Nonlinear quantile regression to describe the dry matter accumulation of garlic plants / Regressão quantílica não linear para descrever o acúmulo de matéria seca de alho

ABSTRACT

ABSTRACT The objective of this study was to adjust nonlinear quantile regression models for the study of dry matter accumulation in garlic plants over time, and to compare them to models fitted by the ordinary least squares method. The total dry matter of nine garlic accessions belonging to the Vegetable Germplasm Bank of Universidade Federal de Viçosa (BGH/UFV) was measured in four stages (60, 90, 120 and 150 days after planting), and those values were used for the nonlinear regression models fitting. For each accession, there was an adjustment of one model of quantile regression (τ=0.5) and one based on the least squares method. The nonlinear regression model fitted was the Logistic. The Akaike Information Criterion was used to evaluate the goodness of fit of the models. Accessions were grouped using the UPGMA algorithm, with the estimates of the parameters with biological interpretation as variables. The nonlinear quantile regression is efficient for the adjustment of models for dry matter accumulation in garlic plants over time. The estimated parameters are more uniform and robust in the presence of asymmetry in the distribution of the data, heterogeneous variances, and outliers.

RESUMO

RESUMO Este trabalho teve como objetivo ajustar modelos de regressão quantílica não linear para o estudo do acúmulo de matéria seca total em plantas de alho ao longo do tempo, e compará-los com modelos ajustados pelo método dos mínimos quadrados. A matéria seca total de nove acessos de alho pertencentes ao Banco de Germoplasma de Hortaliças da Universidade Federal de Viçosa (BGH/UFV) foi avaliada em quatro períodos (60, 90, 120 e 150 dias após plantio), e estes valores foram utilizados para o ajuste de modelos de regressão - não linear - logística. Para cada acesso, foram ajustados um modelo de regressão quantílica (τ=0,5) e um modelo pela metodologia dos mínimos quadrados. Para avaliar a qualidade de ajuste dos modelos foi utilizado o Critério de Informação de Akaike. Os acessos foram agrupados pelo algoritmo UPGMA, utilizando as estimativas dos parâmetros com interpretação biológica como variáveis. A regressão quantílica não linear foi eficiente no ajuste de modelos para descrição do acúmulo de matéria seca ao longo do tempo. As estimativas de parâmetros foram mais uniformes e robustas na presença de dados assimétricos, variâncias heterogêneas e de valores discrepantes.