Made available in DSpace on 2015-03-26T13:32:17Z (GMT). No. of bitstreams: 1 texto completo.pdf: 764829 bytes, checksum: 8dbd03463c4800428f75900ca1340eb0 (MD5) Previous issue date: 2012-07-23 / The use of logistic regression modeling as a tool for modeling statistical probability of an event as a function of one or more independents variables, has grown among researchers in several areas, including Phytopathology. At about the dichotomous logistic regression in which the dependent variable is the type binary or dummy, is the extensive number of studies in the literature that discuss the modeling assumptions and the interpretation of the analyzes, as well as alternatives for implementation in statistical packages. However, when the variable response requires the use three or more categories, the number of publications is scarce. This is not only due to the scarcity of relevant publications on the subject, but also the inherent difficulty of coverage on the subject. In this paper we address the applicability of the model polytomous ordinal logistic regression, as well as differences between the proportional odds models, nonproportional and partial proportional odds. For this, we analyzed data from an experiment in which we evaluated the potential antagonistic fungus Clonostachys rosea in biocontrol of the disease called "gray mold", caused by Botrytis cinerea in strawberry and tomato. The partial proportional odds models and nonproportional were adjusted and compared, since the proportionality test score accused rejection of the proportional odds assumption. The estimates of the model coefficients as well as the odds ratios were interpreted in practical terms for Phytopathology. The polytomous ordinal logistic regression is introduced as an important statistical tool for predicting values, showing the potential of C. rosea in becoming a commercial product to be developed and used in the biological control of the disease, because the application of C. rosea was as or more effective than the use of fungicides in the control of gray mold. / O uso da regressão logística como uma ferramenta estatística para modelar a probabilidade de um evento em função de uma ou mais variáveis explicativas, tem crescido entre pesquisadores em várias áreas, inclusive na Fitopatologia. À respeito da regressão logística dicotômica, na qual a variável resposta é do tipo binária ou dummy, é extenso o número de trabalhos na literatura que abordam a modelagem, as pressuposições e a interpretação das análises, bem como alternativas de implementação em pacotes estatísticos. No entanto, quando a variável resposta requer que se utilize três ou mais categorias, o número de publicações é escasso. Isso devido não somente à escassez de publicações relevantes sobre o assunto, mas também à inerente dificuldade de abrangência sobre o tema. No presente trabalho aborda-se a aplicabilidade do modelo de regressão logística politômica ordinal, bem como as diferenças entre os modelos de chances proporcionais, chances proporcionais parciais e chances não proporcionais. Para isso, foram analisados dados de um experimento em que se avaliou o potencial do fungo antagonista Clonostachys rosea no biocontrole da doença denominada mofo cinzento , causada por Botrytis cinerea em morangueiro e tomateiro. Os modelos de chances proporcionais parciais e não proporcionais foram ajustados e comparados, uma vez que o teste score de proporcionalidade acusou rejeição da pressuposição de chances proporcionais. As estimativas dos coeficientes dos modelos bem como das razões de chances foram interpretadas em termos práticos para a Fitopatologia. A regressão logística politômica ordinal se apresentou como uma importante ferramenta estatística para predição de valores, mostrando o potencial do C. rosea em se tornar um produto comercial a ser desenvolvido e usado no controle biológico da doença, pois a aplicação de C. rosea foi tão ou mais eficiente do que a utilização de fungicidas no controle do mofo cinzento.