Use este identificador para citar ou linkar para este item: https://locus.ufv.br//handle/123456789/4056
Tipo: Dissertação
Título: Modelos de regressão não linear para descrição do crescimento de plantas de alho
Título(s) alternativo(s): Nonlinear regression models for the growth description of plants garlic
Autor(es): Reis, Renata Maciel dos
Primeiro Orientador: Cecon, Paulo Roberto
Primeiro coorientador: Nascimento, Moysés
Segundo coorientador: Silva, Fabyano Fonseca e
Primeiro avaliador: Ferreira, Adésio
Abstract: O objetivo deste estudo foi escolher um modelo de regressão não linear que melhor descreve o acúmulo de matéria seca de diferentes partes da planta do alho ao longo do tempo (60, 90, 120 e 150 dias após plantio). Foram utilizados 20 acessos de alho pertencentes ao Banco de Germoplasma de Hortaliças da Universidade Federal de Viçosa (BGH/UFV). A fim de se trabalhar apenas com grupos de acessos semelhantes, aplicou-se a análise de agrupamento para a formação desses grupos. As matérias secas da folha, do pseudocaule, do bulbo e da raiz foram definidas como as variáveis nessa análise de agrupamento, que foi realizado por meio do algoritmo de Ward, utilizando como medida de dissimilaridade a distância generalizada de Mahalanobis. O número ótimo de grupos foi determinado por meio do Método de Mojena, o qual indicou três grupos de acessos, cujas médias de matéria seca do bulbo, da raiz e total da planta foram utilizadas para o ajuste de sete modelos de regressão não linear, a saber: Mitscherlich, Gompertz, Logístico, Meloun I, Meloun II, Brody e von Bertalanffy. A identificação do modelo que melhor se ajustou as três características de cada grupo foi realizada mediante coeficiente de determinação (R2), o quadrado médio do resíduo (QMR) e o desvio médio absoluto dos resíduos (DMA). Comparando os valores desses avaliadores observou-se que, para as três caraterísticas dos três grupos, o modelo que melhor se ajustou foi o modelo Logístico.
The objective of this study was to choose a nonlinear regression model that best described the dry matter accumulation in different parts of the plant garlic over time (60, 90, 120 and 150 days after planting). Were used 20 garlic accessions belonging to the Vegetable Germplasm Bank of Universidade Federal de Viçosa. In order to work only with groups of similar accessions, was applied the cluster analysis in order to obtaining these clusters. The dry matter of leaf, pseudostem, bulb and root were defined as variables in this cluster analysis, which was conducted by the Ward algorithm, using as dissimilarity measure the Mahalanobis distance. Based on Mojena s method to determine the number of groups, was formed three groups of accessions, whose means of dry matter of bulb, of root and of the whole plant were used to fitting of seven nonlinear regression models, namely : Mitscherlich, Gompertz, Logistic, Meloun I Meloun II, von Bertalanffy and Brody. Aiming to choose the best fitted model to the three characteristics of each group were calculated coefficient of determination (R2), the error mean square (EMS) and the average deviation absolut error. Comparing the values of the evaluators found that, for the three characteristics of the three groups, the best fit model was the Logistic model.
Palavras-chave: Allium sativum L.
Análise de agrupamento
Comparação de modelos
Allium sativum L.
Cluster analysis
Comparison models
CNPq: CNPQ::CIENCIAS AGRARIAS
Idioma: por
País: BR
Editor: Universidade Federal de Viçosa
Sigla da Instituição: UFV
Departamento: Estatística Aplicada e Biometria
Citação: REIS, Renata Maciel dos. Nonlinear regression models for the growth description of plants garlic. 2012. 71 f. Dissertação (Mestrado em Estatística Aplicada e Biometria) - Universidade Federal de Viçosa, Viçosa, 2012.
Tipo de Acesso: Acesso Aberto
URI: http://locus.ufv.br/handle/123456789/4056
Data do documento: 16-Jul-2012
Aparece nas coleções:Estatística Aplicada e Biometria

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
texto completo.pdf1,1 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.