IDENTIFICACIÓN DE VARIABLES CLIMÁTICAS PREDISPONENTES A VIRUS CONCOMITANTES EN MAÍZ MEDIANTE REGRESIÓN POR MÍNIMOS CUADRADOS PARCIALES PARA VARIABLES RESPUESTAS BINARIAS

SUAREZ FRANCO; RUIZ POSSE AGUSTINA; TORRICO ADA KARINA; GIMENEZ MARIA DE LA PAZ; BALZARINI MÓNICA; BRUNO CECILIA

Salta

Congreso; XVII Reunión Cientifica del Grupo Argentino de Bioestadística; 2023

Grupo Argentino de Bioestadística

La Regresión por Mínimos Cuadrados Parciales (PLS-R) modela la relación entre un conjunto de variables predictoras y un conjunto de variables respuesta. La Regresión Logística Binaria por PLS (PLS-BLR) surge como una generalización de la PLS-R en el caso de variables respuesta de naturaleza binaria. El objetivo de este trabajo fue evaluar la correlación entre la presencia/ausencia de múltiples virus que afectan un mismo cultivo con variables climáticas (regresoras) en el periodo de presiembra para una serie de sitios de muestreo en una región de cultivo. Se registró la presencia/ausencia de Mal de Río Cuarto virus (MRCV), Sugarcane mosaic virus (SCMV) y Maize dwarf mosaic virus (MDMV) en 147 lotes de maíz. Para cada lote se obtuvieron 24 variables climáticas registradas entre los meses de agosto a noviembre previo a la siembra del cultivo. Los resultados se presentan en un triplot, una extensión del biplot. Las dos primeras componentes del Triplot resultante explicaron el 45% de la dependencia entre variables. El primer componente explica la presencia de MRCV y SCMV. La probabilidad de ocurrencia de MRCV estuvo asociado a valores de evapotranspiración altos. Mientras que la ocurrencia de SCMV a altas temperaturas en los meses de septiembre a noviembre. Dado que las condiciones predisponentes para la presencia de MRCV y SCMV estuvieron correlacionadas negativamente, la presencia conjunta de ambos virus tiene baja probabilidad. La segunda componente permitió asociar la presencia de MDMV con alta humedad relativa durante todo el periodo de presiembra. El porcentaje de clasificación correcta estimada por el modelo fue de 66% para SCMV, 64% para MDMV y de 67% para MRCV. La extensión del biplot permitió explorar gráficamente las relaciones subyacentes constituyendo una ayuda para la modelación.