Técnicas de qualidade de ajuste de modelos estatísticos com avaliação de distribuições de probabilidade utilizando dados de produção de codornas poedeiras
DOI:
https://doi.org/10.33448/rsd-v10i11.19317Palavras-chave:
Produção animal; Distribuição contínua de dados; Análise estatística; Modelo linear generalizado misto; Teste de ajuste; Software estatístico.Resumo
O objetivo do nosso estudo foi avaliar a qualidade do ajuste de diferentes tipos de distribuições de probabilidade para dados contínuos. Para tanto, as variáveis desempenho e qualidade do ovo de codorna na produção de ovos nutracêuticos foram utilizadas como fonte contínua de dados. Os dados foram coletados ao longo de 42 dias, o delineamento experimental foi inteiramente casualizado com 7 tratamentos, 6 repetições, com 252 animais alocados em 36 gaiolas. As distribuições de dados contínuos usadas foram a exponencial, gama, gaussiana e lognormal. Os softwares R Open Source e SAS® University Edition foram usados para realizar a análise. A análise gráfica das variáveis foi realizada a partir dos valores previstos versus observados, Função de Distribuição Cumulativa (CDF) e assimetria-curtose. Os ajustes também foram avaliados pelo critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC), modelo condicional de R-quadrado ajustado (), modelo condicional de correlação de concordância ajustada (), teste de Kolmogorov-Smirnov (KS), Teste de Cramer-von Mises (CvM), teste de Anderson-Darling (AD), Critério de informação Watanabe-Akaike (WAIC) e validação cruzada de deixar um de fora (LOO). Todos os testes indicaram a distribuição gaussiana como a mais adequada e excluíram a distribuição exponencial para todas as características avaliadas.
Referências
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.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 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
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
