Production of biquinho pepper in different growing seasons characterized by the logistic model and its critical points / Produção de pimenta biquinho em diferentes épocas de cultivo caracterizadas pelo modelo logístico e seus pontos críticos

ABSTRACT: The objective of this study was to characterize the production of biquinho pepper through the interpretation of parameter estimates from the logistic model and its critical points obtained by the partial derivatives of the function, and to indicate the best cultivar and growing season for subtropical climate sites. For this, a 2x3 factorial experiment was conducted with two cultivars of biquinho pepper (BRS Moema and Airetama biquinho) in three growing seasons (E1: October 2015, E2: November 2015, E3: January 2016). The logistic non-linear model for fruit mass was specified as a function of the accumulated thermal sum, and the critical points were calculated through the partial derivatives of the model, in order to characterize the productive performance of the crop by the biological interpretation of the estimates of the three set parameters. In E3, temperatures close to 0 ºC during the experiment were lethal to the plants, and a linear regression model was used in this case. The production of the cultivars in E1 and E2 were well characterized by the estimated logistic models, and the most productive cultivar was Airetama biquinho in all evaluated seasons. This cultivar also presented higher concentration of production. The two cultivars did not differ significantly with regards to productive precocity. For E3, it was not possible to interpret the parameters in the same way as for E1 and E2, since the use of the linear model did not allow the same interpretations performed for the nonlinear model, reaffirming its applicability horticultural crops of multiple harvests.

RESUMO: O objetivo deste estudo foi caracterizar a produção de pimenta biquinho através da interpretação dos parâmetros do modelo Logístico e seus pontos críticos obtidos pelas derivadas parciais da função, bem como indicar qual a melhor cultivar e a melhor época de cultivo para locais de clima subtropical. Conduziu-se um experimento em esquema fatorial 2x3 sendo duas cultivares de pimenta biquinho (BRS Moema e Airetama biquinho), em três épocas de cultivo (E1: outubro de 2015, E2: 01 de novembro 2015 e E3: janeiro de 2016). Ajustou-se o modelo logístico para massa de frutos em função da soma térmica acumulada, e calculou-se os pontos críticos através das derivadas parciais do modelo com a finalidade de caracterizar o desempenho produtivo da cultura através da interpretação biológica destes parâmetros. Temperaturas próximas a 0 ºC durante o experimento foram letais às plantas, e por isso, para a época 3, ajustou-se um modelo de regressão linear. A interpretação dos parâmetros do modelo Logístico e seus pontos críticos permitiram que a produção das cultivares nas épocas 1 e 2 fossem caracterizadas, sendo que a cultivar mais produtiva é Airetama biquinho em todas as épocas de transplante. Essa cultivar também apresenta maior concentração de produção no período. Quanto a precocidade produtiva as duas cultivares não diferiram significativamente. Sobre a época 3, não foi possível interpretar da mesma forma, pois o ajuste do modelo linear não permite as mesmas interpretações realizadas para o modelo não linear, reafirmando a sua aplicabilidade em cultura olerícolas de múltiplas colheitas.

Seleção e classificação multivariada de modelos de crescimento não lineares para bovinos Nelore / Selection and multivariate classification of nonlinear growth model for Nelore cattle

Utilizou-se análise de agrupamento para classificar e selecionar modelos não lineares de crescimento de bovinos Nelore, tendo em vista os resultados de diferentes avaliadores de qualidade de ajuste. Ajustaram-se 12 modelos não lineares. A qualidade de ajuste dos modelos foi medida pelo coeficiente de determinação (R²), quadrado médio do erro (QME), critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC), erro quadrático médio de predição (MEP) e coeficiente de determinação de predição (R²p). O modelo Brody foi o que apresentou o melhor ajuste para o conjunto de dados.

This study aimed to evaluate cluster analysis in classifying and selecting non linear models to describe Nelore beef cattle growth based on different goodness of fit criteria tests. A total of 12 non linear models were evaluated based on the following criteria: the determination coefficient (R²), error mean square (QME), Akaike information criterion (AIC), Bayesian information criterion (BIC), mean quadratic error of prediction (MEP) and predicted determination coefficient (R²p). The Brody model showed the best adjustment for the data set.

Análise bayesiana para modelos de degradabilidade ruminal / Bayesian analisys for ruminal degradability models

Neste estudo, utilizou-se a metodologia bayesiana para ajustar os modelos de ORSKOV & MCDONALD (1979) e MCDONALD (1981) a conjuntos de dados simulados e a um conjunto de dados de porcentagem de degradação da fibra em detergente neutro da gramínea coastcross (Cynodon dactylon x Cynodon nlemfuensis), ao longo do tempo. As amostras das distribuições marginais a posteriori dos parâmetros foram obtidas por meio dos métodos de Monte Carlo com cadeias de Markov (MCMC), especificamente, os algoritmos Amostrador de Gibbs e Metropolis-Hastings. A metodologia bayesiana mostrou-se eficiente, sendo avaliada e comprovada pelo estudo de simulação, que apresentou estimativas bem próximas ao valor paramétrico. As estimativas obtidas para os parâmetros dos modelos por meio da abordagem bayesiana mostraram-se bastante coerentes com os valores relatados na literatura. O modelo de Orskov e McDonald foi mais plausível que o modelo de McDonald na descrição dos dados de degradação.

The bayesian methodology was used to estimate the parameters of ORSKOV & MCDONALD (1979) and MCDONALD (1981) models. A study was conducted by using both simulated and real data percentage of coastcross grass (Cynodon dactylon x Cynodon nlemfuensis) fiber degradation with neutral detergent fiber degradation over the time. The posterior marginal samples distributions for the parameters were obtained by Gibbs Sampler and Metropolis-Hastings algorithms. The bayesian approach, evaluated and verified by the simulation studied, has proved to be efficient and the parameter estimated were quite close to the parametric values. The parameters estimated for both models using bayesian approach from real data were fairly consistent with the values reported in the literature. The Orskov and McDonald model was more plausible than the description degradation data made by the McDonald model.