Grande parte do sucesso da cana-de-açúcar no mundo deve-se aos programas de melhoramento genético que selecionam as melhores variedades baseados, principalmente, em características de produtividade e resistência a doenças. O carvão e o mosaico são doenças que causam grandes prejuízos em canaviais e o principal controle se dá pelo uso de variedades resistentes. Para carvão e mosaico, a observação da incidência da doença é feita pela proporção de plantas sintomáticas e, devido a sua natureza, esses dados não seguem uma distribuição normal, sendo essa uma pressuposição estabelecida nos modelos lineares clássicos. Dessa forma, o objetivo desse trabalho é apresentar uma metodologia de classificação de variedades de cana-de-açúcar quanto à suscetibilidade, para as doenças carvão e mosaico, utilizando modelos lineares generalizados e extensões ajustados para proporção de plantas sintomáticas. A metodologia foi aplicada a dois ensaios avaliados em dois estágios de corte e, pela natureza dos dados, houve problemas de superdispersão e excesso de zeros, resultando na necessidade da utilização de modelos mais elaborados. Dentro da classe de modelos lineares generalizados e extensões, foram abordados os modelos binomial; quasi-binomial e beta-binomial (adequação de dados com superdipersão); binomial inflacionado de zeros e beta-binomial inflacionados de zeros (adequação de dados com excesso de zeros). Os agrupamentos de variedades foram realizados a partir do teste de razão de verossimilhanças para modelos encaixados e critério de informação de Akaike (AIC) e, a classificação de variedades, baseada nos resultados das variedades de referência (padrões). Os resultados mostraram ser satisfatórios para classificação das variedades quanto à suscetibilidade a carvão e mosaico, desde que as variedades de referência dos ensaios sejam representativas. Todas as análises foram realizadas no software R. Para ajuste dos modelos utilizou-se o pacote glm para os modelos binomial e quase-binomial, e os demais modelos foram ajustados pelo pacote gamlss.

Much of the success of sugarcane in the world is due to Genetic Improvement Programs that select the best varieties based in characteristics of, mainly, productivity and resistance to diseases. Smut and Mosaic are diseases that cause great damage in the canebrake and main control is done by resistant varieties. To smut and mosaic, the incidence of disease is evaluated for proportion of symptomatic plants and, because of their nature, these data do not follow a normal distribution, which is a pre assumption established in classical linear models. Thus, the objective of this work is to present a methodology for classifying sugarcane varieties in terms of susceptibility to smut and mosaic diseases, using generalized linear models and extensions fitted to the proportion of symptomatic plants. The methodology was applied to two trials evaluated for two harvests and, because of the nature of the data, there were problems of overdispersion and excess of zeros, being necessary to use more elaborated models. Within the class of generalized linear models and extensions, were addressed binomial models; quasi-binomial and beta-binomial (adequacy for overdispersion data); zero-inflated binomial and zero-inflated beta-binomial (adequacy for data with excess of zeros). Variety groupings were performed using the likelihood ratio to nested models and Akaikes information criterion (AIC) and the variety classification was based on the results of reference varieties (standards). The results proved to be satisfactory for classifying the varieties for smut and mosaic susceptibility, as long as the reference varieties of the trials are representative. All analyzes were performed using the R software. To fit the models, the glm package was used for the binomial and quasi-binomial models, and the other models were fitted by the gamlss package.