Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2018-04-05T13:47:09Z
No. of bitstreams: 1
texto completo.pdf: 3088307 bytes, checksum: 4b163e4d0f5dca4558d0d8ce38a51f36 (MD5) / Made available in DSpace on 2018-04-05T13:47:09Z (GMT). No. of bitstreams: 1
texto completo.pdf: 3088307 bytes, checksum: 4b163e4d0f5dca4558d0d8ce38a51f36 (MD5)
Previous issue date: 2018-02-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Análises de crescimento de plantas são importantes, pois geram informações sobre a demanda e os cuidados necessários para cada etapa de seu desenvolvimento. Modelos de regressão não linear são apropriados para descrever curvas interpretação de crescimento prática biológica. por apresentarem Entretanto, estes parâmetros com modelos apresentam informações em termos médios, e estão sujeitos a problemas no ajuste proporcionados por possíveis valores extremos ou assimetria na distribuição dos dados. A regressão quantílica pode contornar estes problemas, e ainda permite estimativas em diferentes quantis, gerando resultados mais completos e robustos. Assim, o objetivo deste trabalho foi ajustar modelos de regressão quantílica não linear para o estudo do acúmulo de matéria seca em plantas de alho ao longo do tempo e classificar cada acesso de alho de acordo com sua taxa de crescimento e peso assintótico. O modelo de regressão não linear ajustado foi o Logístico. Para tanto, utilizou-se 30 acessos de alho pertencentes ao Banco de Germoplasma de Hortaliças da Universidade Federal de Viçosa (BGH/UFV). Foram ajustados modelos para todos os acessos em três diferentes quantis, e um modelo de regressão quantílica mediana para cada acesso. Para avaliar a qualidade de ajuste dos modelos, foram utilizados o coeficiente de determinação, o quadrado médio do resíduo, o desvio médio absoluto dos resíduos, e o critério de Akaike. Os 30 acessos foram divididos de acordo com o quantil de estimativas mais próximas, sendo classificados 12 acessos como de baixo interesse para plantio, 6 de interesse intermediário e 12 como de alto interesse para plantio. A regressão quantílica não linear foi eficiente para descrição do acúmulo de matéria seca em plantas de alho ao longo do tempo, mesmo quando os dados apresentam assimetria, variâncias heterogêneas ou valores discrepantes. / Plant growth analyses are important because they generate information on the demand and the necessary cares for each of its development stages. Nonlinear regression models are appropriate to describe curves of growth, since they present parameters with biological practical interpretation. However, these models present information in terms of conditional mean, and they are subject to problems in the adjustment provided by possible outliers or asymmetry in the distribution of the data. The quantile regression can outline these problems, and it allows estimates of different quantiles, generating more complete and robust results. The objective of this work was to adjust nonlinear quantile regression models for the study of dry matter accumulation in garlic plants over time, and classify each garlic accession according to its growth tax and asymptotic weight. The nonlinear regression model fitted was the Logistic. 30 garlic accessions belonging to the Vegetable Germplasm Bank of Universidade Federal de Viçosa (BGH/UFV) were used. Models were adjusted for all of the accessions in three different quantiles, and one model of median quantile regression for each access. To evaluate the goodness of fit of the models, the coefficient of determination, the mean squared error, the absolute average residual error and the Akaike information criterion were used. The 30 accessions were divided, considering the closest quantile estimates: 12 accessions were classified as less productive, 6 of intermediate productivity and 12 as more productive. Nonlinear quantile regression was efficient for the description of dry matter accumulation in garlic plants over time, even in presence of outliers, asymmetry, or heterocedasticy in the distribution of the data.
| Identifer | oai:union.ndltd.org:IBICT/oai:localhost:123456789/18650 |
| Date | 19 February 2018 |
| Creators | Puiatti, Guilherme Alves |
| Contributors | Nascimento, Moysés, Nascimento, Ana Carolina Campana, Carneiro, Antônio Policarpo Souza, Silva, Fabyano Fonseca e, Cecon, Paulo Roberto |
| Publisher | Universidade Federal de Viçosa |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UFV, instname:Universidade Federal de Viçosa, instacron:UFV |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0067 seconds