DOI: 10.11606/d.11.2019.tde-23082019-150302
|View full text |Cite
|
Sign up to set email alerts
|

Comparação entre métodos de imputação de dados em diferentes intensidades amostrais na série homogênea de precipitação pluvial da ESALQ

Abstract: Comparação entre métodos de imputação de dados em diferentes intensidades amostrais na série homogênea de precipitação pluvial da ESALQ versão revisada de acordo com a resolução CoPGr 6018 de 2011 Orientadora: Profª Drª SÔNIA MARIA DE STEFANO PIEDADE Dissertação apresentada para obtenção do título de Mestra em Ciências. Área de concentração: Estatística e Experimentação Agronômica

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1

Citation Types

0
0
0
1

Publication Types

Select...
1
1

Relationship

0
2

Authors

Journals

citations
Cited by 2 publications
(1 citation statement)
references
References 15 publications
0
0
0
1
Order By: Relevance
“…De acordo com o apresentado em cada box plot, os valores do índice de desempenho, foram superiores a 0,85 em todos os cenários para os métodos CART, PMM e BLR, sendo classificados como ótimo, já para RF os valores estiveram entre 0,2 a 0,8 para todos os cenários de porcentagem de ausência de dados, sendo em sua maioria classificados como mediano e sofrível. Resultado semelhante a esse foi apresentado por Gasparetto et al (2021), que como neste trabalho, compararam três métodos de imputação em diferente intensidades de dados faltantes (5%, 10% e 15%) para dados de precipitação pluvial, em seu estudo observaram que o método PMM foi o que forneceu melhores resultados, também elegendo o método RF como o menos adequado, sendo classificado como péssimo, pelos resultados do índice de desempenho.…”
Section: Análise Dos Métodos Por Estudo De Simulaçãounclassified
“…De acordo com o apresentado em cada box plot, os valores do índice de desempenho, foram superiores a 0,85 em todos os cenários para os métodos CART, PMM e BLR, sendo classificados como ótimo, já para RF os valores estiveram entre 0,2 a 0,8 para todos os cenários de porcentagem de ausência de dados, sendo em sua maioria classificados como mediano e sofrível. Resultado semelhante a esse foi apresentado por Gasparetto et al (2021), que como neste trabalho, compararam três métodos de imputação em diferente intensidades de dados faltantes (5%, 10% e 15%) para dados de precipitação pluvial, em seu estudo observaram que o método PMM foi o que forneceu melhores resultados, também elegendo o método RF como o menos adequado, sendo classificado como péssimo, pelos resultados do índice de desempenho.…”
Section: Análise Dos Métodos Por Estudo De Simulaçãounclassified