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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/191252
Acceder
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

Publicaciones similares