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

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Puiatti, Guilherme Alves
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Viçosa
BR
Estatística Aplicada e Biometria
Mestrado em Estatística Aplicada e Biometria
UFV
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://locus.ufv.br/handle/123456789/4078
Resumo: 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.
id UFV_9cbd70262f04fbc6e3f7834bf92f57cf
oai_identifier_str oai:locus.ufv.br:123456789/4078
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str
spelling Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alhoClustering technique for selection of nonlinear regression models for the description of dry matter accumulation of garlic plantsAnálise de agrupamentoAlhoAnálise de regressãoAllium sativumCluster analysisGarlicRegression analysisAllium sativumCNPQ::CIENCIAS AGRARIASEstudos 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.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.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversidade Federal de ViçosaBREstatística Aplicada e BiometriaMestrado em Estatística Aplicada e BiometriaUFVhttp://lattes.cnpq.br/3292690471132609Nascimento, Moyséshttp://lattes.cnpq.br/6544887498494945Silva, Fabyano Fonseca ehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4766260Z2Cecon, Paulo Robertohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788114T5Ferreira, Adésiohttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4777896Y8Puiatti, Guilherme Alves2015-03-26T13:32:21Z2015-01-122015-03-26T13:32:21Z2014-02-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfPUIATTI, 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.http://locus.ufv.br/handle/123456789/4078porinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFV2016-04-10T02:18:26Zoai:locus.ufv.br:123456789/4078Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452016-04-10T02:18:26LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.none.fl_str_mv Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho
Clustering technique for selection of nonlinear regression models for the description of dry matter accumulation of garlic plants
title Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho
spellingShingle Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho
Puiatti, Guilherme Alves
Análise de agrupamento
Alho
Análise de regressão
Allium sativum
Cluster analysis
Garlic
Regression analysis
Allium sativum
CNPQ::CIENCIAS AGRARIAS
title_short Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho
title_full Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho
title_fullStr Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho
title_full_unstemmed Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho
title_sort Técnica de agrupamento na seleção de modelos de regressão não lineares para descrição do acúmulo de matéria seca em plantas de alho
author Puiatti, Guilherme Alves
author_facet Puiatti, Guilherme Alves
author_role author
dc.contributor.none.fl_str_mv http://lattes.cnpq.br/3292690471132609
Nascimento, Moysés
http://lattes.cnpq.br/6544887498494945
Silva, Fabyano Fonseca e
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4766260Z2
Cecon, Paulo Roberto
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788114T5
Ferreira, Adésio
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4777896Y8
dc.contributor.author.fl_str_mv Puiatti, Guilherme Alves
dc.subject.por.fl_str_mv Análise de agrupamento
Alho
Análise de regressão
Allium sativum
Cluster analysis
Garlic
Regression analysis
Allium sativum
CNPQ::CIENCIAS AGRARIAS
topic Análise de agrupamento
Alho
Análise de regressão
Allium sativum
Cluster analysis
Garlic
Regression analysis
Allium sativum
CNPQ::CIENCIAS AGRARIAS
description 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.
publishDate 2014
dc.date.none.fl_str_mv 2014-02-19
2015-03-26T13:32:21Z
2015-01-12
2015-03-26T13:32:21Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 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.
http://locus.ufv.br/handle/123456789/4078
identifier_str_mv 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.
url http://locus.ufv.br/handle/123456789/4078
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
BR
Estatística Aplicada e Biometria
Mestrado em Estatística Aplicada e Biometria
UFV
publisher.none.fl_str_mv Universidade Federal de Viçosa
BR
Estatística Aplicada e Biometria
Mestrado em Estatística Aplicada e Biometria
UFV
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1855045586514870272