Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora

Detalhes bibliográficos
Autor(a) principal: Sabino, Antonio Leopoldo Cardoso
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-13092022-094518/
Resumo: A cultura da soja é muito importante na economia mundial, pois sua matéria prima é utilizada para produção de diversos produtos. As plantas de soja, entretanto, são suscetíveis a diversas doenças causadas por fungos, como a antracnose, que pode chegar a comprometer a safra inteira. Essa doença é causada por cepas do fungo Colletotrichum truncatum, pertencentes a grupos genéticos distintos, que podem levar a índices de severidade diversos. Nas análises estatísticas usuais de dados de severidade, entretanto, frequentemente considera-se, equivocadamente, que seguem uma distribuição normal ou são realizadas, previamente, transformações dos dados, como logit, probit ou complemento log-log, dentre outras. Como a severidade é uma variável contínua entre 0 e 100%, (ou entre 0 e 1), a distribuição beta pode ser mais apropriada e metodologias como a proposta por Cribari-Neto e Zeileis (2010) podem ser consideradas. Em experimentos de comparação de grupos genéticos de cepas de antracnose quando ao índice de severidade podemos considerar o efeito de cepas como fixo ou aleatório dependendo do interesse do pesquisador. Apresentamos, aqui, uma abordagem bayesiana para a análise de dados provenientes de experimentos inteiramente ao acaso do tipo, com dois fatores, grupo genético e cepas. A metodologia foi implementada utilizando-se a interface RStan (Stan Development Team, 2020) e ilustrada por meio de um conjunto de dados reais e inéditos. A análise dos mesmos revela que diferentes conclusões podem ser obtidas ao considerarmos efeitos de cepa fixos ou aleatórios.
id USP_b253f4356fd6491ba3909eccf4a79067
oai_identifier_str oai:teses.usp.br:tde-13092022-094518
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultoraBayesian mixed beta model to describe the influence of different strains of the fungus Colletotrichum truncatum on the severity of anthracnose in soybeansMCMCMCMCPathogenPatógenoRatesSojaSoybeanTaxasA cultura da soja é muito importante na economia mundial, pois sua matéria prima é utilizada para produção de diversos produtos. As plantas de soja, entretanto, são suscetíveis a diversas doenças causadas por fungos, como a antracnose, que pode chegar a comprometer a safra inteira. Essa doença é causada por cepas do fungo Colletotrichum truncatum, pertencentes a grupos genéticos distintos, que podem levar a índices de severidade diversos. Nas análises estatísticas usuais de dados de severidade, entretanto, frequentemente considera-se, equivocadamente, que seguem uma distribuição normal ou são realizadas, previamente, transformações dos dados, como logit, probit ou complemento log-log, dentre outras. Como a severidade é uma variável contínua entre 0 e 100%, (ou entre 0 e 1), a distribuição beta pode ser mais apropriada e metodologias como a proposta por Cribari-Neto e Zeileis (2010) podem ser consideradas. Em experimentos de comparação de grupos genéticos de cepas de antracnose quando ao índice de severidade podemos considerar o efeito de cepas como fixo ou aleatório dependendo do interesse do pesquisador. Apresentamos, aqui, uma abordagem bayesiana para a análise de dados provenientes de experimentos inteiramente ao acaso do tipo, com dois fatores, grupo genético e cepas. A metodologia foi implementada utilizando-se a interface RStan (Stan Development Team, 2020) e ilustrada por meio de um conjunto de dados reais e inéditos. A análise dos mesmos revela que diferentes conclusões podem ser obtidas ao considerarmos efeitos de cepa fixos ou aleatórios.Soybean farming is very important in the world economy, as soy is used for the production of various products. Soybean plants, however, are susceptible to several diseases caused by fungi, such as anthracnose, which can compromise the entire crop. This disease is caused by strains of the fungus Colletotrichum truncatum, belonging to different genetic groups, which can lead to different levels of severity. In the usual statistical analysis of severity data, however, it is often mistakenly considered that they follow a normal distribution or that data transformations are carried out in advance, such as logit, probit or log-log complement, among others. As the severity is a continuous variable between 0 and 100%, (or between 0 and 1), the beta distribution can be more appropriate and methodologies like the one proposed by Cribari-Neto e Zeileis (2010) can be considered. In experiments comparing genetic groups of anthracnose strains regarding the severity index, we can consider the effect of strains as fixed or random depending on the researcher’s interest. We present here a Bayesian approach to the analysis of data from entirely randomized experiments of this type, with two factors, genetic group and strain. The methodology was then implemented using the RStan interface (Stan Development Team, 2020) and illustrated using a set of unpublished real data. Their analysis reveals that different conclusions can be reached when considering fixed or random strain effects.Biblioteca Digitais de Teses e Dissertações da USPZocchi, Silvio SandovalSabino, Antonio Leopoldo Cardoso2022-07-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/11/11134/tde-13092022-094518/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2022-09-14T13:03:00Zoai:teses.usp.br:tde-13092022-094518Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-09-14T13:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora
Bayesian mixed beta model to describe the influence of different strains of the fungus Colletotrichum truncatum on the severity of anthracnose in soybeans
title Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora
spellingShingle Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora
Sabino, Antonio Leopoldo Cardoso
MCMC
MCMC
Pathogen
Patógeno
Rates
Soja
Soybean
Taxas
title_short Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora
title_full Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora
title_fullStr Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora
title_full_unstemmed Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora
title_sort Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultora
author Sabino, Antonio Leopoldo Cardoso
author_facet Sabino, Antonio Leopoldo Cardoso
author_role author
dc.contributor.none.fl_str_mv Zocchi, Silvio Sandoval
dc.contributor.author.fl_str_mv Sabino, Antonio Leopoldo Cardoso
dc.subject.por.fl_str_mv MCMC
MCMC
Pathogen
Patógeno
Rates
Soja
Soybean
Taxas
topic MCMC
MCMC
Pathogen
Patógeno
Rates
Soja
Soybean
Taxas
description A cultura da soja é muito importante na economia mundial, pois sua matéria prima é utilizada para produção de diversos produtos. As plantas de soja, entretanto, são suscetíveis a diversas doenças causadas por fungos, como a antracnose, que pode chegar a comprometer a safra inteira. Essa doença é causada por cepas do fungo Colletotrichum truncatum, pertencentes a grupos genéticos distintos, que podem levar a índices de severidade diversos. Nas análises estatísticas usuais de dados de severidade, entretanto, frequentemente considera-se, equivocadamente, que seguem uma distribuição normal ou são realizadas, previamente, transformações dos dados, como logit, probit ou complemento log-log, dentre outras. Como a severidade é uma variável contínua entre 0 e 100%, (ou entre 0 e 1), a distribuição beta pode ser mais apropriada e metodologias como a proposta por Cribari-Neto e Zeileis (2010) podem ser consideradas. Em experimentos de comparação de grupos genéticos de cepas de antracnose quando ao índice de severidade podemos considerar o efeito de cepas como fixo ou aleatório dependendo do interesse do pesquisador. Apresentamos, aqui, uma abordagem bayesiana para a análise de dados provenientes de experimentos inteiramente ao acaso do tipo, com dois fatores, grupo genético e cepas. A metodologia foi implementada utilizando-se a interface RStan (Stan Development Team, 2020) e ilustrada por meio de um conjunto de dados reais e inéditos. A análise dos mesmos revela que diferentes conclusões podem ser obtidas ao considerarmos efeitos de cepa fixos ou aleatórios.
publishDate 2022
dc.date.none.fl_str_mv 2022-07-06
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 https://www.teses.usp.br/teses/disponiveis/11/11134/tde-13092022-094518/
url https://www.teses.usp.br/teses/disponiveis/11/11134/tde-13092022-094518/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1826318620257419264