Modelo Logístico Bayesiano en el studio del crecimiento del tomates
DOI:
https://doi.org/10.33448/rsd-v10i3.13198Palabras clave:
Modelo no lineal; Curva de crecimiento; Metodología bayesiana.Resumen
Conocer el crecimiento del tomate y sus frutos, medido por la acumulación de biomasa a lo largo del tiempo, es fundamental para el correcto manejo y detección de problemas en el desarrollo de los cultivos. Este crecimiento puede estudiarse mediante varios modelos de regresión no lineal que pueden utilizarse para facilitar la interpretación de los procesos involucrados en el sistema de producción vegetal. Entre los modelos empíricos que se utilizan a menudo para estimar el crecimiento de las plantas y sus componentes se encuentra la función logística. Uno de los métodos utilizados para estimar los parámetros de las curvas de crecimiento es el método bayesiano. Este estudio tuvo como objetivo aplicar la metodología bayesiana en la descripción de datos - reales y simulados - del crecimiento del diámetro del tomate, utilizando el modelo logístico no lineal. Los algoritmos muestreador de Gibbs y Metropolis-Hastings se implementaron utilizando el idioma R. La condición de convergencia de las cadenas se verificó utilizando el criterio de Raftery & Lewis, que está disponible en el paquete BOA (“Bayesian Output Analysis”) del software R. La metodología bayesiana demostró ser eficiente en la estimación de los parámetros de la curva de crecimiento, y las estimaciones fueron consistentes con los valores reportados en la literatura.
Citas
Companhia Nacional de Abastecimento [CONAB] (2019). Tomate: Análise dos indicadores da produção e comercialização no mercado mundial, brasileiro e catarinense. https://www.conab.gov.br/institucional/publicacoes/compendio-de-estudos-da-conab/item/download/29586_4fe6dd2c9c6d1fa5e1cbc5f82061717d
Dossa, D.; Fuchs, F. (2017). Tomate: análise técnico-econômica e os principais indicadores da produção nos mercados mundiais, brasileiro e paranaense. Boletim Técnico. http://www.ceasa.pr.gov.br/arquivos/File/BOLETIM/Boletim_Tecnico_Tomate1.pdf
Food and Agriculture Organization of the United Nations [FAO] (2018). http://www.fao.org/faostat/en/#home
Ferreira, S. M. R., Freitas, R. J. S., & Lazzari, E. N. (2004). Padrão de identidade e qualidade do tomate (Lycopersicon esculentum Mill.) de mesa. Ciência Rural, 34(1), 329-335. 10.1590/S0103-84782004000100054
Gelman, A., & Rubin, D. B. (1992). Inference from iterative simulation using multiple sequences. Statistical Science.
Geweke, J. (1992). Evaluating the accuracy of sampling-based approaches to calcualting posterior moments. In: Bernardo, J. M. et al. (Ed.). Bayesian statistics.
Martins Filho, S., Silva, F. F. e., Carneiro, A. P. S., & Muniz, J. A. (2008). Abordagem Bayesiana das curvas de crescimento de duas cultivares de feijoeiro. Ciência Rural, 38(6), 1516-1521. 10.1590/S0103-84782008000600004.
Moura, M. A.de. (1999). Crescimento pós-colheita de frutos de tomateiro cv. Santa Clara e do seu Mutante Firme. 1999. 86p. Dissertação (Mestrado em Agronomia) – Universidade Federal de Viçosa, Viçosa, MG.
Moura, M. L., Fogaça, C. M., Moura, M. A., Galvão, H. L., & Finger, F. L. (2004). Crescimento e desenvolvimento de frutos de tomateiro “Santa Clara” e do seu mutante natural “Firme”. Ciência e Agrotecnologia, 28(6), 1284-1290. 10.1590/S1413-70542004000600009
Nogueira, D. A., Safadi, T., & Ferreira, D. F. (2004). Avaliação de critérios de convergência para o método de Monte Carlo via Cadeias de Markov. Revista Brasileira de Estatística, 65(224), 59-88.
Pereira, J. M., Muniz, J. A., Safadi, T., & Silva, C. A. (2009). Comparação entre modelos para predição do nitrogênio mineralizado: uma abordagem bayesiana. Ciência e Agrotecnologia, 33, 1792-1797. 10.1590/S1413-70542009000700016
Pereira, M. C. T., Salomão, L. C. C., Silva, S. O. e., Sediyama, C. S., Couto, F. A. A., & Silva Neto, S. P. da. (2000). Crescimento e produção de primeiro ciclo da bananeira “Prata-Anã” (AAB) em sete espaçamentos. Pesquisa Agropecuária Brasileira, 35(7), 1377-1387. 10.1590/S0100-204X2000000700012
Prado, T. K. L. do., Savian, T. V., & Muniz, J. A. (2013). Ajuste dos modelos Gompertz e Logístico aos dados de crescimento de frutos de coqueiro anão verde. Ciência Rural, 43(5), 803-809. 10.1590/S0103-84782013005000044.
R development core team. R: a language and environment for statistical computing. 2019.
Raftery, A. L., & Lewis, S. (1992). Comment: one long run with diagnostics: implementation strategies for Markov chain Monte Carlo. Statistical Science.
Reis, R. L., Muniz, J. A., Silva, F. F. e., Safadi, T., & Aquino, L. H. (2001). Comparação bayesiana de modelos com uma aplicação para o equilíbrio de Hardy-Weinberg usando o coeficiente de desequilíbrio. Ciência Rural, 41(5), 834-840. 10.1590/S0103-84782011000500016
Santiago, E. J. P., Freire, A. K. S., Cunha Filho, M., Moreira, G. R., Ferreira, D. S. A., & Cunha, A. L. X. (2020). Modelos não lineares aplicados a mortalidade e casos da COVID-19 no Brasil, Itália e mundo. Research, Society and Development. http://dx.doi.org/10.33448/rsd-v9i6.3561
Savian, T. V. et al. Análise bayesiana para modelos de degradabilidade ruminal. (2009). Ciência Rural, 39(7), 2169-2177. 10.1590/S0103-84782009000700033.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Patrícia Neves Mendes; Joel Auguto Muniz; Taciana Villela Savian; Thelma Sáfadi; Gabriel da Costa Cantos Jerônimo
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.