson D. R. (2004). Multimodel inference: understanding AIC and BIC in model selection. Sociological Methods & Research. 33, 261-304. 10.1177/0049124104268644.
Bolker B. M., Brooks M. E., Clark C.J., Geange S.W., Poulsen J.R., Stevens M. H. H. & White J. S. S. (2009). Generalized linear mixed models: a practical guide for ecology and evolution. Trends in Ecology & Evolution. 24, 127-135. 10.1016/j.tree.2008.10.008.
Bürkner P. C. (2017). brms: An R package for bayesian multilevel models using stan. Journal of Statistical Software. 80, 1-28. 10.18637/jss.v080.i01.
Carpenter, B., Gelman, A., Hoffman, M., Lee, D., Goodrich, B., Betancour, M., Brubaker, M. A., Guo, J., Li, P., & Ridell, A. (2017). “Stan: A Probabilistic Programming Language.”. Journal of Statistical Software, 76(1), 1–32. 10.18637/jss.v076.i01.
D’ Agostino R. B. & Stephens M. A. (1986). Godnees-of-fit techniques. Statistics: Textbooks and monographs. Departament of Statistics Southern Methodist University Dallas, Texas.
Darling, D. A. (1957). The kolmogorov-smirnov, cramer-von mises tests. The Annals of Mathematical Statistics, 28(4), 823-838.
Enkvetchkul B., Anthony N. B. & Bottje, W. G. (1995). Liver and blood glutathione in male broiler chickens, turkeys, and quail. Poultry Science. 74, 885-889. 10.3382/ps.0740885.
Gelman, A., Hwang, J. & Vehtari, A. (2014). Understanding predictive information criteria for Bayesian models. Statistics and computing, 24(6), 997-1016.
Gujarati, D. N. (2009) Basic Endometrics. The McGraw-Hili Companies, Inc. (4a ed.), New Delhi.
Massey Jr. F. J. (1951). The Kolmogorov-Smirnov test for goodness of fit. Journal of the American statistical Association, 46(253), 68-78.
Mukaka M. M. (2012). Statistics corner: A guide to appropriate use of correlation coefficient in medical research. Malawi medical journal: the journal of Medical Association of Malawi, 24(3), 69–71.
Laio F. (2004). Cramer-von Mises and Anderson-Darling goodness of fit tests for extreme value distributions with unknown parameters. Water Resources Research. 40, W09308. 10.1029/2004WR003204.
Lüdke, M. & André, M. E. D. A. (1986). Pesquisa em Educação: Abordagens Qualitativas. Temas Básicos de Educação e Ensino (E.P.U.).
Muller, M. L. D. & Dutang, C. (2015). Fitdristrplus: An R package for fitting distributions. Journal of Statistical Software. 64, 1-34. 10.18637/jss.v064.i04.
Neter J. Wasserman. W., & Kutner M. H. (1985). Applied linear statistical models: regression, analysis of variance, and experimental designs. RD Irwin, Homewood.
Oliveira, A. M., Furlan, A. C. Murakami., A. E. et al. (1999). Exigência nutricional de lisina para codornas japonesas (Coturnix coturnix japonica) em postura. Revista Brasileira de Zootecnia, 28, 550 1050-1053p.
Pan W. (2001). Akaike’s information criterion in generalized estimating equations. division of biostatistics. Biometrics. 57, 120-125. 10.1111/j.0006-341x.2001.00120.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J. & Shitsuka, R. (2018). Metodologia da Pesquisa Científica. Universidade Federal de Santa Maria, RS.
Silva, R. B. Z da, Silva, R. N. Z. Da, Aires, F. F. Da C. & Soares, E. J. O. (2019). The use of time series models for forecast corn production in Mato Grosso state. Research, Society and Development, 9, n.1. http://dx.doi.org/10.33448/rsd-v9i1.1915.
Silva, G. de L. P. E, Geraldine, R. M., Santana, R. F., Bento, J. A. C., Neto, M. A. de S. & Caliari, M. (2020). Simulation of the production process of a mineral water industry by system dynamics method. Research, Society and Development, 9(7). http://dx.doi.org/10.33448/rsd-v9i7.4729.
Shahryar H. A., Salamatdoust R., Chekane-Azar S. & Ahadi F. M Vahddatpoor T. (2010). Lipid oxidation in fresh and stored eggs enriched with dietary ω3 and ω6 polyunsaturated fatty acids and vitamin E and A dosages. African Journal of Biotechnology. .9, 1827-1832. 10.5897/AJB10.1482.
Schwarz, G. (1978). Estimating the dimension of a model. The annals of statistics, 461-464.
Sher, V., Bemis, K. G., Liccardi, I., & Chen, M. (2017). An empirical study on the reliability of perceiving correlation indices using scatterplots. In Computer Graphics Forum. 36(3), 61-72).
Stan Development Team (2017). Stan Modeling Language: User’s Guide and Reference Manual. URL http://mc-stan.org/manual.html.
Vonesh, E. F. (2014). Generalized linear and nonlinear models for correlated data: theory and applications using SAS. SAS Institute.
Vonesh E. F., Chinchilli V. M. & Pu K. (1996). Goodness-of-fit in generalized nonlinear mixed-effects models. Biometrics. 52, 572-87. 0.2307/2532896.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Antonio Augusto Carvas Sant’ Anna; Jacyara Lopes Pereira; Matheus Lima Corrêa Abreu; Adolpho Marlon Antoniol de Moura; Elon Souza Aniceto; Jonas Henrique Motta; Leonardo Siqueira Glória
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
