Evaluating performance and determining optimum sample size for regression tree and automatic linear modeling / [Avaliando o desempenho e determinando o tamanho ideal da amostra para árvore de regressão e modelagem linear automática]

This study was carried out for two purposes: comparing performances of Regression Tree and Automatic Linear Modeling and determining optimum sample size for these methods under different experimental conditions. A comprehensive Monte Carlo Simulation Study was designed for these purposes. Results of simulation study showed that percentage of explained variation estimates of both Regression Tree and Automatic Linear Modeling was influenced by sample size, number of variables, and structure of variance-covariance matrix. Automatic Linear Modeling had higher performance than Regression Tree under all experimental conditions. It was concluded that the Regression Tree required much larger samples to make stable estimates when comparing to Automatic Linear Modeling.(AU)

Este estudo foi realizado com dois objetivos: comparar os desempenhos da Árvore de Regressão e da Modelagem Linear Automática e determinar o tamanho ideal da amostra para estes métodos sob diferentes condições experimentais. Um abrangente Estudo de Simulação de Monte Carlo foi projetado para estes propósitos. Os resultados do estudo de simulação mostraram que a porcentagem de estimativas de variação explicada tanto da Árvore de Regressão como da Modelagem Linear Automática foi influenciada pelo tamanho da amostra, número de variáveis e estrutura da matriz de variância-covariância. A Modelagem Linear Automática teve um desempenho superior ao da Árvore de Regressão em todas as condições experimentais. Concluiu-se que a Árvore de Regressão exigia amostras muito maiores para fazer estimativas estáveis quando comparada à Modelagem Linear Automática.(AU)

Linear modeling analysis using for determining the factors affecting 305-day milk yield / [Análise de modelagem linear usado para determinar os fatores que afetam o rendimento leiteiro de 305 dias]

The purpose of this study was to model the factors affecting the 305-day milk yield of dairy cows by using Automatic Linear Modeling Technique (ALM). The data set of this study consisted of eight different cow breeds grown in eight province of Turkey. Results of ALM showed that the accuracy of the model was 64.2 % means that 64.2% of the variation in the 305-day milk yield could be explained by the constructed model. Created model was consisted of four factors namely the Breed, Lactation Length, Parity, and Province. Therefore, those selected factors were more efficient than the others in predicting the 305-day milk yield.(AU)

O objetivo deste estudo foi modelar os fatores que afetam a produção de leite das vacas leiteiras em 305 dias, utilizando a Técnica de Modelagem Linear Automática (ALM). O conjunto de dados deste estudo consistia em oito raças diferentes de vacas cultivadas em oito províncias da Turquia. Os resultados da ALM mostraram que a precisão do modelo era de 64,2% significa que 64,2% da variação na produção de leite de 305 dias poderia ser explicada pelo modelo construído. O modelo criado consistia de quatro fatores: Raça, Comprimento da Lactação, Paridade e Província. Portanto, esses fatores selecionados foram mais eficientes do que os outros na previsão da produção de leite de 305 dias.(AU)