Modelos não lineares como o Logístico e o Gompertz são amplamente usados para descrever vários processos biológicos por meio da curva de crescimento dada pela equação do modelo. O objetivo deste trabalho foi ajustar o modelo Chanter, assim como o Logístico e o Gompertz, utilizando um conjunto de dados do fruto do cacaueiro. O modelo Chanter é um híbrido entre o modelo Logístico e o modelo Gompertz cujos parâmetros podem ser interpretados similarmente. A comparação sobre a qualidade do ajuste entre os modelos foi feita utilizando as seguintes medidas estatísticas: o critério de informação de Akaike (AIC), o critério Peso de Akaike, o critério de informação de Bayes (BIC), o desvio padrão residual (DPR) e as medidas de não linearidade vício de Box e curvatura de Bates e Watts além de um estudo de simulação. Verificou-se que o modelo Chanter dentre os modelos estudados neste trabalho é o mais adequado para o ajuste dos dados do fruto do cacaueiro. / Nonlinear models such as Logistic and Gompertz are widely used to describe several biological processes using a growth curve given by the equation of the model. The objective of this work was to adjust the Chanter model, as well as the Logistic and the Gompertz, using a data set of cocoa fruit. The Chanter model is a hybrid between the Logistic model and the Gompertz model whose parameters can be interpreted similarly. A comparison of the quality of fit between the models was made using the following statistical measures: the Akaike information criterion (AIC), the Akaike weight criterion, Bayes information criterion (BIC), residual standard deviation (RSD), and measures of non-linearity Box addiction and Bates and Watts curvature as well as a simulation study. It was verified that the Chanter model is the most suitable one among the studied models for modeling the cocoa data.

Modelos não lineares como o Logístico e o Gompertz são amplamente usados para descrever vários processos biológicos por meio da curva de crescimento dada pela equação do modelo. O objetivo deste trabalho foi ajustar o modelo Chanter, assim como o Logístico e o Gompertz, utilizando um conjunto de dados do fruto do cacaueiro. O modelo Chanter é um híbrido entre o modelo Logístico e o modelo Gompertz cujos parâmetros podem ser interpretados similarmente. A comparação sobre a qualidade do ajuste entre os modelos foi feita utilizando as seguintes medidas estatísticas: o critério de informação de Akaike (AIC), o critério Peso de Akaike, o critério de informação de Bayes (BIC), o desvio padrão residual (DPR) e as medidas de não linearidade vício de Box e curvatura de Bates e Watts além de um estudo de simulação. Verificou-se que o modelo Chanter dentre os modelos estudados neste trabalho é o mais adequado para o ajuste dos dados do fruto do cacaueiro. / Nonlinear models such as Logistic and Gompertz are widely used to describe several biological processes using a growth curve given by the equation of the model. The objective of this work was to adjust the Chanter model, as well as the Logistic and the Gompertz, using a data set of cocoa fruit. The Chanter model is a hybrid between the Logistic model and the Gompertz model whose parameters can be interpreted similarly. A comparison of the quality of fit between the models was made using the following statistical measures: the Akaike information criterion (AIC), the Akaike weight criterion, Bayes information criterion (BIC), residual standard deviation (RSD), and measures of non-linearity Box addiction and Bates and Watts curvature as well as a simulation study. It was verified that the Chanter model is the most suitable one among the studied models for modeling the cocoa data.

Submitted by (ana.araujo@ufrpe.br) on 2016-05-20T14:30:00Z No. of bitstreams: 1 Andrea Andrade Prudente.pdf: 1364424 bytes, checksum: 52db48248a4f42fd96b6ee53463083eb (MD5) / Made available in DSpace on 2016-05-20T14:30:00Z (GMT). No. of bitstreams: 1 Andrea Andrade Prudente.pdf: 1364424 bytes, checksum: 52db48248a4f42fd96b6ee53463083eb (MD5) Previous issue date: 2009-03-18 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / The main objective in this dissertation is to derive expressions for the second-order biases of the maximum likelihood estimators of the parameters of the Weibull generalized linear model (WGLM), which are useful to define corrected estimators. In order to reduce the bias of these estimators in finite sample sizes, the method of bias correction introduced by Cox and Snell (1968) was used. The new model adopts a link function which relates the vector of scale parameters of the Weibull distribution to a linear predictor. As a second objective, a revision of the normal non-linear models was also presented, including the method of least squares for estimating the parameters, some asymptotic results, measures of nonlinearity and diagnostic techniques, because in contrast to linear models, quality and, especially, the validity of their fits are evaluated not only by means of regression diagnostics, but also with the extent of the non-linear behavior. Finally, a brief description of generalized linear models (GLM) is given and the applicability of the model range. Real data sets were analyzed to demonstrate the applicability of the proposed models. These tests were conducted in the R environment for programming, data analysis, andgraphics. / Esta dissertação tem como objetivo principal apresentar expressões para os vieses de segunda ordem dos estimadores de máxima verossimilhança dos parâmetros do modelo linear generalizado de Weibull (MLGW), utilizando-as para obter estimadores corrigidos. Com o intuito de reduzir os vieses destes estimadores, em amostras de tamanho finito, utilizou-se a correção do viés pelo uso da equação de Cox e Snell (1968). Esse modelo permite a utilização de uma função de ligação para relacionar o vetor dos parâmetros de escala da distribuição de Weibull (parte da média) ao preditor linear. Um objetivo secundário foi revisar os modelos normais não-lineares, contemplando o método de mínimos quadrados para estimação dos seus parâmetros, alguns resultados assintóticos, medidas de não-linearidade e técnicas de diagnóstico, pois ao contrário dos modelos lineares, a qualidade e, principalmente, a validade dos seus ajustes são avaliadas não só por meio de diagnósticos de regressão, mas pela extensão do comportamento nãolinear. Por fim, foi apresentada, também, uma sucinta descrição dos modelos lineares generalizados (MLG) e a aplicabilidade do modelo gama. Dados reais foram analisados para demonstrar a aplicabilidade dos modelos propostos. Estas análises foram realizadas no ambiente de programação, análise de dados e gráficos R.