Precisão experimental em ensaios com a cultura do feijão

A avaliação do coeficiente de variação (CV) como medida da precisão dos experimentos tem sido feita com diversas culturas, espécies animais e forrageiras por meio de trabalhos sugerindo faixas de classificação dos valores, considerando-se a média, o desvio padrão e a distribuição dos valores de CV das diversas variáveis respostas envolvidas nos experimentos. Neste trabalho, objetivouse estudar a distribuição dos valores de CV de experimentos com a cultura do feijão, propondo faixas que orientem os pesquisadores na avaliação de seus estudos com cada variável. Os dados utilizados foram obtidos de revisão em revistas que publicam artigos científicos com a cultura do feijão. Foram consideradas as variáveis: rendimento, número de vagens por planta, número de grãos por vagem, peso de 100 grãos, estande final, altura de plantas e índice de colheita. Foram obtidas faixas de valores de CV para cada variável tomando como base a distribuição normal, utilizando-se também a distribuição dos quantis amostrais e a mediana e o pseudo-sigma, classificando-os como baixo, médio, alto e muito alto. Os cálculos estatísticos para verificação da normalidade dos dados foram implementados por meio de uma função no software estatístico livre R. Os resultados obtidos indicaram que faixas de valores de CV diferiram entre as diversas variáveis apresentando ampla variação justificando a necessidade de utilizar faixa de avaliação específica para cada variável.

The Poisson-exponential lifetime distribution

In this paper we proposed a new two-parameters lifetime distribution with increasing failure rate. The new distribution arises on a latent complementary risk problem base. The properties of the proposed distribution are discussed, including a formal proof of its probability density function and explicit algebraic formulae for its reliability and failure rate functions, quantiles and moments, including the mean and variance. A simple EM-type algorithm for iteratively computing maximum likelihood estimates is presented. The Fisher information matrix is derived analytically in order to obtaining the asymptotic covariance matrix. The methodology is illustrated on a real data set. (C) 2010 Elsevier B.V. All rights reserved.

Non-stationary frequency analysis of extreme daily rainfall in Sao Paulo, Brazil

This work is an assessment of frequency of extreme values (EVs) of daily rainfall in the city of Sao Paulo. Brazil, over the period 1933-2005, based on the peaks-over-threshold (POT) and Generalized Pareto Distribution (GPD) approach. Usually. a GPD model is fitted to a sample of POT Values Selected With a constant threshold. However. in this work we use time-dependent thresholds, composed of relatively large p quantities (for example p of 0.97) of daily rainfall amounts computed from all available data. Samples of POT values were extracted with several Values of p. Four different GPD models (GPD-1, GPD-2, GPD-3. and GDP-4) were fitted to each one of these samples by the maximum likelihood (ML) method. The shape parameter was assumed constant for the four models, but time-varying covariates were incorporated into scale parameter of GPD-2. GPD-3, and GPD-4, describing annual cycle in GPD-2. linear trend in GPD-3, and both annual cycle and linear trend in GPD-4. The GPD-1 with constant scale and shape parameters is the simplest model. For identification of the best model among the four models WC used rescaled Akaike Information Criterion (AIC) with second-order bias correction. This criterion isolates GPD-3 as the best model, i.e. the one with positive linear trend in the scale parameter. The slope of this trend is significant compared to the null hypothesis of no trend, for about 98% confidence level. The non-parametric Mann-Kendall test also showed presence of positive trend in the annual frequency of excess over high thresholds. with p-value being virtually zero. Therefore. there is strong evidence that high quantiles of daily rainfall in the city of Sao Paulo have been increasing in magnitude and frequency over time. For example. 0.99 quantiles of daily rainfall amount have increased by about 40 mm between 1933 and 2005. Copyright (C) 2008 Royal Meteorological Society