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

Detalhes bibliográficos
Autor(a) principal: Puiatti, Guilherme Alves
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://locus.ufv.br/handle/123456789/4078
Resumo: 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.
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 2145
spelling Puiatti, Guilherme Alveshttp://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=K4777896Y82015-03-26T13:32:21Z2015-01-122015-03-26T13:32:21Z2014-02-19PUIATTI, 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/123456789/4078Studies 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.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.Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade Federal de ViçosaMestrado em Estatística Aplicada e BiometriaUFVBREstatística Aplicada e BiometriaAnálise de agrupamentoAlhoAnálise de regressãoAllium sativumCluster analysisGarlicRegression analysisAllium sativumCNPQ::CIENCIAS AGRARIASTécnica 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 plantsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdfapplication/pdf413082https://locus.ufv.br//bitstream/123456789/4078/1/texto%20completo.pdfdce64ad6522bcef86a27726ef7bb664cMD51TEXTtexto completo.pdf.txttexto completo.pdf.txtExtracted texttext/plain97422https://locus.ufv.br//bitstream/123456789/4078/2/texto%20completo.pdf.txt7c5e2fe4877045764799eca7f95ac0d9MD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3733https://locus.ufv.br//bitstream/123456789/4078/3/texto%20completo.pdf.jpgb1a6591d42543397467406a84b8a4fe5MD53123456789/40782016-04-09 23:18:26.614oai: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.por.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
dc.title.alternative.eng.fl_str_mv 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.authorLattes.por.fl_str_mv http://lattes.cnpq.br/3292690471132609
dc.contributor.author.fl_str_mv Puiatti, Guilherme Alves
dc.contributor.advisor-co1.fl_str_mv Nascimento, Moysés
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/6544887498494945
dc.contributor.advisor-co2.fl_str_mv Silva, Fabyano Fonseca e
dc.contributor.advisor-co2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4766260Z2
dc.contributor.advisor1.fl_str_mv Cecon, Paulo Roberto
dc.contributor.advisor1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788114T5
dc.contributor.referee1.fl_str_mv Ferreira, Adésio
dc.contributor.referee1Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4777896Y8
contributor_str_mv Nascimento, Moysés
Silva, Fabyano Fonseca e
Cecon, Paulo Roberto
Ferreira, Adésio
dc.subject.por.fl_str_mv Análise de agrupamento
Alho
Análise de regressão
Allium sativum
topic Análise de agrupamento
Alho
Análise de regressão
Allium sativum
Cluster analysis
Garlic
Regression analysis
Allium sativum
CNPQ::CIENCIAS AGRARIAS
dc.subject.eng.fl_str_mv Cluster analysis
Garlic
Regression analysis
Allium sativum
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS AGRARIAS
description 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.
publishDate 2014
dc.date.issued.fl_str_mv 2014-02-19
dc.date.accessioned.fl_str_mv 2015-03-26T13:32:21Z
dc.date.available.fl_str_mv 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.citation.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.
dc.identifier.uri.fl_str_mv 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
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.publisher.program.fl_str_mv Mestrado em Estatística Aplicada e Biometria
dc.publisher.initials.fl_str_mv UFV
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Estatística Aplicada e Biometria
publisher.none.fl_str_mv Universidade Federal de Viçosa
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
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/4078/1/texto%20completo.pdf
https://locus.ufv.br//bitstream/123456789/4078/2/texto%20completo.pdf.txt
https://locus.ufv.br//bitstream/123456789/4078/3/texto%20completo.pdf.jpg
bitstream.checksum.fl_str_mv dce64ad6522bcef86a27726ef7bb664c
7c5e2fe4877045764799eca7f95ac0d9
b1a6591d42543397467406a84b8a4fe5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801212879151562752