RESUMO Uma das formas de otimizar a avaliação do experimento e obter elevada precisão dos resultados é com o uso de quantidade adequada de mensurações para cada variável observada no experimento. Neste sentido, o objetivo deste estudo foi estimar coeficiente de repetibilidade e o número de mensurações necessárias para análise de caracteres de produção de abobrinha, pepino, pimenta biquinho e ervilha. Os experimentos foram realizados no Departamento de Fitotecnia da Universidade Federal de Santa Maria. Para abobrinha e pepino avaliaram-se as variáveis número, massa e comprimento de frutos, maior e menor diâmetro dos frutos. Para ervilha avaliou-se o número, massa e comprimento de vagens, número e massa de grãos, e para pimenta biquinho avaliou-se número, massa, maior diâmetro e o comprimento dos frutos. O coeficiente de repetibilidade (r) foi estimado pelo método dos componentes principais usando a matriz de correlação e a matriz de covariâncias. Determinou-se ainda, o número de mensurações para cada variável com base nos coeficientes de determinação de 0.80, 0.85, 0.90, 0.95 e 1.00. O coeficiente de repetibilidade estimado obteve as maiores estimativas com o uso da matriz de covariâncias, variando de 0,67 a 0,84 para abobrinha, de 0,66 a 0,97 para pepino, de 0,47 a 0,70 para ervilha e de 0,57 a 0,71 para pimenta biquinho. Para avaliar a massa de frutos em abobrinha, pepino, ervilha e pimenta biquinho, são necessárias, respectivamente 7, 4, 8 e 8 mensurações para um coeficiente de determinação de 95%.

ABSTRACT One of the ways to optimize the evaluation of the experiment and obtain high precision of the results is with the use of an adequate number of measurements for each variable observed in the experiment. In this sense, the objective of this study was to estimate the repeatability coefficient and the number of measurements necessary for the analysis of characters of production of zucchini, cucumber, pout pepper and pea. In the experiments carried out with zucchini and cucumber the variables number of fruits, fruit mass, fruit length, largest fruit diameter and smallest fruit diameter were evaluated. For pea the number, length and mass of pods, number and mass of grains per pod and for pout pepper number and mass of fruits, largest fruit diameter and length were evaluated. The repeatability coefficient (r) was estimated by the principal component method using the correlation matrix and the covariance matrix. The number of measurements for each variable was also determined based on the coefficients of determination of 0.80, 0.85, 0.90, 0.95 and 1.00. The estimated repeatability coefficient obtained the highest estimates using the covariance matrix, ranging from 0.67 to 0.84 for zucchini, from 0.66 to 0.97 for cucumber, from 0.47 to 0.70 for pea and from 0.57 to 0.71 for pout pepper. To evaluate the fruit mass in zucchini, cucumber, pea and pout pepper, are exactly, respectively, 7, 4, 8 and 8 measurements for a coefficient of determination of 95%.

RESUMO O objetivo deste estudo foi identificar a resposta do ciclo produtivo de genótipos de abobrinha italiana cultivadas em condições de campo em duas épocas de cultivo por meio do modelo não linear logístico e seus pontos críticos. Para isso dois experimentos foram conduzidos em delineamento blocos ao acaso, com três genótipos (Caserta, PX13067051 e Tronco) e duas épocas de cultivo (primavera-verão e verão-outono) com oito repetições e a unidade experimental composta por 7 plantas. Ajustou-se o modelo não linear logístico para a variável massa de frutos, em função da soma térmica acumulada, e estimou-se os pontos críticos pelas derivadas parciais da função ajustada. Os pressupostos do modelo não linear não foram atendidos para nenhum genótipo em ambas as épocas avaliadas, e para contornar este problema foi realizado o ajuste por reamostragens bootstrap. Os resultados de não linearidade intrínseca e paramétrica confirmam a qualidade do ajuste do modelo. Pelos parâmetros e pontos críticos do modelo foi possível determinar que os genótipos de abobrinha italiana avaliados foram mais produtivos na primavera-verão. Os genótipos PX13067051 e Caserta apresentaram produtividade superior ao genótipo Tronco, além de serem mais precoces e apresentar maiores taxas de produção. O modelo de crescimento logístico e seus pontos críticos foram capazes de caracterizar o ciclo de produção dos genótipos de abobrinha italiana em diferentes épocas de cultivo, e permitiu que inferências fossem realizadas com vistas a diferenciar os genótipos e as épocas de cultivo avaliadas.

ABSTRACT This study aimed to identify the productive cycle response of Italian zucchini genotypes grown under field conditions in two growing seasons using the nonlinear logistic model and its critical points. Two randomized block experiments were conducted, with three genotypes (Caserta, PX13067051, and Tronco) and two growing seasons (spring-summer and summer-fall), with eight replicates and each experimental unit consisting of 7 plants. The logistic nonlinear model was adjusted for the fruit mass variable, as a function of the accumulated thermal sum, and the critical points were estimated by the partial derivatives of the adjusted function. Adjustment by bootstrap resampling was performed to address the violation of assumptions. The results of intrinsic and parametric nonlinearity confirm the quality of the model fit. This experiment demonstrated that the zucchini genotypes evaluated were more productive in the spring-summer growing season, using the parameters and critical points obtained from the logistic nonlinear model. Genotypes PX13067051 and Caserta showed superior productivity to the Tronco genotype, and also fruited earlier and at a higher rate of production. The logistic growth model and its critical points characterized the production cycle of the zucchini genotypes in different growing seasons and allowed inferences to be made to differentiate the genotypes and the growing seasons.

RESUMO Para que um experimento apresente alta confiabilidade e precisão em seus resultados há a necessidade de seu adequado planejamento. Nesta etapa, a definição do tamanho da parcela experimental e do número de repetições é fundamental para que o erro experimental já seja controlado no início do experimento. Desta forma o objetivo do trabalho foi estimar o tamanho de parcela e o número de repetições suficientes para realização de experimentos com Cucumis sativus. A implantação do ensaio de uniformidade ocorreu na primeira semana de janeiro de 2017. O espaçamento utilizado foi de 0,3 m entre plantas e 1 m entre fileiras, resultando em 12 plantas em cada uma das 12 fileiras de cultivo e cada unidade experimental básica foi composta de uma planta. As variáveis observadas nas 18 colheitas foram massa média de frutos (MMF, em g), comprimento médio de frutos (CMF, em cm) e diâmetro médio de frutos (DMF, em cm). As colheitas foram analisadas individualmente e agrupadas para a redução da variabilidade experimental. Foram estimados o número de repetições e o tamanho de parcela pelo método da curvatura máxima do coeficiente de variação. O tamanho de parcela e o número de repetições são influenciados pela variabilidade existente nas fileiras de cultivo e entre as colheitas. Para uma diferença mínima significativa do teste de Tukey expressa em percentagem da média de 25%, recomenda-se parcelas de quatro plantas por fileira de cultivo com seis repetições.

ABSTRACT In order to be considered highly reliable (showing very accurate results), an experiment needs to be very well planned. Defining the experimental plot size and number of replicates is fundamental to control the experimental error at the beginning of the experiment. The aim of this study was to estimate the plot size and the number of replicates sufficient to perform experiments with Cucumis sativus. A uniformity trial was installed in the first week of January 2017. The spacing used was 0.3 m between plants and 1 m between rows, resulting in 12 plants in each of the 12 cultivation rows and each basic experimental unit was composed of one plant. The variables observed in 18 harvests were average fruit mass (MMF, in g), average fruit length (CMF, in cm) and average fruit diameter (DMF, in cm). The harvests were analyzed individually and grouped to reduce experimental variability. The number of replicates and the plot size were estimated using the method of maximum curvature of the coefficient of variation. The plot size and the number of replicates were influenced by the variability in the rows and between the harvests. We recommend plots consisting of four plants per cultivation row with six replicates for the minimum significant difference by Tukey’s test, expressed in 25% the means percentage.