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.

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 A consorciação de culturas é uma prática que permite a maximização dos recursos disponíveis, sobretudo na pequena propriedade agrícola. Objetivou-se verificar a viabilidade agroeconômica do consórcio do mangarito com milho verde. Dois experimentos foram realizados com as variedades de mangarito ‘Gigante’ e ‘Pequeno’, cada um constituído de nove tratamentos envolvendo os consórcios do mangarito com milho verde, em quatro épocas da associação após a emergência das plantas de mangarito (DAE = 0, 21, 42 e 63), assim como suas respectivas monoculturas. O delineamento experimental foi o de blocos casualizados, com cinco repetições. Avaliaram-se, além dos dados produtivos das culturas, indicadores agroeconômicos de eficiência. Os resultados foram submetidos à análise de variância e as médias de comparadas pelo teste Tukey, além de realizados contrastes (teste F) entre monocultivos solteiro e consórcios para as variáveis medidas no milho verde. Concluiu-se que é viável, agronômica e economicamente, a consorciação dos mangaritos ‘Gigante’ e ‘Pequeno’ com milho verde. Em termos econômicos, a associação do milho verde com mangarito ‘Gigante’ deve ser instalada, preferencialmente, aos 21 DAE das plantas do mangarito e, para o mangarito ‘Pequeno’, ao 0 DAE.

ABSTRACT Intercropping is a practice that allows the maximization of resources available in the agricultural property. The objective was to verify the agroeconomic viability of the mangarito intercropped with green corn. There were two experiments, conducted with the “Gigante” and “Pequeno” mangarito varieties, each one constituted of nine treatments, resulting from the intercropping of mangarito with green corn in four seasons of the association after the emergence of the mangarito plants (DAE = 0, 21, 42, and 63), as well as their respective monocultures. The experimental design was a randomized block design, with five replications. In addition to crop production data, agroeconomic efficiency indicators were evaluated. Data were subjected to analysis of variance, and the means of mangarito production and of agroeconomic indicators compared by the Tukey's test, and contrasts were performed (F test) between single and intercropped crops for characteristics evaluated in green corn. It is concluded that the intercropping of Gigante and Pequeno mangarito varieties with green corn is viable, both agronomically and economically. In economic terms, the association of green corn with Gigante mangarito should be installed, preferably, at 21 DAE of the mangarito plants and, for the Pequeno variety, at 0 DAE.

RESUMO: Análises de crescimento de plantas são importantes, pois geram informações sobre a demanda e os cuidados necessários para cada etapa de seu desenvolvimento. Modelos de regressão não linear são apropriados para descrever curvas de crescimento por apresentarem parâmetros com interpretação prática biológica. Entretanto, estes modelos apresentam informações em termos médios, e estão sujeitos a problemas no ajuste proporcionados por possíveis valores extremos ou assimetria na distribuição dos dados. A regressão quantílica pode contornar estes problemas, e ainda permite estimativas de diferentes quantis, gerando resultados mais completos e robustos. Assim, o objetivo deste trabalho foi ajustar um modelo de regressão quantílica não linear para o estudo do acúmulo de matéria seca em plantas de alho (Allium sativum L.) ao longo do tempo, estimando seus parâmetros em três diferentes quantis e classificando cada acesso de alho de acordo com sua taxa de crescimento e peso assintótico. O modelo de regressão não linear ajustado foi o Logístico, e foram utilizados 30 acessos de alho. Estes foram divididos de acordo com a curva do quantil de estimativas mais próximas, sendo classificados 12 acessos como de baixo interesse para o plantio, 6 de interesse intermediário e 12 como de alto interesse.

ABSTRACT: Plant growth analyses are important because they generate information on the demand and necessary care for each development stage of a plant. Nonlinear regression models are appropriate for the description of curves of growth, since they include parameters with practical biological interpretation. However, these models present information in terms of the conditional mean, and they are subject to problems in the adjustment caused by possible outliers or asymmetry in the distribution of the data. Quantile regression can solve these problems, and it allows the estimation of different quantiles, generating more complete and robust results. The objective of this research was to adjust a nonlinear quantile regression model for the study of dry matter accumulation in garlic plants (Allium sativum L.) over time, estimating parameters at three different quantiles and classifying each garlic accession according to its growth rate and asymptotic weight. The nonlinear regression model fitted was a Logistic model, and 30 garlic accessions were evaluated. These 30 accessions were divided based on the model with the closest quantile estimates; 12 accessions were classified as of lesser interest for planting, 6 were classified as intermediate, and 12 were classified as of greater interest for planting.

Resumo: O objetivo deste trabalho foi identificar modelos de regressão não linear que melhor descrevam curvas de acúmulo de matéria seca em acessos de alho (Allium sativum), ao longo do tempo, com uso das abordagens bayesiana e frequentista. Análises de agrupamento multivariadas foram empregadas para agrupar acessos similares quanto às estimativas dos parâmetros das curvas com interpretação biológica (β1 e β3). Para verificar se os grupos formados eram iguais, aplicaram-se testes estatísticos para testar a igualdade de parâmetros das curvas representativas de cada grupo. Foram utilizados 30 acessos de alho, mantidos pelo Banco de Germoplasma de Hortaliças da Universidade Federal de Viçosa. O modelo logístico foi o que melhor se ajustou aos dados em ambas as abordagens. As estimativas dos parâmetros deste modelo foram submetidas à análise de agrupamento com o algoritmo de Ward, e a distância generalizada de Mahalanobis foi utilizada como medida de dissimilaridade. O número ótimo de grupos, de acordo com o método de Mojena, foi de três e quatro para as abordagens frequentista e bayesiana, respectivamente. Testes de hipótese quanto à igualdade de parâmetros das curvas estimadas, para cada grupo de acesso, indicaram que ambas as metodologias evidenciam as diferenças identificadas pela análise de agrupamento. Portanto, ambas as abordagens são indicadas para estudos desta natureza.

Abstract: The objective of this work was to identify nonlinear regression models that best describe dry matter accumulation curves over time, in garlic (Allium sativum) accessions, using Bayesian and frequentist approaches. Multivariate cluster analyses were made to group similar accessions according to the estimates of the parameters with biological interpretation (β1 and β3). In order to verify if the obtained groups were equal, statistical tests were applied to assess the parameter equality of the representative curves of each group. Thirty garlic accessions were used, which are kept by the vegetable germplasm bank of Universidade Federal de Viçosa, Brazil. The logistic model was the one that fit best to data in both approaches. Parameter estimates of this model were subjected to the cluster analysis using Ward’s algorithm, and the generalized Mahalanobis distance was used as a measure of dissimilarity. The optimal number of groups, according to the Mojena method, was three and four, for the frequentist and Bayesian approaches, respectively. Hypothesis tests for the parameter equality from estimated curves, for each identified group, indicated that both approaches highlight the differences between the accessions identified in the cluster analysis. Therefore, both approaches are recommended for this kind of study.