Inúmeros experimentos em ciências agrárias apresentam variáveis que podem dar origem a problemas de multicolinearidade. Em se tratando da aplicabilidade de modelos de regressão, o problema da multicolinearidade tem como principal consequência o inflacionamento dos erros padrão e, com isso, o valor da estatística t-student é reduzido de tal forma que interfere nos resultados inferenciais. Várias medidas são propostas, na literatura, para resolver o problema de multicolinearidade. Entretanto, o desempenho dessas medidas está sujeito ao grau de multicolinearidade que as variáveis poderão apresentar, bem como ao tamanho amostral. Frente a este problema, este trabalho tem por objetivo avaliar alguns estimadores ridge, utilizando simulação Monte Carlo, bem como, apresentar a aplicação desses estimadores em um experimento, com dados reais, na área de entomologia. Mediante esta aplicação, os resultados expressivos alcançados foram obtidos em função da eficiência dos estimadores ridge avaliados, em relação ao estimador de mínimos quadrados. Em se tratando dos resultados computacionais, concluiu-se que estimadores ridge avaliados são recomendáveis, em experimentos que considerem as variáveis com diferentes graus de multicolinearidade, para amostras maiores do que n=50.
A large number of experiments in agronomic sciences use variables that may give rise to problems of multicollinearity. About the applicability of regression models, the problem of multicollinearity results mainly in increased standard error, thus, the Student's t-value is reduced, affecting the inferential results. Many actions are proposed in the literature to solve the problems of multicollinearity, however, the performance of these measurements are subject to the degree that multicollinearity of the variables may present, as well as the sample size. To address this problem, this paper aims to evaluate some ridge estimators using the Monte Carlo's simulation and demonstrate their application using real data from an entomological experiment. The ridge estimators evaluated were effective, in comparison with the least squares estimator. The results showed that the ridge estimators evaluated can be applied to experimenst that consider the variables with different degrees of multicollinearity, for samples greater than n=50.