Quantile regression of nonlinear models to describe different levels of dry matter accumulation in garlic plants

• Autor(a) principal: Puiatti, Guilherme Alves
• Data de Publicação: 2018
• Outros Autores: Cecon, Paulo Roberto, Nascimento, Moysés, Nascimento, Ana Carolina Campana, Carneiro, Antônio Policarpo Souza, Silva, Fabyano Fonseca e, Puiatti, Mário, Oliveira, Ana Carolina Ribeiro de
• Tipo de documento: Artigo
• Idioma: eng
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://dx.doi.org/10.1590/0103-8478cr20170322; http://www.locus.ufv.br/handle/123456789/24657
• topic: Quantile regression; Nonlinear regression; Dry matter; Allium sativum L.; Regressão quantílica; Regressão não linear; Matéria seca

Análises de crescimento de plantas são importantes, pois geram informações sobre a demanda e os cuidados necessários para cada etapa de seu desenvolvimento. Modelos de regressão não linear são apropriados para descrever curvas de crescimento por apresenta- rem parâmetros com interpretação prática biológica. Entretanto, estes modelos apresentam informações em termos médios, e estão sujeitos a problemas no ajuste proporcionados por possíveis valores extremos ou assimetria na distribuição dos dados. A regressão quantílica pode contornar estes problemas, e ainda permite estimativas de diferentes quantis, gerando resultados mais completos e robustos. Assim, o objetivo deste trabalho foi ajustar um modelo de regressão quantílica não linear para o estudo do acúmulo de matéria seca em plantas de alho (Allium sativum L.) ao longo do tempo, estimando seus parâmetros em três diferentes quantis e classificando cada acesso de alho de acordo com sua taxa de crescimento e peso assintótico. O modelo de regressão não linear ajustado foi o Logístico, e foram utilizados 30 acessos de alho. Estes foram divididos de acordo com a curva do quantil de estimativas mais próximas, sendo classificados 12 acessos como de baixo interesse para o plantio, 6 de interesse intermediário e 12 como de alto interesse.