Locus  

Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho

Mostrar registro simples

dc.creator Puiatti, Guilherme Alves
dc.date.accessioned 2015-03-26T13:32:21Z
dc.date.available 2015-01-12
dc.date.available 2015-03-26T13:32:21Z
dc.date.issued 2014-02-19
dc.identifier.citation PUIATTI, Guilherme Alves. Clustering technique for selection of nonlinear regression models for the description of dry matter accumulation of garlic plants. 2014. 71 f. Dissertação (Mestrado em Estatística Aplicada e Biometria) - Universidade Federal de Viçosa, Viçosa, 2014. por
dc.identifier.uri http://locus.ufv.br/handle/123456789/4078
dc.description.abstract Estudos de divergência genética entre indivíduos ou populações de plantas e sua trajetória de crescimento são de grande importância em programas de melhoramento, sendo essenciais para a obtenção de informações relevantes para um manejo adequado das plantas. Das técnicas empregadas para tal, a análise de agrupamento e modelos de regressão são amplamente utilizados. Assim, o objetivo deste estudo foi identificar e agrupar modelos de regressão não linear que melhor se ajustam na descrição do acúmulo de matéria seca total da planta do alho ao longo do tempo (60, 90, 120 e 150 dias após plantio). Foram utilizados 15 acessos de alho pertencentes ao Banco de Germoplasma de Hortaliças da Universidade Federal de Viçosa (BGH/UFV). Os modelos de regressão não linear ajustados para cada um dos acessos foram: Brody, Gompertz, Logístico, Mitscherlich e von Bertalanffy. A qualidade de ajuste dos modelos foi determinada pelo coeficiente de determinação ( R 2 ); quadrado médio do resíduo ( QMR ); desvio médio absoluto dos resíduos ( DMA ); critério de informação de Akaike ( AIC ); e critério de informação Bayesiano ( BIC ). Então, para cada acesso, os modelos foram submetidos a análise de agrupamento, com os avaliadores de qualidade de ajuste considerados como variáveis, utilizando o algoritmo UPGMA, a distância generalizada de Mahalanobis como medida de dissimilaridade, e número de grupos determinado pelo método de Mojena. Depois, os modelos ajustados para cada acesso foram novamente agrupados seguindo o mesmo critério, mas utilizando os parâmetros com interpretação biológica como variáveis, e os resultados dos diferentes agrupamentos foram então confrontados. Comparando os resultados dos agrupamentos, observou-se que os modelos Gompertz, Logístico, e von Bertalanffy apresentaram melhores resultados quanto aos avaliadores de qualidade de ajuste, e tiveram resultados próximos quanto a estes e quanto as estimativas dos parâmetros. Estes três modelos se mostraram eficientes para descrição de matéria seca total da planta em acessos de alho, especialmente o modelo Logístico. pt_BR
dc.description.abstract Studies of genetic divergence between individuals or populations of plants and its growth path are of great importance in improvement programs, being essential for an appropriate handling through relevant information. Cluster analysis and regression models are techniques largely employed for such. The objective of this study was to identify and to group nonlinear regression models that best describe the dry matter accumulation of garlic plants over time (60, 90, 120 and 150 days after planting). 15 garlic accessions belonging to the Vegetable Germplasm Bank of Universidade Federal de Viçosa (BGH/UFV) were selected. The following nonlinear regression models were adjusted for each one of the accesses: Brody, Gompertz, Logistic, Mitscherlich and von Bertalanffy. The fit quality of the models was measured by the determination coefficient ( R 2 ); mean squared error ( MSE ); mean absolute deviation of the error ( DMA ); Akaike information criterion ( AIC ); and Bayesian information criterion ( BIC ).Then, for each access, the models were submitted the grouping analysis, with the appraisers of fit quality used as variables, using the UPGMA algorithm, the Mahalanobis distance as dissimilarity measure, and Mojena's method to obtain the number of groups. The adjusted models for each access were again grouped following the same criterion, but using the parameters with biological interpretation as variables, and the results of the different clustering analysis were then confronted. Comparing the results, it was observed that the Gompertz, Logistic and von Bertalanffy models presented better results, and they had close results in fit quality and estimates of the parameters. These three models, especially the Logistic, were efficient for the description of dry matter accumulation of garlic plants. eng
dc.description.sponsorship Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.format application/pdf por
dc.language por por
dc.publisher Universidade Federal de Viçosa por
dc.rights Acesso Aberto por
dc.subject Análise de agrupamento por
dc.subject Alho por
dc.subject Análise de regressão por
dc.subject Allium sativum por
dc.subject Cluster analysis eng
dc.subject Garlic eng
dc.subject Regression analysis eng
dc.subject Allium sativum eng
dc.title Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho por
dc.title.alternative Clustering technique for selection of nonlinear regression models for the description of dry matter accumulation of garlic plants eng
dc.type Dissertação por
dc.contributor.advisor-co1 Nascimento, Moysés
dc.contributor.advisor-co1Lattes http://lattes.cnpq.br/6544887498494945 por
dc.contributor.advisor-co2 Silva, Fabyano Fonseca e
dc.contributor.advisor-co2Lattes http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4766260Z2 por
dc.publisher.country BR por
dc.publisher.department Estatística Aplicada e Biometria por
dc.publisher.program Mestrado em Estatística Aplicada e Biometria por
dc.publisher.initials UFV por
dc.subject.cnpq CNPQ::CIENCIAS AGRARIAS por
dc.creator.lattes http://lattes.cnpq.br/3292690471132609 por
dc.contributor.advisor1 Cecon, Paulo Roberto
dc.contributor.advisor1Lattes http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788114T5 por
dc.contributor.referee1 Ferreira, Adésio
dc.contributor.referee1Lattes http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4777896Y8 por


Arquivos deste item

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Buscar no Repositório


Navegar

Minha conta