Bayesian Modelling of the effects of nitrogen doses on the morphological characteristics of braquiaria grass

Autores

  • Luiz Henrique Marra da Silva Ribeiro Universidade Federal de Alfenas
  • Matheus de Souza Costa Universidade Federal de Alfenas
  • Luiz Alberto Beijo Universidade Federal de Alfenas
  • Alberto Frank Lázaro Aguirre Universidade Federal de Alfenas
  • Tatiane Gomes de Araújo Universidade Federal de Alfenas
  • Josiane dos Santos Alves Universidade Federal de Alfenas

DOI:

https://doi.org/10.18227/1982-8470ragro.v12i4.5166

Palavras-chave:

Bayes factor. Regression models. A priori information. Optimization.

Resumo

The Bayesian approach in regression models has shown good results in parameter estimations, where it can increase accuracy and precision. The objective of the current study was to analyze the application of Bayesian statistics to the modeling yield for leaf dry matter (LM) and stem (SM), in kg ha-1, leaf ratio (LR), crude protein content for leaves (CPL) and stem (CPS) (%) of Brachiaria grass as a function of varying N doses (0; 100; 200 and 300 kg ha-1 yr-1). Simple and two degree polynomial linear regression models were analyzed. Information for a priori distributions was obtained from the literature. A posteriori distribution was generated using a Monte Carlo method via Markov chains. Parameters significance was assyed with HPD (Highest Posteriori Density) with a 95% interval. Model selections was performed using DIC (Deviance Information Criterion); and adjustment quality estimated with means and 95% HPD for Bayesian R2 distribution ranges. The models selected for the variables LM, SM and CPS were linear, while for LR and CPL, they were second level polynomial. The lowest doses that maximize response variables were: LM: 274 ha-1yr-1, SM: 280 ha-1yr-1, LR: 113 ha-1yr-1, CPL: 265 ha-1yr-1, CPS: 289 ha-1yr-1. The Bayesian approach allowed the inclusion of literatureverified a priori information, and the identification of evidence optimization range intervals.

Biografia do Autor

Luiz Henrique Marra da Silva Ribeiro, Universidade Federal de Alfenas

Mestrando em Estatística Aplicada e Biometria

Matheus de Souza Costa, Universidade Federal de Alfenas

Graduando de Licenciatura em Matemática

Luiz Alberto Beijo, Universidade Federal de Alfenas

Professor de Estatística do Programa de Pós-Graduação em Estatística Aplicada e Biometria

Alberto Frank Lázaro Aguirre, Universidade Federal de Alfenas

Mestrando em Estatística Aplicada e Biometria

Tatiane Gomes de Araújo, Universidade Federal de Alfenas

Mestranda em Estatística Aplicada e Biometria

Josiane dos Santos Alves, Universidade Federal de Alfenas

Mestranda em Estatística Aplicada e Biometria

Downloads

Publicado

30/12/2018

Edição

v. 12 n. 4 (2018): OUTUBRO-DEZEMBRO

Seção

Original Scientific Article

Licença

Declaro em meu nome e em nome dos demais autores que aqui represento no ato da submissão deste artigo, à REVISTA AGRO@MBIENTE ON-LINE que: • 1. O conteúdo do artigo é resultado de dados originais e não publicados ou submetidos a outros periódicos. • 2. Além do autor principal, todos os co-autores participaram suficientemente do trabalho para tornar públicas as respectivas responsabilidades pelo conteúdo. • 3. Em caso de aceitação do artigo, os autores concordam que os direitos autorais a ele referentes se tornarão propriedade exclusiva da Revista Agro@mbiente On-line, vedada qualquer reprodução, total ou parcial, em qualquer outra parte ou meio de divulgação, impressa ou eletrônica, sem que a prévia e necessária autorização seja solicitada e que, se obtida, devem constar os agradecimentos à Revista Agro@mbiente On-line do Centro de Ciências Agrárias/UFRR.