Regressão não linear multivariada no crescimento do coco variedade anã verde

• Ano de defesa: 2016
• Autor(a) principal: Prado, Thalita Kelen Leal do
• Orientador(a): Muniz, Joel Augusto
• Banca de defesa: Savian, Taciana Villela, Ferreira, Daniel Furtado, Morais, Augusto Ramalho de, Alvarenga, Ângelo Albérico
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Estatística e Experimentação Agropecuária,
• Departamento: Departamento de Ciências Exatas
• País: brasil
• Palavras-chave em Português: Modelo de crescimento; Análise de regressão multivariada; Mínimos quadrados; Growth model; Multivariate regression analysis; Least squares
• Área do conhecimento CNPq: Probabilidade e Estatística Aplicadas
• Link de acesso: https://repositorio.ufla.br/handle/1/10872

O coqueiro anão verde é um dos principais recursos vegetais da humanidade cuja exploração tem evoluído na maioria dos estados brasileiros, em decorrência do interesse comercial na água do coco para consumo in natura e uso na indústria de envasamento, ocupando espaço no vultoso mercado de refrigerantes. Nos plantios comerciais destinados ao mercado de água no Brasil, predomina a variedade anã, em virtude da sua boa performance, em termos de rendimento e qualidade da água de coco. Os modelos de regressão não linear logístico e gompertz na descrição do crescimento de plantas e frutos têm sido utilizados. Conduziu-se o presente estudo, com o objetivo de avaliar o ajuste dos modelos não lineares multivariados logístico (LL), gompertz (GG) e híbridos (GL e LG), por meio do método de mínimos quadrados, considerando estrutura de erros independentes e autorregressiva de segunda ordem para os resíduos, a fim de obter as estimativas dos parâmetros. Os modelos multivariados foram ajustados a dados de crescimento de fruto de coqueiro anão verde, diâmetro externo longitudinal e transversal. A escolha do melhor modelo foi feita por meio do critério de informação de Akaike corrigido, coeficiente de determinação ajustado e quadrado médio residual, sendo que todos os modelos apresentaram um bom ajuste e o modelo multivariado gompertz GG, considerando estrutura autorregressiva de segunda ordem, foi o mais adequado para ajustar os dados experimentais, resultando em estimativas coerentes com os apresentados na literatura. Os procedimentos de ajuste dos modelos de regressão foram realizados pelo programa computacional Statistical Analysis System SAS.