Statistical Analysis of Cotton Cultivated Area, Production and Price
Notice bibliographique
Résumé
Cotton is one of the most important commercial crop of Pakistan and significantly contributes in the economy. Statistically analysis of cotton status of cultivated area, production and price at very basic level can help for better future policy and management by providing primary figures. Therefore, a survey research study was conducted during year 2014 at Taluka Sakrand district Shaheed Benazirabad, Sindh, Pakistan. The Primary (ground reality) and secondary (history) data were collected. The questionnaire comprised on cultivated area acres of cotton, production/acre (kg) and price 40/kg ($US). A total of 294 farmers from 07 different union councils (Pir Zakri P.Z, Sakrand SKD, Hamal Faqir H.F, Dalel Dero D.D, Marvi MRI, Karam Jamali K.J and Guhram Mari G.M) were selected. The secondary data were obtained for 14 years. The results revealed by primary data showed that max-avg 12.52 acres and min-avg 5.20 acres cultivated area were measured in K.J and G.M respectively. While, the greatest cultivated area 25 acres in MRI and reduced 01 acre in H.F and SKD were recorded. In case of production, high-avg 883.6 kg/acre and highest 1200.00 kg/acreobserved in H.F. The low-avg 606.4 kg/acre with lowest 200.00 kg/acre noticed in K.J UC. Furthermore, high-avg-price in D.D and low-avg-price in P.Z, $24.13-19.99 40/kg respectively was observed. However, highest price $29.70 40/kg in H.F was concluded compare to rest of UCs. A strong correlation (0.98) was observed between H.F and G.M for all observations. The Secondary data results were obtained by using one-way analysis and F_ test was conducted to analyze the significance level tested at 5% (0.05). The F-values 0.64 and 0.7 for cultivated area and production were calculated for seven UCs. In the study, the secondary data results with 0.82 and 0.8 values suggest that H0 must be accepted. Hence, the correlation coefficients, between area and the production had strong correlation 0.8 for the seven UCs. Also, strong correlation 0.522 was detected between price and production.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».