RESUMO: Diante da importância de descrever o acúmulo de matéria seca total em acessos de alho e a vantagem dos Modelos Não Lineares Mistos (MNLM) nesse processo, o presente trabalho teve como objetivo comparar quatro equações não lineares (Gompertz, Logístico, Richards e von Bertalanffy) no ajuste do acúmulo de matéria seca total por planta de 30 acessos de alho. O objetivo também foi identificar os melhores acessos de acordo com cada parâmetro de crescimento, estimando os efeitos aleatórios em torno da média através do melhor entre os modelos. A análise foi realizada com o uso do software R. O melhor modelo foi o Logístico segundo os critérios utilizados para comparação (AIC, BIC, R a j . 2, EQM e EAM), apresentando estimativas mais próximas dos valores reais observados. De acordo com os efeitos aleatórios estimados por este modelo, que representam desvios da média, os acessos que apresentaram maior peso assintótico foram 4505, 4826 e 4500, enquanto os acessos 4826, 4837 e 4491 demoraram mais para atingir o ponto de inflexão da curva. A abordagem NLME utilizou apenas um ajuste por equação para obter informações sobre todos os indivíduos da amostra, ajustando eficientemente a matéria seca total acumulada e identificando os melhores acessos de acordo com os efeitos aleatórios estimados de seus parâmetros. RESUMO MNLM (MNLM processo Gompertz, Gompertz (Gompertz Bertalanffy 3 crescimento modelos AIC, AIC (AIC BIC 2 EAM, EAM , EAM) observados 4505 482 4500 483 449 curva amostra parâmetros 450 48 44 45 4
ABSTRACT: Given the importance of describing the accumulation of total dry matter in garlic accessions and the advantage of Nonlinear Mixed Effect Models (NLME) in this process, the present work research compared four nonlinear equations (Gompertz, Logistic, Richards, and von Bertalanffy) in the fit of accumulation of total dry matter per plant of 30 garlic accessions. The objective was also to identify the best accessions according to each growth parameter by estimating the random effects around the mean through the best among the models. The analysis was carried out using the R software. The best model was the Logistic according to the criteria used for comparison (AIC, BIC, R a j . 2, MSE and MAE), presenting estimates closer to the actual observed values. According to the random effects estimated by this model, which represent deviations from the mean, the accessions that showed the highest asymptotic weight were 4505, 4826 and 4500, while accessions 4826, 4837 and 4491 took longer to reach the inflection point of the curve. The NLME approach used one fit per equation to obtain information on all individuals in the sample, efficiently adjusting the accumulated total dry matter and identifying the best accessions according to the estimated random effects of its parameters. ABSTRACT (NLME process Gompertz, Gompertz (Gompertz Richards Bertalanffy 3 models software AIC, AIC (AIC BIC 2 MAE, MAE , MAE) values 4505 482 4500 483 449 curve sample parameters 450 48 44 45 4