Comparação entre modelos para predição do nitrogênio mineralizado: uma abordagem bayesiana / Comparison of the models for prediction of the mineralized nitrogen: a bayesian approach
Ciênc. agrotec., (Impr.)
; 33(spe): 1792-1797, 2009. tab
Article
em Pt
| LILACS
| ID: lil-542327
Biblioteca responsável:
BR1.1
RESUMO
Neste trabalho, desenvolveu-se uma abordagem bayesiana para predizer as quantidades de nitrogênio mineralizados por intermédio de modelos não lineares. Os modelos não lineares considerados para avaliar a dinâmica da mineralização do nitrogênio e para ilustrar o procedimento bayesiano foram modelo de Cabrera, Marion, Stanford e Smith. A comparação dos modelos foi feita por meio do Fator de Bayes (FB) e do Critério de Informação Bayesiano (BIC). A inferência sobre os parâmetros realizou-se por intermédio do Amostrador de Gibbs e do Metropolis Hastings. O modelo de Cabrera (1993) foi o que proporcionou melhor qualidade de ajuste ao conjunto de dados de mineralização de nitrogênio, sendo seguido pelo modelo de Stanford & Smith (1972) e, por último, o de Marion et al. (1981).
ABSTRACT
In this work one developed a Bayesian approach to predict the amount of mineralized nitrogen through nonlinear models. The nonlinear models considered to evaluate the mineralization of organic nitrogen and to illustrate the Bayesian procedure were models of Cabrera, Marion, Stanford and Smith. The comparison of the models was promoted through the Bayes Factor (FB) and Bayes Information Criterion (BIC). Inference on the parameters was carried out through the Gibbs Sampling and Metropolis Hastings. The model that provided better adjustment quality to the group of data was Cabrera's model (1993), followed by the model of Stanford & Smith (1972) and the last one by Marion et al. (1981).
Texto completo:
1
Índice:
LILACS
Tipo de estudo:
Prognostic_studies
/
Risk_factors_studies
Idioma:
Pt
Revista:
Ciênc. agrotec., (Impr.)
Assunto da revista:
BIOLOGIA
/
BIOTECNOLOGIA
/
CIENCIAS DA NUTRICAO
/
VETERINARIA
Ano de publicação:
2009
Tipo de documento:
Article