Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Regresja liniowa" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Modelowanie emisji podtlenku azotu ze źródeł rolniczych z wykorzystaniem regresji liniowej
Modeling nitrous oxide emissions from agricultural sources with the use of linear regression
Autorzy:
Kolasa-Więcek, A.
Powiązania:
https://bibliotekanauki.pl/articles/334667.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
podtlenek azotu
uprawy rolne
zwierzęta hodowlane
nawozy azotowe
regresja liniowa
modelowanie
nitrous oxide
agriculture
farming animals
nitrogen fertilizers
linear regression
modeling
Opis:
W artykule opisano przebieg badań zmiennych bezpośrednio związanych z rolniczymi emisjami podtlenku azotu w Polsce. Na podstawie regresji liniowej utworzono model opisujący analizowane zmienne. W wyniku przeprowadzonych testów Pearsona i Shapiro-Wilka wyeliminowano zmienne nie spełniające założeń. W otrzymanym liniowym modelu regresyjnym 63% zmienności emisji N2O tłumaczona jest zmiennością zużycia nawozów azotowych. Badania prowadzono z wykorzystaniem pakietu statystycznego R-Project.
In the article the variables directly related to agricultural nitrous oxide emissions in Poland were studied. Based on a linear regression the model was created to describe the analyzed variables. As a result of Pearson's test and Shapiro-Wilk the variables which did not fulfill the tests assumptions were eliminated. In the resulting linear regression model, 63% of the variability of N2O emissions is explained by variability in use of nitrogen fertilizers. The study was conducted using the statistical package R-Project.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 86-89
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Relationships between selected traits in maize (Zea mays L.). Part 2. Multiple linear regression
Współzależność pomiędzy wybranymi cechami kukurydzy (Zea mays L.). Cz. 2. Liniowa regresja wielokrotna
Autorzy:
Bocianowski, Jan
Cyplik, Adrian
Szulc, Piotr
Kobus-Cisowska, Joanna
Powiązania:
https://bibliotekanauki.pl/articles/336819.pdf
Data publikacji:
2019
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
maize
multiple linear regression
grain yield
kukurydza
liniowa regresja wielokrotna
plon ziarna
Opis:
The study comprised of 13 maize cultivars, evaluated at two years in a randomized complete block design, with four replicates. To assess the quantitative impact of individual traits on the grain yield the multiple regression analysis was used. We observed grain yield and seven quantitative traits: SPAD, length of ears, number of kernels in row, damage of maize caused by P. nubilalis, infection of maize by Fusarium spp., number of ears and content of chlorophyll a.
Badanie obejmowało 13 odmian kukurydzy, analizowanych w dwóch latach w doświadczeniach polowych, w układzie bloków losowanych kompletnych, w czterech powtórzeniach. Do oceny wpływu poszczególnych cech ilościowych na plon ziarna zastosowano analizę funkcji regresji wielokrotnej. Obserwowano plon ziarna i siedem cech ilościowych: SPAD, długość kolby, liczba ziaren w rzędzie, procent roślin uszkodzonych przez P. nubilalis, porażenie przez Fusarium, liczba kolb oraz zawartość chlorofilu a.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2019, 64, 3; 15-19
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies