Modelos aditivos generalizados para locação, escala e forma na análise da produtividade do feijão comum

Autores

DOI:

https://doi.org/10.5902/2179460X85223

Palavras-chave:

Modelos de regressão distribucional, Seleção de modelos, Phaseolus vulgaris L.

Resumo

O feijão comum (Phaseolus vulgaris L.) é uma leguminosa que constitui uma das culturas mais importantes do mundo, com grande relevância económica. Assim, o principal objetivo deste trabalho é analisar a produtividade do feijão comum, relacionando-a com variáveis específicas. Para o efeito, foram consideradas as seguintes variáveis explicativas candidatas: altura da planta, número de ramos por planta, dias para a floração, dias para a maturação, número de sementes por vagem, número de vagens por planta e massa de sementes. Devido à sua flexibilidade em explicar o comportamento de uma variável resposta, os modelos aditivos generalizados para localização, escala e forma (GAMLSS) foram utilizados para a modelagem estatística. Inicialmente, foram consideradas três distribuições distintas para a variável resposta (produtividade): a gama inversa (IGAMMA), a gama generalizada (GG) e a gaussiana inversa (IG). As covariáveis para as estruturas de regressão foram selecionadas utilizando a chamada Estratégia A, um método baseado em stepwise. Com base nos critérios de Akaike e Schwarz, o GAMLSS baseado na distribuição IG foi escolhido como o melhor ajuste. As variáveis número de vagens por planta e dias até à maturação tiveram um efeito significativo positivo na produtividade média, enquanto o número de ramos por planta apresenta um efeito negativo na sua variabilidade. Com base numa análise residual, podemos concluir que os GAMLSS ajustado com base na distribuição IG é adequado para explicar os dados.

Downloads

Não há dados estatísticos.

Biografia do Autor

Momate Emate Ossifo, Universidade Federal de Lavras

Possui licenciatura em Ensino de Matematica pela Universidade Pedagógica - Moçambique, Mestrado em Estatística Aplicada e Biometria, pela Universidade Federal de Viçosa - Brasil e Doutoramento em andamento em Estatística e Experimentação Agropecuária, pela Universidade Federal de Lavras (UFLA) - Brasil 

Luiz Ricardo Nakamura, Universidade Federal de Lavras

Possui graduação em Estatística pela Universidade Estadual Paulista "Júlio de Mesquita Filho", mestrado em Ciências (Estatística e Experimentação Agronômica) pela Universidade de São Paulo e doutorado em Ciências (Estatística e Experimentação Agronômica) pela Universidade de São Paulo, com período sanduíche na London Metropolitan University

Cesar Pedro, Universidade Federal de Lavras

Graduado em Engenharia Agro-pecuária, Mestrado em Genética e Melhoramento de plantas pela Universidade Federal de Viçosa-Brasil e Doutoramento em andamento em  Genética e Melhoramento de plantas pela Universidade Federal de Lavras-Brasil

Daniel Furtado Ferreira, Universidade Federal de Lavras

Graduação em Agronomia, mestrado em Genética e Melhoramento de Plantas pela Universidade Federal de Lavras, doutorado em Agronomia (Genética e Melhoramento de Plantas) pela Universidade de São Paulo, e pós-doutoramento em Estatística e Experimentação Agrícola

Alex de Oliveira Ribeiro, Universidade Federal de Lavras

Licenciado em Matemática pelo Centro Universitário de Lavras, mestrado e doutorado em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras

Referências

Abdollahi, A.; Tahmasebpour, B.; Dehghanian, H. Factor analysis of Phonological and Morphological Traits in Common bean (Phaseolus vulgaris L.). Biological Forum-An International Journal, v. 8, n.1, p. 132–134, 2016.

Akaike, H. A new look at the statistical model identification.IEEE Transactions on Automatic Control. Notre Dame, v.19, n.6, p.716-723, 1974.

Amanullah, K. A.; Nawab, K.; Sohail, Q. Performance of promising common bean (Phaseolus vulgaris L.) germplasm at Kalam-Swat. Pakistan. J. Biol. Sci. v. 9, n. 14, p. 2642–2646, 2006.

Arevalo, A. C. M.; Cardoso, D. L.; Kraeski, M. J.; Santana D. C.; Arguelho S. G. Parâmetros genéticos, correlações e componentes principais para caracteres agronômicos em genótipos de feijoeiro comum do grupo carioca. Research, Society and Development, v. 9, n. 11, e3179119831, 2020.

Biscaro, G. A.; Junior, S. A. R. G.; Soratto, R. P.; Júnior, N. A. F.; Motomiya, A. V. A. M.; Filho, G. C. C. Molibdênio via semente e nitrogênio em cobertura no feijoeiro irrigado em solo de cerrado. Ciênc. agrotec., v. 33, n. 5, p. 1280-1287, 2009.

Bisognin, M. B.; Pias, O. H. C.; Vian, A. L.; Basso, C. J.; Santi, A. L. Seed spacing variability reduces common bean yield. Pesq. Agropec. Trop., Goiânia, v. 49, e55134, 2019.

CONAB. 2023. Acompanhamento da Safra Brasileira, Feijão,2022/23, 4° levantamento. Available at: https://www.conab.gov.br. Accessed on June 2, 2023.

Correa, A. M.; Ceccon, G.; Correa, C. M. A.; Delben, D. S. Estimativas de parâmetros genéticos e correlações entre caracteres fenológicos e morfoagronômicos em feijão-caupi. Rev. Ceres, Viçosa, v. 59, n.1, p. 88 – 94, 2012.

Dunn, P.k.; Smyth, G.k. Randomized quantile residuals. J. Comput. Graph Stat. v. 5, p. 236–244, 1996.

Eilers, P.h.c.; Marx, B.d. Flexible smoothing with B-splines and penalties. Statistical Science, v. 11, p. 89–121 1996.

FAOSTAT-Food and Agriculture Organization Corporate Statistical Database. 2020. Available at: https://www.fao.org/faostat/en/. Accessed on July 28, 2023.

Federer, W.t. Augmented (or Hoonuiaku) Designs. Hawaiian Planters’ Record, v. 55, p. 191-208, 1956.

Fernandes, D. S.; Soratto, R. P.; Kulczynski, S. M.; Biscaro, G. A.; Dos Reis, C. G. Produtividade e qualidade fisiológica de sementes de feijão em conseqüência da aplicação foliar de manganês. Pesq. agropec. bras., v.42, n.3, p.419-426, 2007.

Harikrishnan, R.; Del Río, L. E. A Logistic Regression Model for Predicting Risk of White Mold Incidence on Dry Bean in North Dakota. Plant Disease, v. 92, n. 1, 2008.

IPGRI. Descritores para Phaseolus vulgaris. International Plant Genetic Resources Institute, Rome. 2001.

Jannat, S.; Shah, A. H.; Hassan, M.; Sher, A.; Fiaz, S.; Elesawy, B. H.; Ismail, K. A.; El Askary, A.; Gharib, A. F.; Qayyum, A. Genetic diversity of common bean (Phaseolus vulgaris L.) ecotypes from Pakistan using Simple Sequence Repeats. Saudi Journal of Biological Sciences, v. 29, 2022.

Jannat, S.; Shah, A. H.; Sabir, S. M. Nutraceutical characterisation of common bean (Phaseolus vulgaris L.) germplasm from Pakistan. International Food Research Journal, v. 26, n. 2, p. 1835–1843, 2019.

Kakhki, S. H. N.; Taghaddosi, M. V.; Moini, M. R.; Naseri, B. Predict bean production according to bean growth, root rots, fly and weed development under different planting dates and weed control treatments. heliyon journal, v. 8, n. 11, 2022.

Kneib, T. Beyond mean regression. Statistical Modelling, v.13, p. 275–303, 2013.

Machado, C. F.; Teixeira, N. J.; Filho, F. R. F.; Rocha, M. R.; Gomes, R. L. F. Identificação de genótipos de feijão-caupi quanto à precocidade, arquitetura da planta e produtividade de grãos. Revista Ciência Agronômica, 39:114-123, 2008.

MADER-Ministério da Agricultura e Desenvolvimento Rural. 2021. Inquérito Integrado Agrário 2020. Maputo, Mocambique. Available at: https://www.agricultura.gov.mz/wp_content/uploads/2021/06/MADER_Inquerito_Agrario_2020.pdf. Accessed on June 20, 2023.

Nakamura, L. R.; Ramires, T. G.; Righetto, A. J.; Pescim, R. R.; Roquim, F. V.; Savian, T. V.; Stasinopoulos, D. M. Cattle reference growth curves based on centile estimation: A GAMLSS approach. Computers and Electronics in Agriculture, v. 192, p. 106572, 2022.

Nakamura, L. R.; Rigby, R. A.; Stasinopoulos, D. M.; Leandro, R. A.; Villegas, C.; Pescim, R. R. Modelling location, scale and shape parameters of the Birnbaum-Saunders generalized t distribution. Journal of Data Science, v. 15, p. 221–237, 2017.

Pedro, C.; Donça, M. C. B; Somueque, S. I.; Dique, J. E. L.; Bambo, E. C.; Colial; H. V.; Alexandre, D. C.; Gimo, S. T.; Divage, B. A. F.; Rico, D. M. R.; Barbosa, I. V.; Felizmino, V.; Serrote, R. I.; Moisés, Y. A. A.; Amós, N. R. Variability, Similarity Network and Genotypic Path Analysis of Common bean yield traits. FPBJ - Scientific Journal, v. 4, n. 2, p. 13–22, 2022a.

Pedro, C.; Donça, M. C. B.; Colial, H. V.; Dique, J. E. L.; Bambon, E. C.; Somueque, S. I.; Divage, B. A. F.; Rico, D. M. R.; Barbosa, I. P. Morpho-agronomic genetic diversity in common bean landraces based on blup values. FPBJ - Scientific Journal, v. 5, n. 3, 2022b.

Pereira, R. F.; Cavalcante, S. N.; Lima, A. S.; Filho, F. C. F. M; Santos, J. G. R. Crescimento e rendimento de feijão vigna submetido à adubação orgânica. Revista Verde (Mossoró – RN - Brasil), v. 8, n. 3, p. 91 - 96, 2013.

Ramires, T. G.; Nakamura, L. R.; Righetto, A. J.; Pescim, R. R.; Mazucheli, J.; Rigby, R. A.; Stasinopoulos, D. M. Validation of Stepwise-Based Procedure in GAMLSS. Journal of Data Science, v. 19, n. 1, p. 96–110, 2021.

Ribeiro, N. D.; Mello, R. M.; Dalla, R. C.; Sluszz, T. Correlações genéticas de caracteres agromorfológicos e suas implicações na seleção de genótipos de feijão carioca. Revista Brasileira de Agrociência, v. 7, n. 2, p. 93-99, 2001.

Rigby, R. A.; Stasinopoulos, D. M. Generalized additive models for location, scale and shape (with discussion). Appl. Statist. v. 54, p. 507–554, 2005.

Rigby, R. A.; Stasinopoulos, D. M.; Heller, G. Z.; De Bastiani, F. Distributions for Modeling Location, Scale, and Shape: Using GAMLSS in R. Chapman and Hall/CRC, 2019.

Righetto, A. J.; Ramires, T. G.; Nakamura, L. R.; Castanho, P. L. D. B.; Faes, C.; Savian, T. V. Predicting weed invasion in a sugarcane cultivar using multispectral image. Journal of Applied Statistics, v. 46, p. 1–12, 2019.

Rosse, L. N.; Vencovsky, R. Modelo de regressão não-linear aplicado ao estudo da estabilidade fenotípica de genótipo de feijão no estado do paraná. Bragantia, Campinas, v. 59, n. 1, p. 99 – 107, 2000.

Schmutz, J.; Mcclean, P. E.; Mamidi, S.; Wu, G. A.; Cannon, S. B.; Grimwood, J.; Jenkins, J.; Shu, S.; Song, Q.; Chavarro, C.; Torres-Torres, M.; Geffroy, V.; Moghaddam, S. M.; Gao, D.; Abernathy, B.; Barry, K.; Blair, M.; Brick, M. A.; Chovatia, M.; Gepts, P.; Goodstein, D. M.; Gonzales, M.; Hellsten, U.; Hyten, D. L.; Jia, G.; Kelly, J. D.; Kudrna, D.; Lee, R.; Richard, M. M. S.; Miklas, P. N.; Osorno, J. M.; Rodrigues, J.; Thareau, V.; Urrea, C. A.; Wang, M.; Yu, Y.; Zhang, M.; Wing, R. A.; Cregan, P. B.; Rokhsar, D. S.; Jackson, S. A. A reference genome for common bean and genome-wide analysis of dual domestications. Nature Genetics, v. 46, n. 7, p. 707–713, 2014.

Schwarz, G. Estimating the dimension of a model. Ann. Stat., v. 6, n. 2, p. 461–464,1978.

Shahid, A.; Kamaluddin, S. Correlation and path analysis for agro-morphological traits in rajmash beans under Baramulla- Kashmir region. African Journal of Agricultural Research, v. 8, n. 18, pp. 2027-2032, 2013.

Sofi, P. A.; Zargar, M. Y.; Debouk, D.; Graner, A. Evaluation of common bean (Phaseolus vulgaris L.) germplasm under temperate conditions of Kashmir Valley. J. Phytol., n. 3, v. 8, p. 47-52, 2011.

Stasinopoulos, D. M.; Rigby, R. A.; Heller, G. Z.; Voudouris, V.; De Bastiani, F. Flexible Regression and Smoothing: Using GAMLSS in R. Chapman and Hall/CRC, 2017.

Stoilova, T.; Pereira, G.; Tavares-De-Sousa, M. Morphological characterization of a small common bean (Phaseolus vulgaris L.) collection under different environments. Journal of Central European Agriculture. v. 14, n. 3, p. 1–11, 2013.

Van Buuren, S.; Fredriks, M. Worm plot: a simple diagnostic device for modelling growth reference curves. Statistics in medicine, v. 20, p. 1259 – 1277, 2001.

Voudouris, V.; Gilchrist, R.; Rigby, R.; Sedgwick, J.; Stasinopoulos, D. Modelling skewness and kurtosis with the BCPE density in GAMLSS. Journal of Applied Statistics, v. 39, n. 6, p. 1279–1293, 2012.

Zilio, M.; Coelho, C. M. M.; Souza, C. A.; Santos, J. C. P.; Miquelluti, D. J. Contribuição dos componentes de rendimento na produtividade de genótipos crioulos de feijão (Phaseolus vulgaris L.). Rev. Ciênc. Agron., v. 42, n. 2, p. 429 – 438, 2011.

Downloads

Publicado

2025-12-19

Como Citar

Ossifo, M. E., Nakamura, L. R., Pedro, C., Ferreira, D. F., & Ribeiro, A. de O. (2025). Modelos aditivos generalizados para locação, escala e forma na análise da produtividade do feijão comum. Ciência E Natura, 47, e85223. https://doi.org/10.5902/2179460X85223

Edição

v. 47 (2025): Publicação contínua

Seção

Estatística

Licença

Copyright (c) 2025 Ciência e Natura

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.

 

Diretrizes Éticas para Publicação de Revistas

A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.

A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.

Em particular, 

Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.

Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.

Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.

Artigos mais lidos pelo mesmo(s) autor(es)