Normal view MARC view ISBD view

Asociación del índice de sitio con variables ambientales Actas Reunión IUFRO

by (ed.); CAMPOS A, J.J; Salazar F, R; CATIE, Turrialba (Costa Rica). Proyecto Cultivo de Arboles de Uso Múltiple; CATIE, Turrialba (Costa Rica); Manejo y Aprovechamiento de Plantaciones Forestales con Especies de Uso Múltiple, Guatemala, 3-7 Abr 1989.
Publisher: Turrialba (Costa Rica), 1990 Description: P.367-386.Subject(s): CALIDAD DE SITIO | CIENCIA DE LA INFORMACION | BIOMETRIA | SUELOS | ANALISIS ESTADISTICO | EUCALYPTUS CAMALDULENSIS | AMERICA CENTRAL | BIOMETRY | STATISTICAL ANALYSIS | EUCALYPTUS CAMALDULENSIS | CENTRAL AMERICA | BIOMETRIE | ANALYSE STATISTIQUE | EUCALYPTUS CAMALDULENSIS | AMERIQUE CENTRALESummary: Se creó un sistema de bases de datos con información ambiental y de crecimiento de más de 180 ensayos de Eucalyptus camaldulensis en América Central. Fueron seleccionados ensayos para la elaboración de modelos matemáticos de regresión múltiple para predicción de la productividad de la especie a partir de variables ambientales. Se discuten los problemas estadísticos de la presencia de colinearidad en las variables de predicción. Se presenta una metodología para la eliminación de variables ambientales altamente correlacionadas, buscando una pérdida mínima de la información que caracteriza la variación ambiental y de su valor predictivo. Se seleccionó el modelo de regresión múltiple que presentó el ajuste mejor
    average rating: 0.0 (0 votes)
No physical items for this record

Dat.num. 11ref. Sum.(Es)

Se creó un sistema de bases de datos con información ambiental y de crecimiento de más de 180 ensayos de Eucalyptus camaldulensis en América Central. Fueron seleccionados ensayos para la elaboración de modelos matemáticos de regresión múltiple para predicción de la productividad de la especie a partir de variables ambientales. Se discuten los problemas estadísticos de la presencia de colinearidad en las variables de predicción. Se presenta una metodología para la eliminación de variables ambientales altamente correlacionadas, buscando una pérdida mínima de la información que caracteriza la variación ambiental y de su valor predictivo. Se seleccionó el modelo de regresión múltiple que presentó el ajuste mejor

Click on an image to view it in the image viewer