Modelo beta misto bayesiano para descrever a influência de diferentes cepas do fungo Colletotrichum truncatum sobre a severidade da antracnose na sojicultura / Antonio Leopoldo Cardoso Sabino. --versão revisada de acordo com a resolução CoPGr 6018 de 2011. --Piracicaba, 2022 .92 p. Dissertação (Mestrado) --USP / Escola Superior de Agricultura "Luiz de Queiroz". 1. Soja 2. Patógeno 3. MCMC 4. Taxas . I. Título.
AGRADECIMENTOSAgradeço primeiramente a Deus, pelo apoio nos momentos difíceis, por abrir espaços frente às dificuldades e por ser meu guia, desde o princípio.Aos meus pais, Maria Edileuza Sabino Cardoso e José Cardoso, por sempre me motivarem a seguir em frente e por todo sacrifício que fizeram para que um dia eu chegasse onde estou.Ao Prof. Dr. Silvio Sandoval Zocchi por todo apoio, confiança, paciência, orientação e amizade ao longo deste trabalho.Ao Prof. Dr. Cristian Marcelo Villegas Lobos, pela grande ajuda com a programação computacional e teoria sobre os modelos bayesianos.Ao Prof. Dr. Idemauro Antonio Rodrigues de Lara pelo apoio, confiança e motivação durante este caminho.A Dra. Flávia Rogério pela cessão do conjunto de dados usados neste trabalho, por todo apoio e disponibilidade em tirar dúvidas e realizar discussões técnicas dos resultados obtidos, que foram de extrema importância para a tomada de decisões durante as análises.Aos demais professores do Programa de Pós-Graduação em Estatística e Experimentação Agronômica (PPGEEA) pelos valiosos conhecimentos passados. Minha mais profunda admiração por todos.
We study the daily precipitation in the municipality of Campina Grande, estimating the parameters of Gamma, Log-Normal, and Weibull distributions. To evaluate the parameter estimators, we compared the Particle Swarm Optimization (PSO) versus Maximum Likelihood Estimation (MLE) to analyze and understand the behaviour of the daily precipitation in Campina Grande. In most cases, our results show evidence that the PSO algorithm is an efficient and robust technique. Notwithstanding, the algorithm also presents an efficient parameter estimation due to its fast convergence.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.