Kooperativer Bibliotheksverbund

UID:

Format: 1 Online-Ressource (X, 155 Seiten) : , Illustrationen.

ISBN: 978-94-024-1696-1

Additional Edition: Erscheint auch als Druck-Ausgabe ISBN 978-94-024-1695-4

Additional Edition: Erscheint auch als Druck-Ausgabe ISBN 978-94-024-1697-8

Additional Edition: Erscheint auch als Druck-Ausgabe ISBN 978-94-024-1698-5

Language: English

Subjects: Agriculture, Forestry, Horticulture, Fishery, Domestic Science , Biology

DOI: 10.1007/978-94-024-1696-1

URL: Volltext  (URL des Erstveröffentlichers)

URL: Volltext  (URL des Erstveröffentlichers)

URL: lizenzpflichtig

UID:

Format: 1 Online-Ressource (XIV, 239 p. 74 illus., 44 illus. in color)

ISBN: 9783319962894

Series Statement: Sustainable Agriculture Reviews 30

Additional Edition: Erscheint auch als Druck-Ausgabe ISBN 978-3-319-96288-7

Additional Edition: Erscheint auch als Druck-Ausgabe ISBN 978-3-319-96290-0

Language: English

DOI: 10.1007/978-3-319-96289-4

URL: Volltext  (URL des Erstveröffentlichers)

UID:

Format: 1 Online-Ressource

ISBN: 9782817802503 , 9782817802510

Series Statement: Collection statistique et probabilités appliquées

Language: French

Keywords: Fallstudiensammlung

DOI: 10.1007/978-2-8178-0251-0

URL: Volltext

UID:

Format: 1 online resource (465 p.)

Edition: 1st ed.

ISBN: 1-280-63858-3 , 9786610638581 , 0-08-046193-X

Content: Mathematical models are being used more and more widely to study complex dynamic systems (global weather, ecological systems, hydrological systems, nuclear reactors etc. including the specific subject of this book, crop-soil systems). The models are important aids in understanding, predicting and managing these systems. Such models are complex and imperfect. One fundamental research direction is to seek a better understanding of how these systems function, and to propose mathematical expressions embodying that understanding. However, this is not sufficient. It is also essential to have

Note: Description based upon print version of record. , Cover; Title; Copyright; Table of Contents; List of Contributors; Preface; Overview; Chapter 1: The two forms of crop models; Chapter 2: Evaluating crop models; Chapter 3: Uncertainty and sensitivity analysis for crop models; Chapter 4: Parameter estimation for crop models; Chapter 5: Data assimilation with crop models; Chapter 6: Representing and optimizing management; Chapter 7: Using crop models for multiple fields; Chapter 8: Introduction to Section II; Chapter 9: Fundamental concepts of crop models illustrated by a comparative approach; Chapter 10: Crop models with genotype parameters , Chapter 11: Model-assisted genetic improvement of cropsChapter 12: Parameterization and evaluation of a corn crop model; Chapter 13: Evaluation of a model for kiwifruit; Chapter 14: Sensitivity and uncertainty analysis of a static denitrification model; Chapter 15: Sensitivity analysis of PASTIS, a model of nitrogen transport and transformation in the soil; Chapter 16: Sensitivity analysis of GENESYS, a model for studying the effect of cropping systems on gene flow; Chapter 17: Data assimilation and parameter estimation for precision agriculture using the crop model STICS , Chapter 18: Application of Extended and Ensemble Kalman Filters to soil carbon estimationChapter 19: Analyzing and improving corn irrigation strategies with MODERATO, a combination of a corn crop model and a decision model; Chapter 20: Managing wheat for ethanol production: a multiple criteria approach; Appendix: Statistical notions; Answers to Exercises; Index , English

Additional Edition: ISBN 0-444-52135-6

Language: English

UID:

Format: xiv, 447 p.

Edition: 1st ed.

Edition: Electronic reproduction. Ann Arbor, MI : ProQuest, 2015. Available via World Wide Web. Access may be limited to ProQuest affiliated libraries.

Language: English

Keywords: Electronic books. ; Electronic books.

URL: Click to View

URL: Click to View

UID:

Format: 1 online resource (160 pages) : , illustrations

Edition: 1st ed. 2019.

ISBN: 94-024-1696-X

Content: Data analysis plays an increasing role in research, scientific expertise and prospective studies. Multiple data sources are often available to estimate a key parameter or to test a hypothesis of scientific or societal interest. These data, obtained under different environmental conditions or based on different experimental protocols, are generally heterogeneous. Sometimes they are not even directly accessible and should be extracted from scientific articles or reports. However, a comprehensive analysis of the available data is essential to increase the accuracy of estimates, assess the validity of research conclusions and understand the origin of the variability of the experimental results. A quantitative synthesis of the data set available allows for a better understanding of the effects of explanatory factors and for evidence-based recommendations. Designed as a methodological guide, this book shows the interests and limitations of different statistical methods to analyze data from experimental networks and to perform meta-analyses. It is intended for engineers, students and researchers involved in data analysis in agronomy and environmental science. Our objective is to present the main statistical methods to analyze data from experimental networks and scientific publications. Each chapter exposes one or more methods and illustrates them with examples processed with the R software. Data and R codes are provided and commented in order to facilitate their adaptation to other situations. The codes can be reused from the KenSyn R package associated with this book.

Note: Chapter 1. Introduction and examples -- Part I. Analysis of experimental networks -- Chapter 2. Basic Concepts -- Chapter 3. Analysis of network of experiments in blocks of complete randomness as a studied factor -- Chapter 4. Advanced Methods for Network Analysis -- Chapter 5. Planning an Experimental Network -- Part II. The meta-analysis -- Chapter 6. Basics for meta-analysis -- Chapter 7. Specific statistical problems for the meta-analysis -- Annex. R resources to implement the methods of analysis networks and meta-analysis -- Package Codes.

Additional Edition: ISBN 94-024-1695-1

Language: English

DOI: 10.1007/978-94-024-1696-1

UID:

Format: 1 online resource (161 pages) : , illustrations

ISBN: 9782759228164 (e-book)

Additional Edition: Print version: Makowski, David. De l'analyse des réseaux expérimentaux à la méta-analyse : Méthodes et applications avec le logiciel R pour les sciences agronomiques et environnementales. Versailles Cedex, France : Editions Quae, 2018 ISBN 9782759228157

Language: French

Keywords: Electronic books.

URL: Click to View

UID:

Format: 1 online resource (161 pages) : , illustrations

Edition: 1st ed.

ISBN: 2-7592-2817-7

Note: Intro -- Sommaire -- 1. Introduction et exemples -- Objectifs de l'analyse de réseaux d'expérimentations et de la méta-analyse -- Données -- Le type de données -- La collecte des données -- La validation des données -- Analyse -- Principales étapes -- Présentation des hypothèses testées -- Collecte des données -- Validation des données -- Analyse des données -- Validation de l'analyse -- Communication des résultats -- Objectif de l'ouvrage -- Un exemple simple de modèle mixte -- Définition -- Données -- Définition du modèle -- Estimation -- Comparaison avec le modèle sans effet aléatoire -- Références -- Partie I. Analyse des réseaux expérimentaux -- 2. Notions de base -- Expérimentation agronomique -- Réseau d'expérimentations -- Définition -- Exemple de réseau d'expérimentations -- Notion d'environnement -- Objectifs d'un réseau d'expérimentations -- Notion de population d'environnements -- Notion d'interaction -- Références -- 3. Analyse d'un réseau d'expérimentations en blocs aléatoires complets à un facteur étudié -- Objectif du chapitre -- Exemple « blé » -- Modélisation -- Modèle avec un effet expérimentation aléatoire -- Modèle avec un effet expérimentation fixe -- Exemple -- Comment choisir entre un modèle avec un effet expérimentation fixe et un modèle avec un effet expérimentation aléatoire ? -- Évaluation du modèle -- Normalité -- Homoscédasticité -- Indépendance -- Données suspectes -- Comparaisons de moyennes -- Tests d'hypothèse : tests d'égalité -- Intervalles de confiance -- Tests d'hypothèse : tests d'équivalence -- Exemple -- Exemple « blé » : script R et analyse commentée -- Références -- 4. Méthodes avancées pour l'analyse des réseaux -- Analyse des données moyennes -- Étape 1 : analyse des expérimentations individuelles pour estimer les moyennes des traitements -- Étape 2 : analyse des données moyennes -- Exemple. , Une variante : analyse des données moyennes avec un modèle fixe -- Estimation de la variance d'interaction traitement-expérimentation -- Script R -- Expérimentations avec variances hétérogènes -- Introduction -- Exemple « blé » -- Pour aller plus loin -- Données manquantes -- Origine des données manquantes -- Moyennes ajustées -- Les facteurs lieu et année -- Objectif -- Exemple « blé_pluri » -- Modèle pour l'analyse des données moyennes -- Estimation de la variance de l'interaction traitement-année-lieu -- Variance de la différence entre deux traitements -- Analyse de l'exemple « blé_pluri » et script R -- Références -- 5. Planification d'un réseau d'expérimentations -- Objectif -- Comparaison de deux traitements -- Cas d'un réseau multilocal -- Cas d'un réseau multilocal et pluriannuel -- Autres contrastes -- Comparaison à la moyenne de plusieurs témoins -- Comparaison à la moyenne générale -- Références -- Partie II. La méta-analyse -- 6. Notions de base pour la méta-analyse -- Définition, origine et principales étapes de la méta-analyse -- Estimation d'une taille d'effet moyenne -- Objectif -- Recherche systématique des études, sélection des références et extraction de données -- Estimation de la taille d'effet moyenne avec un modèle sans effet aléatoire -- Estimation de la taille d'effet moyenne avec un modèle à effets aléatoires -- Métarégression -- Objectif -- Exemple -- Modèles de régression avec et sans effet aléatoire -- Exemple (suite) -- Analyse critique des résultats -- Références -- 7. Problèmes statistiques spécifiques pour la méta-analyse -- Définition de la taille d'effet -- Correction des biais liés à l'utilisation de ratios -- Différence entre moyennes d'observations -- Tailles d'effet pour les données binaires -- Coefficient de corrélation -- Tailles d'effet basées sur la variance. , Modèles linéaires généralisés pour l'analyse de données discrètes -- Modèle binomial logit à effets aléatoires pour analyser l'effet d'un traitement -- Exemple -- Modèles non linéaires mixtes -- Intérêt et définition -- Exemple -- Modèles bayésiens -- Définition -- Exemple : méta-analyse avec MCMCglmm -- Références -- Annexe -- Package KenSyn : code R et jeux de données des exemples présentés dans les différents chapitres -- Installation -- Contenu et utilisation -- Mettre en œuvre le modèle mixte sous R -- Ajuster un modèle mixte -- Manipuler les résultats des modèles mixtes sous R -- Le package metafor, dédié à la réalisation de méta-analyses sous R -- Approche bayésienne avec le modèle mixte -- Package MCMCglmm -- Package coda -- Références.

Additional Edition: ISBN 2-7592-2815-0

Language: French