Métodos alternativos para estimar tamanho ótimo de parcelas experimentais: uma aplicação na cultura da bananeira
Arquivos
Data
2011-02-10
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Viçosa
Resumo
Unidade experimental, ou parcela, é a unidade que recebe a aplicação do tratamento e fornece os dados que deverão refletir o seu efeito. O tamanho ótimo de parcela experimental está diretamente relacionado com a precisão do experimento, uma vez que o tamanho apropriado reduz o erro experimental. Este trabalho teve como objetivos utilizar os métodos Modelo Linear Segmentado com Response Platô (MLRP), Modelo Segmentado Quadrático com Response Platô (MQRP), Modelo Segmentado Exponencial com Response Platô (MERP) e o tradicional Método da Máxima Curvatura Modificada (MMCM), para determinação do tamanho ótimo de parcelas experimentais empregando dados reais na cultura da bananeira; comparar os métodos utilizados através dos seguintes avaliadores de qualidade de ajuste: coeficiente de determinação (R2), critério de informação de Akaike (AIC) e critério de informação baysiano (BIC); e obter intervalos de confiança para o Tamanho Ótimo de Parcela. O material utilizado correspondeu a um experimento em branco que foi realizado no Município de Sebastião ix Laranjeiras, BA, onde foram avaliadas, em dois ciclos de produção (2006-2008), as características: altura da planta, perímetro do pseudocaule, número de folhas vivas, número de filhos emitidos e nota de sigatoka-amarela na época do florescimento. Nessa avaliação, cada planta foi julgada como uma unidade básica com área de 6 m2, perfazendo, assim, 240 unidades básicas, de cujas combinações foram formados os 19 diferentes tamanhos de parcelas. Os resultados indicaram que os valores das estimativas dos tamanhos de parcela obtidos, de forma geral, oscilaram de acordo com as características avaliadas, o ciclo de produção e os modelos utilizados. Tal oscilação correspondeu à variação de 7 a 66 plantas no primeiro ciclo e 7 a 40 no segundo. O método MERP determinou valores para as unidades básicas maiores que os do método MQRP, que por sua vez estimou valores maiores que os do método MLRP. De acordo com a qualidade de ajuste, o melhor modelo para os dados analisados foi o MERP, que estimou tamanho ótimo de parcela médio de 31 unidades básicas. O método MLRP indicou tamanho ótimo de parcela médio de nove unidades básicas e o método MQRP, tamanho ótimo de parcela médio de 22 unidades básicas. Estatisticamente, o melhor modelo seria o MERP, mas por razões de ordens práticas, uma vez que estima valores maiores para o tamanho ótimo de parcela, pode não ser viável para o pesquisador. Verificou-se que os métodos MLRP, MQRP e MERP podem ser utilizados na determinação do tamanho ótimo de parcelas experimentais. Assim, recomenda-se a utilização simultânea de mais de um método para determinação do tamanho ótimo da parcela, a fim de que o tamanho adotado atenda aos diversos fatores considerados em cada método e às necessidades do pesquisador.
The experimental unit, or plot, is the unit that receives a particular treatment and provides the data which will reflect its effect. Optimum plot size is directly related to experimental accuracy, since the appropriate size reduces the experimental error. The objectives of this study were to use the methods Linear Segmented Model with Response Plateau (MLRP), Quadratic Segmented Model with Response Plateau (MQRP), Exponential Segmented Model with Response Plateau (MERP) and the traditional Modified Maximum Curvature Method (MMCM) to determine the optimum size of experimental plots using real data of banana crop; compare the methods using the following goodness of fit indices: coefficient of determination (R2), Akaike information criterion (AIC) and Bayesian information criterion (BIC); and obtain confidence intervals for the optimum plot size. For the study, we used data from a blank experiment conducted in the municipality of Sebastiao Laranjeiras, Bahia, in two growing seasons (2006-2008), where the following traits were evaluated: plant height, pseudostem circumference, number of live leaves, number of suckers and yellow-Sigatoka score at flowering. At this evaluation, each plant was considered as a basic unit of 6 m2, totaling 240 basic units, whose combinations formed 19 different plot sizes. The results indicated that the estimates for plot sizes, in general, varied according to the evaluated characteristics, the production cycle and the used models. This variation corresponded to the range from 7 to 66 plants in the first cycle and 70 to 40 in the second cycle. The MERP model determined sizes for the basic units larger than the MQRP model, which, in turn, estimated larger sizes than the MLRP model. Based on the goodness of fit, the best model for the analyzed data was MERP, estimating a mean optimum plot size of 31 basic units. MLRP estimated mean optimum plot size of nine basic units and MQRP estimated a mean optimum plot size of 22 basic units. Statistically, the best model fitted was MERP, but for practical reasons, as itestimates larger optimum plot sizes, it may not be feasible for the researcher. The findings of this study indicate that the models MLRP, MQRP and MERP can be used to determine optimum plot size. Thus, we suggest the simultaneous use of more than one method fordetermining the optimum plot size, as it will meet the factors considered by each method and the needs of the researcher.
The experimental unit, or plot, is the unit that receives a particular treatment and provides the data which will reflect its effect. Optimum plot size is directly related to experimental accuracy, since the appropriate size reduces the experimental error. The objectives of this study were to use the methods Linear Segmented Model with Response Plateau (MLRP), Quadratic Segmented Model with Response Plateau (MQRP), Exponential Segmented Model with Response Plateau (MERP) and the traditional Modified Maximum Curvature Method (MMCM) to determine the optimum size of experimental plots using real data of banana crop; compare the methods using the following goodness of fit indices: coefficient of determination (R2), Akaike information criterion (AIC) and Bayesian information criterion (BIC); and obtain confidence intervals for the optimum plot size. For the study, we used data from a blank experiment conducted in the municipality of Sebastiao Laranjeiras, Bahia, in two growing seasons (2006-2008), where the following traits were evaluated: plant height, pseudostem circumference, number of live leaves, number of suckers and yellow-Sigatoka score at flowering. At this evaluation, each plant was considered as a basic unit of 6 m2, totaling 240 basic units, whose combinations formed 19 different plot sizes. The results indicated that the estimates for plot sizes, in general, varied according to the evaluated characteristics, the production cycle and the used models. This variation corresponded to the range from 7 to 66 plants in the first cycle and 70 to 40 in the second cycle. The MERP model determined sizes for the basic units larger than the MQRP model, which, in turn, estimated larger sizes than the MLRP model. Based on the goodness of fit, the best model for the analyzed data was MERP, estimating a mean optimum plot size of 31 basic units. MLRP estimated mean optimum plot size of nine basic units and MQRP estimated a mean optimum plot size of 22 basic units. Statistically, the best model fitted was MERP, but for practical reasons, as itestimates larger optimum plot sizes, it may not be feasible for the researcher. The findings of this study indicate that the models MLRP, MQRP and MERP can be used to determine optimum plot size. Thus, we suggest the simultaneous use of more than one method fordetermining the optimum plot size, as it will meet the factors considered by each method and the needs of the researcher.
Descrição
Palavras-chave
Modelos segmentados, Regressão, Tamanho ótimo de parcela, Bananeira, Segmented model, Regression, Optimum plot size, Banana crop
Citação
OLIVEIRA, Elisângela Aparecida de. Alternative methods for estimating the optimum size of experimental plots: an application in banana. 2011. 79 f. Dissertação (Mestrado em Estatística Aplicada e Biometria) - Universidade Federal de Viçosa, Viçosa, 2011.