A cultura da soja é muito importante na economia mundial, pois sua matéria prima é utilizada para produção de diversos produtos. As plantas de soja, entretanto, são suscetíveis a diversas doenças causadas por fungos, como a antracnose, que pode chegar a comprometer a safra inteira. Essa doença é causada por cepas do fungo Colletotrichum truncatum, pertencentes a grupos genéticos distintos, que podem levar a índices de severidade diversos. Nas análises estatísticas usuais de dados de severidade, entretanto, frequentemente considera-se, equivocadamente, que seguem uma distribuição normal ou são realizadas, previamente, transformações dos dados, como logit, probit ou complemento log-log, dentre outras. Como a severidade é uma variável contínua entre 0 e 100%, (ou entre 0 e 1), a distribuição beta pode ser mais apropriada e metodologias como a proposta por Cribari-Neto e Zeileis (2010) podem ser consideradas. Em experimentos de comparação de grupos genéticos de cepas de antracnose quando ao índice de severidade podemos considerar o efeito de cepas como fixo ou aleatório dependendo do interesse do pesquisador. Apresentamos, aqui, uma abordagem bayesiana para a análise de dados provenientes de experimentos inteiramente ao acaso do tipo, com dois fatores, grupo genético e cepas. A metodologia foi implementada utilizando-se a interface RStan (Stan Development Team, 2020) e ilustrada por meio de um conjunto de dados reais e inéditos. A análise dos mesmos revela que diferentes conclusões podem ser obtidas ao considerarmos efeitos de cepa fixos ou aleatórios.

Soybean farming is very important in the world economy, as soy is used for the production of various products. Soybean plants, however, are susceptible to several diseases caused by fungi, such as anthracnose, which can compromise the entire crop. This disease is caused by strains of the fungus Colletotrichum truncatum, belonging to different genetic groups, which can lead to different levels of severity. In the usual statistical analysis of severity data, however, it is often mistakenly considered that they follow a normal distribution or that data transformations are carried out in advance, such as logit, probit or log-log complement, among others. As the severity is a continuous variable between 0 and 100%, (or between 0 and 1), the beta distribution can be more appropriate and methodologies like the one proposed by Cribari-Neto e Zeileis (2010) can be considered. In experiments comparing genetic groups of anthracnose strains regarding the severity index, we can consider the effect of strains as fixed or random depending on the researcher’s interest. We present here a Bayesian approach to the analysis of data from entirely randomized experiments of this type, with two factors, genetic group and strain. The methodology was then implemented using the RStan interface (Stan Development Team, 2020) and illustrated using a set of unpublished real data. Their analysis reveals that different conclusions can be reached when considering fixed or random strain effects.