Avaliação da severidade do cancro cítrico em genótipos de laranja doce por meio de modelos mistos
Palavras-chave:
Modelos lineares mistos, Cancro cítrico, severidade, ambiente estatístico RResumo
A doença do cancro cítrico que afeta folhas e frutos das laranjeiras, ocasiona grande prejuízo econômico, assim, a utilização de metodologias estatísticas na análise dos dados de citricultura é fundamental. Em muitos estudos sobre o comportamento da doença podem ocorrer várias medidas realizadas em uma mesma unidade experimental, caracterizando-as como medidas repetidas e fazendo com que seja necessário o uso de métodos estatísticos que considerem este fato. Neste sentido, os modelos lineares de efeitos mistos têm se tornado uma ferramenta importante de análise. O objetivo, neste trabalho, foi estudar e aplicar a teoria de modelos lineares mistos a um conjunto de dados, proveniente de um experimento implementado na região Noroeste do Estado do Paraná cujo interesse foi o de avaliar a severidade do cancro cítrico em folhas de laranja doce, para catorze genótipos diferentes. Com auxílio de pacotes disponíveis no ambiente estatístico R, observou-se que o modelo linear misto proporcionou um bom ajuste do modelo aos dados. Ainda, concluiu-se que algumas das variedades estudadas são mais suscetíveis ao desenvolvimento do cancro cítrico que outras.
Referências
BATES, Douglas; MAECHLER, Martin; BOLKER, Ben; WALKER, Steve. Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software, v. 67, n. 1, p. 1-48, 2015. DOI: 10.18637/jss.v067.i01.
CAZETTA, Andressa. Genótipos De Citros Inoculados Com Xanthomonas citri subsp. citri: Um Estudo Sobre Severidade Da Doença E Anatomia Estomática Da Planta. Dissertação de Mestrado, Universidade Estadual de Maringá, Maringá, 2021.
GONÇALVES-ZULIANI, ALINE MARIA ORBOLATO. Resistência de genótipos de laranja doce (Citrus sinensis) ao cancro cítrico e diversidade genética de Xanthomonas citri subsp. citri. Dissertação de Mestrado, Universidade Estadual de Maringá, Maringá, 2014.
JELIHOVSCHI, Enio G.; FARIA, Jose C.; ALLAMAN, Ivan Bezerra. ScottKnott: A Package for Performing the Scott-Knott Clustering Algorithm in R. Trends in Applied and Computational Mathematics, v. 15, n. 1, p. 3-17, 2014. URL: https://tema.sbmac.org.br/tema/article/view/646/643.
LONGHINI, Kleber Lopes et al. Avaliação da incidência e severidade de cancro cítrico com uso de composto químico em plantas de laranja-doce. In XI Encontro Internacional de Produção Científica, Maringá, PR, 2019.
OLIVEIRA, Roberto Pedroso et al. Cancro cítrico: epidemiologia e controle. Embrapa, Pelotas-RS, 2008. Disponível em: https://shorturl.at/jltKR. Acesso em: 04/03/2023.
PINHEIRO, José C.; BATES, Douglas M.. Mixed-effects models in S and S-PLUS. Springer Science e Business Media, 2000.
PINHEIRO, J.; BATES, D.; R Core Team. nlme: Linear and Nonlinear Mixed Effects Models. R package version 3.1-162. URL: <https://CRAN.R-project.org/package=nlme>.
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Viena, Áustria. URL: http://www.R-project.org/.
VOLPATO, Sthefany Caroline. Comparações de distribuições de probabilidade na análise à resistência ao cancro cítrico. Dissertação de Mestrado em Ciências. Universidade Estadual de Maringá, Maringá, 2021.
WEST, Brady T.; WELCH, Kathleen B.; GALECKI, Andrzet T.. Random coefficient models for longitudinal data: the autism example linear mixed models: a practical guide using statistical software. 2ª ed. Nova York: CRC Press, Taylor e Francis, 2014.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Proposta de Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).