A distribuição espacial de insetos e doenças em campos comerciais é importante, por exemplo, para aplicação racional de pesticidas. Entretanto, não tem sido considerada nas recomendações de manejo da cultura, planejamento de experimentos e estudos amostrais, sendo escassa literatura a esse respeito. Os artigos apresentados nessa tese foram motivados por duas situações diferentes, uma envolvendo dados de contagem e a outra, dados binários. Os dois modelos diferem em relação às estratégias da descrição da estrutura de dependência espacial. No primeiro artigo, a variável resposta é contagem. Para caracterizar o padrão espacial da dispersão do tripes do prateamento da cebola foi feito um levantamento anotando-se o número de insetos por fase de desenvolvimento em folhas de plantas de cebola, em diferentes datas e pontos amostrais dentro de quatro propriedades com fazendas vizinhas apresentando diferentes níveis de infestação e métodos de plantio. O teste de aleatorização de Mantel foi utilizado para testar a presença de padrão espacial, que quando detectado foi descrito por um modelo de Poisson misto espacial com componente aleatório geoestatístico. Tal modelo possibilitou a caracterização do padrão espacial bem como a obtenção de mapas de predição dos níveis de susceptibilidade à infestação na área. No segundo artigo a variável resposta é binária e foi feito um estudo de simulação para verificar o comportamento dos estimadores de pseudo-verossimilhança dos parâmetros do modelo autologístico, considerando diferentes estruturas de covariáveis e de vizinhança, três intensidades de infestação de uma praga e cinco valores para o parâmetro de correlação entre os vizinhos. Uma aplicação dos modelos considerados no estudo de simulação é feita a um conjunto de dados provenientes de um experimento com pimentão. Mostra-se que o método de estimação por pseudo-verossimilhança pode ser usado, com certa cautela, quando o interesse está na contribuição das covariáveis, mas não deve ser usado quando o interesse está na estimação da correlação espacial. Um estudo com diferentes porcentagens de dados faltantes foi feito para verificar a influência na estimação do parâmetro.

The spatial distribution of insects and diseases in commercial fields is important for the efficient application of pesticides. However, in the past this has not been considered in crop management recommendations, experiment planning and sampling plans. The papers presented in this thesis were motivated by two different situation, one envolving count data and the other binary data. The two models used differ in relation to the strategies of the description of the spatial dependence structure. In the the first paper the response variable is a count. In order to characterize the spatial distribution pattern of the onion thrips a survey was carried out to record the number of insects in each development phase on onion plant leaves, on different dates and sample locations, in four rural properties with neighboring farms with different infestation levels and planting methods. The Mantel randomization test was used to test for spatial correlation, and when detected this was modelled by a mixed spatial Poisson model with a geostatistic random component. This model has allowed a spatial pattern characterization as well as the production of prediction maps of susceptibility to levels of infestation in the area. In the second paper the response variable is binary. In this paper a simulation study on pseudo-likelihood estimators of autologistic parameters to verify the effect of different covariate and neighbouring structures is described, with three pest infestation levels and five different spatial correlation coefficient values. An application of the methodology is presented using a bell pepper data set. It is shown that the pseudo-likelihood method can be used when a researcher is interested in the effect of covariates, but should not be used for the estimation of the spatial correlation. A study with different percentages of missing data is made to verify the influency on parameter estimation.