Componentes de efeitos de safras representados em biplots corrigidos por predições de modelos GEE na classificação granulométrica de cafés

Abstract

Em uma análise granulométrica de cafés com diferentes categorias de defeitos, os dados podem ser organizados em tabelas de contingências e, ao considerar a discriminação por safra, as mesmas poderão ter uma estrutura que sugere um modelo mais complexo, no tocante, à interação das classificações de defeitos e porcentagens dos grãos de peneiras com efeitos de safra. Diante do exposto, surge a hipótese de que estruturas de correlação são viáveis de serem incorporadas em um modelo, a fim de aprimorar análises gráficas multidimensionais, como a técnica biplots. Com essa motivação, este trabalho tem por objetivo propor o uso de biplots corrigidos por predições de modelos GEE na classificação granulométrica de cafés, discriminada por componentes do efeito das safras. Para validação da proposta, realizações Monte Carlo foram feitas em diferentes estruturas de tabela de contingência em cenários com diferentes graus de correlação. Concluiu-se que o uso de modelos GEE com a técnica biplot corrigida pelas predições é viável de aplicação na análise granulométrica de grãos defeituosos de cafés, com uma eficiente discriminação dos efeitos de safras.

In a granulometric analysis of coffee beans with different defect categories, the data can be organized in contingency tables and, considering discrimination by crops, they might present a structure that suggests a more complex model when it comes to the interaction of crop effects with the defect classifications and percentage of sieve beans. In view of the foregoing, the hypothesis that correlation structures may be incorporated to a model in order to improve multidimensional graphic analysis (such as the biplots technique) arises. Therefore, this work has as its objective to propose the use of biplots corrected by predictions of GEE models in the granulometric classification of coffee beans, discriminated by components of crop effects. To validate the proposal, Monte Carlo realizations were performed in different contingency table structures in scenarios with different degrees of correlation. It was concluded that the use of GEE models with the biplot technique corrected by the predictions is applicable in the granulometric analysis of defective coffee beans, with an efficient discrimination of crop effects.