Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos
Descripción del Articulo
En este trabajo se buscaron modelos de regresión lineal y cuadrática múltiple para cada uno de los principales estados productores de maíz de los Estados Unidos. Se tomó como variable dependiente el rendimiento anual de maíz y como variables independientes, al año, temperaturas promedio mensuales y...
Autores: | , |
---|---|
Formato: | artículo |
Fecha de Publicación: | 2014 |
Institución: | Universidad Nacional Agraria La Molina |
Repositorio: | Revistas - Universidad Nacional Agraria La Molina |
Lenguaje: | español |
OAI Identifier: | oai:revistas.lamolina.edu.pe:article/939 |
Enlace del recurso: | https://revistas.lamolina.edu.pe/index.php/acu/article/view/939 |
Nivel de acceso: | acceso abierto |
Materia: | maíz modelo agroclimático modelo empírico-estadístico de pronóstico de cosechas estimación maíz Estados Unidos. |
id |
REVUNALM_b0c560f00dba80dbb5be205e79cf838b |
---|---|
oai_identifier_str |
oai:revistas.lamolina.edu.pe:article/939 |
network_acronym_str |
REVUNALM |
network_name_str |
Revistas - Universidad Nacional Agraria La Molina |
repository_id_str |
|
spelling |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados UnidosArakaki Kiyan, Julio AlfonsoChang Chang Fun, Juan Carlosmaízmodelo agroclimáticomodelo empírico-estadístico de pronóstico de cosechasestimación maíz Estados Unidos.En este trabajo se buscaron modelos de regresión lineal y cuadrática múltiple para cada uno de los principales estados productores de maíz de los Estados Unidos. Se tomó como variable dependiente el rendimiento anual de maíz y como variables independientes, al año, temperaturas promedio mensuales y precipitaciones totales mensuales. Se encontró que el tamaño óptimo de la muestra de observaciones era de 30 años para todos los estados. Se consideró al mejor modelo como aquel que tuviera el coeficiente de correlación múltiple corregido más alto o la desviación estándar más baja. Los modelos, así como sus parámetros estadísticos, fueron obtenidos usando técnicas estándares de regresión múltiple. El criterio usado para validar los modelos fue el coeficiente de correlación entre los rendimientos observados y los rendimientos estimados. En base a esta prueba solamente un modelo, el del estado de Indiana, tuvo significancia estadística para estimar rendimientos de maíz a futuro.Universidad Nacional Agraria La Molina La Molina2014-06-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.lamolina.edu.pe/index.php/acu/article/view/93910.21704/ac.v75i1.939Anales Científicos; Vol. 75 Núm. 1 (2014): Enero a Junio; 100-107Anales Científicos; Vol. 75 No. 1 (2014): Enero a Junio; 100-1072519-73980255-0407reponame:Revistas - Universidad Nacional Agraria La Molinainstname:Universidad Nacional Agraria La Molinainstacron:UNALMspahttps://revistas.lamolina.edu.pe/index.php/acu/article/view/939/pdf_150Derechos de autor 2017 Julio Alfonso Arakaki Kiyan, Juan Carlos Chang Chang Funinfo:eu-repo/semantics/openAccessoai:revistas.lamolina.edu.pe:article/9392021-11-06T15:12:43Z |
dc.title.none.fl_str_mv |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos |
title |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos |
spellingShingle |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos Arakaki Kiyan, Julio Alfonso maíz modelo agroclimático modelo empírico-estadístico de pronóstico de cosechas estimación maíz Estados Unidos. |
title_short |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos |
title_full |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos |
title_fullStr |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos |
title_full_unstemmed |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos |
title_sort |
Modelos empírico-estadísticos de rendimiento de maíz en los principales estados productores de maíz de los Estados Unidos |
dc.creator.none.fl_str_mv |
Arakaki Kiyan, Julio Alfonso Chang Chang Fun, Juan Carlos |
author |
Arakaki Kiyan, Julio Alfonso |
author_facet |
Arakaki Kiyan, Julio Alfonso Chang Chang Fun, Juan Carlos |
author_role |
author |
author2 |
Chang Chang Fun, Juan Carlos |
author2_role |
author |
dc.subject.none.fl_str_mv |
maíz modelo agroclimático modelo empírico-estadístico de pronóstico de cosechas estimación maíz Estados Unidos. |
topic |
maíz modelo agroclimático modelo empírico-estadístico de pronóstico de cosechas estimación maíz Estados Unidos. |
description |
En este trabajo se buscaron modelos de regresión lineal y cuadrática múltiple para cada uno de los principales estados productores de maíz de los Estados Unidos. Se tomó como variable dependiente el rendimiento anual de maíz y como variables independientes, al año, temperaturas promedio mensuales y precipitaciones totales mensuales. Se encontró que el tamaño óptimo de la muestra de observaciones era de 30 años para todos los estados. Se consideró al mejor modelo como aquel que tuviera el coeficiente de correlación múltiple corregido más alto o la desviación estándar más baja. Los modelos, así como sus parámetros estadísticos, fueron obtenidos usando técnicas estándares de regresión múltiple. El criterio usado para validar los modelos fue el coeficiente de correlación entre los rendimientos observados y los rendimientos estimados. En base a esta prueba solamente un modelo, el del estado de Indiana, tuvo significancia estadística para estimar rendimientos de maíz a futuro. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-06-30 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://revistas.lamolina.edu.pe/index.php/acu/article/view/939 10.21704/ac.v75i1.939 |
url |
https://revistas.lamolina.edu.pe/index.php/acu/article/view/939 |
identifier_str_mv |
10.21704/ac.v75i1.939 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
https://revistas.lamolina.edu.pe/index.php/acu/article/view/939/pdf_150 |
dc.rights.none.fl_str_mv |
Derechos de autor 2017 Julio Alfonso Arakaki Kiyan, Juan Carlos Chang Chang Fun info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Derechos de autor 2017 Julio Alfonso Arakaki Kiyan, Juan Carlos Chang Chang Fun |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Nacional Agraria La Molina La Molina |
publisher.none.fl_str_mv |
Universidad Nacional Agraria La Molina La Molina |
dc.source.none.fl_str_mv |
Anales Científicos; Vol. 75 Núm. 1 (2014): Enero a Junio; 100-107 Anales Científicos; Vol. 75 No. 1 (2014): Enero a Junio; 100-107 2519-7398 0255-0407 reponame:Revistas - Universidad Nacional Agraria La Molina instname:Universidad Nacional Agraria La Molina instacron:UNALM |
instname_str |
Universidad Nacional Agraria La Molina |
instacron_str |
UNALM |
institution |
UNALM |
reponame_str |
Revistas - Universidad Nacional Agraria La Molina |
collection |
Revistas - Universidad Nacional Agraria La Molina |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1843892485149949952 |
score |
13.263243 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).