Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión
- Autores
- Rosales Heredia, María Soleana de Las Mercedes; Bruno, Cecilia Ines; Balzarini, Monica Graciela
- Año de publicación
- 2010
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- En investigaciones agrícolas son frecuentes los ensayos multiambientales (EMA) para la comparación de rendimientos de varios genotipos en múltiples ambientes. Para caracterizar los ambientes es común registrar covariables meteorológicas y/o de manejo con potencialidad de explicar relaciones entre rendimientos y ambientes. La contribución relativa de las distintas covariables suele analizarse vía técnicas estadísticas univariadas, principalmente prueba t y análisis de regresión. No obstante, los árboles de clasificación y de regresión, algoritmos CART, constituyen una aproximación multivariada alternativa para identificar variables ambientales de más impacto en los rendimientos. Lo CART presentan menos restricciones para su implementación que las técnicas de análisis basadas en los modelos lineales clásicos. En el presente trabajo se evalúa el desempeño de algoritmos CART comparado con los procedimientos clásicos de análisis en una base de datos de rendimientos de soja proveniente de un EMA inserto en la región sojera argentina a través de los ambientes. Los resultados muestran que los algoritmos CARTconstituyen, debido a su bajo error de predicción, una técnica robusta para predecir la variabilidad en los rendimientos como respuesta a variaciones ambientales. El estudio resalta la necesidad de contemplar la multicolinealidad al trabajar con covariables ambientales y modelos clásicos
Fil: Rosales Heredia, María Soleana de Las Mercedes. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina
Fil: Bruno, Cecilia Ines. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina
Fil: Balzarini, Monica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina - Materia
-
CART
ENSAYOS MULTIAMBIENTALES
COVARIABLES AMBIENTALES - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/191252
Ver los metadatos del registro completo
id |
CONICETDig_214c767ca9b80d31332cb79f78193faa |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/191252 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresiónRosales Heredia, María Soleana de Las MercedesBruno, Cecilia InesBalzarini, Monica GracielaCARTENSAYOS MULTIAMBIENTALESCOVARIABLES AMBIENTALEShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1En investigaciones agrícolas son frecuentes los ensayos multiambientales (EMA) para la comparación de rendimientos de varios genotipos en múltiples ambientes. Para caracterizar los ambientes es común registrar covariables meteorológicas y/o de manejo con potencialidad de explicar relaciones entre rendimientos y ambientes. La contribución relativa de las distintas covariables suele analizarse vía técnicas estadísticas univariadas, principalmente prueba t y análisis de regresión. No obstante, los árboles de clasificación y de regresión, algoritmos CART, constituyen una aproximación multivariada alternativa para identificar variables ambientales de más impacto en los rendimientos. Lo CART presentan menos restricciones para su implementación que las técnicas de análisis basadas en los modelos lineales clásicos. En el presente trabajo se evalúa el desempeño de algoritmos CART comparado con los procedimientos clásicos de análisis en una base de datos de rendimientos de soja proveniente de un EMA inserto en la región sojera argentina a través de los ambientes. Los resultados muestran que los algoritmos CARTconstituyen, debido a su bajo error de predicción, una técnica robusta para predecir la variabilidad en los rendimientos como respuesta a variaciones ambientales. El estudio resalta la necesidad de contemplar la multicolinealidad al trabajar con covariables ambientales y modelos clásicosFil: Rosales Heredia, María Soleana de Las Mercedes. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; ArgentinaFil: Bruno, Cecilia Ines. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; ArgentinaFil: Balzarini, Monica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; ArgentinaInterciencia2010-12info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/191252Rosales Heredia, María Soleana de Las Mercedes; Bruno, Cecilia Ines; Balzarini, Monica Graciela; Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión; Interciencia; Interciencia; 35; 12; 12-2010; 876-8820378-18442244-7776CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/ejemplar/273657info:eu-repo/semantics/altIdentifier/url/https://www.interciencia.net/volumen-35/numero-12-7/info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:19:12Zoai:ri.conicet.gov.ar:11336/191252instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:19:13.118CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión |
title |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión |
spellingShingle |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión Rosales Heredia, María Soleana de Las Mercedes CART ENSAYOS MULTIAMBIENTALES COVARIABLES AMBIENTALES |
title_short |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión |
title_full |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión |
title_fullStr |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión |
title_full_unstemmed |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión |
title_sort |
Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión |
dc.creator.none.fl_str_mv |
Rosales Heredia, María Soleana de Las Mercedes Bruno, Cecilia Ines Balzarini, Monica Graciela |
author |
Rosales Heredia, María Soleana de Las Mercedes |
author_facet |
Rosales Heredia, María Soleana de Las Mercedes Bruno, Cecilia Ines Balzarini, Monica Graciela |
author_role |
author |
author2 |
Bruno, Cecilia Ines Balzarini, Monica Graciela |
author2_role |
author author |
dc.subject.none.fl_str_mv |
CART ENSAYOS MULTIAMBIENTALES COVARIABLES AMBIENTALES |
topic |
CART ENSAYOS MULTIAMBIENTALES COVARIABLES AMBIENTALES |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.2 https://purl.org/becyt/ford/1 |
dc.description.none.fl_txt_mv |
En investigaciones agrícolas son frecuentes los ensayos multiambientales (EMA) para la comparación de rendimientos de varios genotipos en múltiples ambientes. Para caracterizar los ambientes es común registrar covariables meteorológicas y/o de manejo con potencialidad de explicar relaciones entre rendimientos y ambientes. La contribución relativa de las distintas covariables suele analizarse vía técnicas estadísticas univariadas, principalmente prueba t y análisis de regresión. No obstante, los árboles de clasificación y de regresión, algoritmos CART, constituyen una aproximación multivariada alternativa para identificar variables ambientales de más impacto en los rendimientos. Lo CART presentan menos restricciones para su implementación que las técnicas de análisis basadas en los modelos lineales clásicos. En el presente trabajo se evalúa el desempeño de algoritmos CART comparado con los procedimientos clásicos de análisis en una base de datos de rendimientos de soja proveniente de un EMA inserto en la región sojera argentina a través de los ambientes. Los resultados muestran que los algoritmos CARTconstituyen, debido a su bajo error de predicción, una técnica robusta para predecir la variabilidad en los rendimientos como respuesta a variaciones ambientales. El estudio resalta la necesidad de contemplar la multicolinealidad al trabajar con covariables ambientales y modelos clásicos Fil: Rosales Heredia, María Soleana de Las Mercedes. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina Fil: Bruno, Cecilia Ines. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina Fil: Balzarini, Monica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina |
description |
En investigaciones agrícolas son frecuentes los ensayos multiambientales (EMA) para la comparación de rendimientos de varios genotipos en múltiples ambientes. Para caracterizar los ambientes es común registrar covariables meteorológicas y/o de manejo con potencialidad de explicar relaciones entre rendimientos y ambientes. La contribución relativa de las distintas covariables suele analizarse vía técnicas estadísticas univariadas, principalmente prueba t y análisis de regresión. No obstante, los árboles de clasificación y de regresión, algoritmos CART, constituyen una aproximación multivariada alternativa para identificar variables ambientales de más impacto en los rendimientos. Lo CART presentan menos restricciones para su implementación que las técnicas de análisis basadas en los modelos lineales clásicos. En el presente trabajo se evalúa el desempeño de algoritmos CART comparado con los procedimientos clásicos de análisis en una base de datos de rendimientos de soja proveniente de un EMA inserto en la región sojera argentina a través de los ambientes. Los resultados muestran que los algoritmos CARTconstituyen, debido a su bajo error de predicción, una técnica robusta para predecir la variabilidad en los rendimientos como respuesta a variaciones ambientales. El estudio resalta la necesidad de contemplar la multicolinealidad al trabajar con covariables ambientales y modelos clásicos |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-12 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/191252 Rosales Heredia, María Soleana de Las Mercedes; Bruno, Cecilia Ines; Balzarini, Monica Graciela; Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión; Interciencia; Interciencia; 35; 12; 12-2010; 876-882 0378-1844 2244-7776 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/191252 |
identifier_str_mv |
Rosales Heredia, María Soleana de Las Mercedes; Bruno, Cecilia Ines; Balzarini, Monica Graciela; Identificación de relaciones entre rendimientos y variables ambientales vía árboles de clasificación y regresión; Interciencia; Interciencia; 35; 12; 12-2010; 876-882 0378-1844 2244-7776 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/ejemplar/273657 info:eu-repo/semantics/altIdentifier/url/https://www.interciencia.net/volumen-35/numero-12-7/ |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Interciencia |
publisher.none.fl_str_mv |
Interciencia |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844614162089508864 |
score |
13.070432 |