Your browser doesn't support javascript.
loading
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]
Genç, S; Mendes, M.
Afiliación
  • Genç, S; Kirsehir Ahi Evran University. Faculty of Agriculture. Department of Agricultural Biotechnology. Kirsehir. TR
  • Mendes, M; Canakkale Onsekiz Mart University. Faculty of Agriculture. Biometry and Genetics Unit. Canakkale. TR
Arq. bras. med. vet. zootec. (Online) ; 73(6): 1391-1402, Nov.-Dec. 2021. tab, graf, ilus
Artículo en Inglés | LILACS, VETINDEX | ID: biblio-1355689
Biblioteca responsable: BR68.1
ABSTRACT
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)
RESUMO
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)
Asunto(s)


Texto completo: Disponible Contexto en salud: Agenda de Salud Sostenible para las Américas Problema de salud: Objetivo 4: Financiamiento de la salud Base de datos: LILACS / VETINDEX Asunto principal: Modelos Lineales / Método de Montecarlo / Análisis de Regresión / Análisis de Datos Tipo de estudio: Estudio diagnóstico / Evaluación económica en salud / Estudio pronóstico Idioma: Inglés Revista: Arq. bras. med. vet. zootec. (Online) Año: 2021 Tipo del documento: Artículo Institución/País de afiliación: Canakkale Onsekiz Mart University/TR / Kirsehir Ahi Evran University/TR

Texto completo: Disponible Contexto en salud: Agenda de Salud Sostenible para las Américas Problema de salud: Objetivo 4: Financiamiento de la salud Base de datos: LILACS / VETINDEX Asunto principal: Modelos Lineales / Método de Montecarlo / Análisis de Regresión / Análisis de Datos Tipo de estudio: Estudio diagnóstico / Evaluación económica en salud / Estudio pronóstico Idioma: Inglés Revista: Arq. bras. med. vet. zootec. (Online) Año: 2021 Tipo del documento: Artículo Institución/País de afiliación: Canakkale Onsekiz Mart University/TR / Kirsehir Ahi Evran University/TR
...