Conhecer o crescimento do tomateiro e de seus frutos, medido através do acúmulo de biomassa ao longo do tempo, são fundamentais para o manejo adequado e a detecção de problemas no desenvolvimento das culturas. Este crescimento pode ser estudado por meio de vários modelos de regressão não linear que podem ser usados para facilitar a interpretação dos processos envolvidos no sistema de produção vegetal. Entre os modelos empíricos usados frequentemente para estimar o crescimento de plantas, e seus componentes, encontra-se a função logística. Um dos métodos utilizados para estimar os parâmetros das curvas de crescimento é o método bayesiano. Este estudo teve como objetivo aplicar a metodologia bayesiana na descrição dos dados – reais e simulados - de crescimento do diâmetro de tomates, utilizando o modelo não linear logístico. Os algoritmos para o amostrador de Gibbs e o Metropolis-Hastings foram implementados utilizando-se a linguagem R. A condição de convergência das cadeias foi verificada por meio do critério de Raftery & Lewis, que está disponível no pacote BOA (“Bayesian Output Analysis”) do software R. A metodologia bayesiana mostrou-se eficiente na estimação dos parâmetros da curva de crescimento, e as estimativas mostraram-se coerentes com os valores relatados na literatura.
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.