A metric multidimensional scaling method for large objects sets and its Monte Carlo evaluation

2002 ◽  
Author(s):  
L. Tsogo ◽  
M.H. Masson ◽  
A. Bardot
Keyword(s):  
Monte Carlo ◽  
Multidimensional Scaling ◽  
Scaling Method ◽  
Metric Multidimensional Scaling ◽  
Monte Carlo Evaluation

scholarly journals Influência do herbicida glyphosate na comunidade de plantas daninhas na região agrícola de Rio Verde, Goiás

2015 ◽  
Vol 14 (1) ◽  
pp. 1
Author(s):  
Weverton Ferreira Santos ◽  
Sérgio De Oliveira Procópio ◽  
Alessandro Guerra da Silva ◽  
Marcelo Ferreira Fernandes ◽  
Alberto Leão de Lemos Barroso
Keyword(s):  
Monte Carlo ◽  
Multidimensional Scaling ◽  
Panicum Maximum ◽  
Metric Multidimensional Scaling ◽  
Rumex Acetosella ◽  
Urochloa Decumbens ◽  
Indigofera Hirsuta

A crescente utilização do glyphosate no Brasil aumentou a pressão de seleção sobre as espécies de plantas daninhas tolerantes e resistentes a este herbicida. Este estudo objetivou avaliar a influência do padrão de utilização do glyphosate na dinâmica populacional das plantas daninhas na cultura da soja em trinta e cinco áreas amostrais de diferentes propriedades. Estas áreas foram classificadas quanto ao número de aplicações e quantidade de equivalente ácidos de glyphosate. Foi utilizado o método do quadrado-inventário nas trinta e cinco áreas amostrais na safra 2012/2013. Calcularam-se os parâmetros estruturais relativos de frequência, abundância e valor indicador do número indivíduos e biomassa seca da parte aérea. A representação gráfica das diferenças da composição florística, foi realizada pela técnica de non-metric multidimensional scaling, com distâncias de Sorensen. O teste multi response permutation procedures foi utilizado para testar hipóteses de diferenças nas composições florísticas. A ocorrência de espécies típicas de cada tratamento foi avaliada pelo valor indicador, utilizando-se o teste de Monte Carlo (p<0,05). A composição florística do número de plantas, diferiu entre áreas que utilizam padrões médios de glyphosate (seis aplicações ou 6001 a 8000 g ha-1 de equivalente ácido) em comparação com áreas de padrão muito baixo (quatro ou cinco aplicações ou 2000 a 4000 g ha-1). As espécies Gnaphalium coarctatum, Eugenias sp., Rumex acetosella e Spermacoce latifolia, Digitaria horizontalis, Urochloa decumbens, Panicum maximum, Gossypum hirsutum e Indigofera hirsuta apresentaram valor indicador significativo de ambientes com diferentes níveis de utilização de glyphosate. Diferentes padrões de utilização de glyphosate exerceram influência na composição florística das plantas daninhas nas áreas de soja avaliadas.

A monte carlo evaluation of interactive multidimensional scaling

Psychometrika ◽  
1976 ◽  
Vol 41 (1) ◽  
pp. 43-64 ◽  
Author(s):  
Roger A. Girard ◽  
Norman Cliff
Keyword(s):  
Monte Carlo ◽  
Multidimensional Scaling ◽  
Monte Carlo Evaluation

On Multimodality of the SSTRESS Criterion for Metric Multidimensional Scaling

Informatica ◽  
2003 ◽  
Vol 14 (1) ◽  
pp. 121-130 ◽  
Author(s):  
Antanas Žilinskas ◽  
Aurelija Podlipskytė
Keyword(s):  
Multidimensional Scaling ◽  
Metric Multidimensional Scaling

A Monte Carlo evaluation of growth mixture modeling

2021 ◽  
pp. 1-14
Author(s):  
Tiffany M. Shader ◽  
Theodore P. Beauchaine
Keyword(s):  
Monte Carlo ◽  
Growth Mixture Modeling ◽  
Mixture Modeling ◽  
Fit Indices ◽  
Linear Quadratic ◽  
Growth Mixture ◽  
True Number ◽  
Monte Carlo Evaluation ◽  
Wrong Number ◽  
State Of Affairs

Abstract Growth mixture modeling (GMM) and its variants, which group individuals based on similar longitudinal growth trajectories, are quite popular in developmental and clinical science. However, research addressing the validity of GMM-identified latent subgroupings is limited. This Monte Carlo simulation tests the efficiency of GMM in identifying known subgroups (k = 1–4) across various combinations of distributional characteristics, including skew, kurtosis, sample size, intercept effect size, patterns of growth (none, linear, quadratic, exponential), and proportions of observations within each group. In total, 1,955 combinations of distributional parameters were examined, each with 1,000 replications (1,955,000 simulations). Using standard fit indices, GMM often identified the wrong number of groups. When one group was simulated with varying skew and kurtosis, GMM often identified multiple groups. When two groups were simulated, GMM performed well only when one group had steep growth (whether linear, quadratic, or exponential). When three to four groups were simulated, GMM was effective primarily when intercept effect sizes and sample sizes were large, an uncommon state of affairs in real-world applications. When conditions were less ideal, GMM often underestimated the correct number of groups when the true number was between two and four. Results suggest caution in interpreting GMM results, which sometimes get reified in the literature.

Monte Carlo evaluation of GaN THz Gunn diodes

2021 ◽  
Author(s):  
Wen Zhao Lee ◽  
Duu Sheng Ong ◽  
Kan Yeep Choo ◽  
Oktay Yilmazoglu ◽  
Hans L. Hartnagel
Keyword(s):  
Monte Carlo ◽  
Gunn Diodes ◽  
Monte Carlo Evaluation
Sign in / Sign up

Export Citation Format

Share Document