Abordagem Bayesiana do modelo logístico no estudo do herbicida glifosato em abelhas africanizadas

  • Isabela da Silva Lima Universidade Federal de São João del-Rei
  • Karine Daenquele Silva Pinto
  • Fernanda Barbedo França
  • Carla Regina Guimarães Brighenti
  • Danilo Carvalho Serpa
  • Deodoro Magno Brighenti
Palavras-chave: Binomial, logit, Apis mellifera, Round up.

Resumo

Verificou-se o efeito de diferentes concentrações de glifosato em abelhas após 96h. O número de abelhas mortas observado, a cada nível da dose de glifosato, seguiu uma distribuição Binomial com parâmetros: ni, que é o número de abelhas por gaiola e pi, que é a taxa de mortalidade. Assumiu-se o modelo logit (logístico), que tem como objetivo permitir a predição de valores com característica binária, através de uma amostra. Utilizou-se uma abordagem Bayesiana para a estimação dos parâmetros do modelo logístico. Nesta abordagem a informação a priori é combinada com a informação proveniente dos dados amostrais, originando na distribuição a posteriori. As análises foram realizados pelo pacote BRugs do software, utilizando prioris vaga ou informativa, obtida de dados através de elicitação. Foi realizado um experimento com abelhas africanizadas mantidas em gaiolas cilíndricas de PVC, sendo 30 abelhas submetidas a cada um dos tratamentos por ingestão com as doses 0,0; 0,5; 1,0; 1,5; 5,0 e 10,0 g de Roundup® (glifosato) para cada 100 mL de solução aquosa de sacarose a 50% colocados em recipiente próprio no interior das gaiolas. As estimativas obtidas tanto para os parâmetros foram significativas a 5% e não diferiram significativamente entre as prioris utilizadas. Obteve-se um valor para dose letal de 50% (DL50) igual a 1,57 g de Roundup® (glifosato) para cada 100 mL de solução aquosa de sacarose a 50%.

Referências

AIZEN, M. A.; HARDER, L. D. The global stock of domesticated honey bees is growing slower than agricultural demand for pollination. Current Biology, Maryland Height, v.19, n.11, p.915-928, jun. 2009.

AMARANTE JR., O. P.; SANTOS, T. C.; BRITO, N M.; RIBEIRO, M. L. Glifosato: propriedades, toxidade, usos e legislação. Quim. Nova, Vol. 25, no. 4, 589-593, 2002.

AGÊNCIA NACIONAL DE VIGILÂNCIA SANITÁRIA(ANVISA). Anvisa: glifosato não causa danos graves à saúde. Disponível em: <https://www.sna.agr.br/anvisa-glifosato-nao-causa-danos- graves-a-saude/> Acesso em: 19 mar. 2019.

BERGER, J. O. Statistical Decision Therory and Bayesian Analysis. Second Edition. New York: Springer-Verlag, 1985.

BRIGHENTI, D. M.; SERPA, D.C.; BRIGHENTI, C. R. G. Toxicidade do herbicida glifosato para abelhas africanizadas. In: XXII Congresso Brasileiro de Apicultura e VII Congresso Brasileiro de Meliponicultura, 2018, Joinville. Anais...Joinville, SC: CBA, 2018.

D'ÁVILA, M.; MARCHINI, L.C., Polinização realizada por abelhas em culturas de importância conômica no Brasil. Boletim de Indústria Animal, v. 62, n. 1, p. 79-90, 2005.

GALLAI, N.; VAISSIÈRE, B.E. Guidelines for the economic valuation of pollination services at a national scale. Rome, FAO, 2009.

GAMERMAN, D.; MIGON, H.S. Inferência Estatística: uma abordagem integrada. Rio de Janeiro: Instituto de Matemática / UFRJ, 1993. 207p.

GRUYS, K. J.; SIKORKI, K. A. Inhibitors of tryptophan, phenylalanine and tyrosine biosynthesis as herbicides . IN: SINGH, B. K. Plant amino acids: biochemistry and biotechnology. New York: Marcel Dekker, 1999.

HEIDELBERGER, P.; WELCH, P. Simulation run length control in the presence of an initial transient. Operations Research, v.31, p.1109-44, 1983.

HOSMER, D. W; LAMESHOW, S. Applied Logistic Regression. New York, Ed John Wiley & Sons, 1989.

IMPERATRIZ-FONSECA, V. L.; SARAIVA A. M.; JONG D. Bees as pollinators in Brazil: assessing the status and suggesting best practices. Ribeirão Preto: Holos Editora, 2006. 96 p.

JONES, D. K.; HAMMOND, J. I.; RELYEA , R. A. Competitive stress can make thes herbicide Roundup® more deadly to larval amphibians. Environmental Toxicology and Chemistry. Pittsburgh, v.30, n.2, p. 446-454, 2010.

PAULA, G. A. Modelos de regressão com apoio computacional. Instituto de Matemática e Estatística, 2002.

PAULINO, C. D.; TURKMAN, M. A.; MURTEIRA, B. Estatística Bayesiana. Editora: Fundação Calouste Gulbenkian, Lisboa, 2003.

PENHA, D. L. Inferência bayesiana não-paramétrica para elicitação da função de contabilidade. 2014. 85 f. Dissertação (mestrado) - Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade de Ciências e Tecnologia, 2014.

PIRES, C. S. S.; PEREIRA, F. M.; LOPES, M .T R.; NOCELLI, R. C. F.; MALASPINA, O.; PETTIS, J. S.; TEIXEIRA, E. W. Enfraquecimento e perda de colônias de abelhas no Brasil: há casos de CCD?. Pesquisa Agropecuária Brasileira, Brasília, v.51, n.5, p. 422-442, 2016.

PIRES, M. C., Abordagem Bayesiana para modelos de regressão logística com erros e classificações repetidas. Universidade Federal de Minas Gerais, Belo Horizonte, MG, 2010.

R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Áustria, 2018.

ROSSI, R. M., Introdução aos métodos Bayesianos na análise de dados zootécnicos com uso do WinBUGS e R, Fundação Universidade Estadual de Maringá, PR, 2010.

SPIEGELHALTER, D. J.; BEST, N. G.; CARLIN, B. P.; VAN DER LINDE, A. Bayesian measures of model complexity and fit (with discussion). J. Royal Statist. Soc., B, 64, 583-639, 2002.

Publicado
29-07-2019