O uso de contagens na avaliação de experimentos é uma prática muito comum em diversas áreas do conhecimento, assim como na área de ciências agrárias. Tal prática é devida ao fato de sua versatilidade nas avaliações, sendo possível analisar estes resultados de forma numérica ou categorizada. Distribuições usuais, tais como a Poisson, podem não ser a melhor alternativa para o ajuste de modelos para dados de contagem, pois nem sempre a pressuposição de equidispersão é satisfeita. No primeiro capítulo do presente trabalho são apresentadas distribuições alternativas para a análise de dados de contagem, sendo estas: a distribuição binomial negativa, quase-Poisson, COM Poisson e Poisson-Tweedie. No segundo capítulo, adicionalmente são apresentadas as distribuições multinomial, multinomial negativa e a em dois estágios Dirichlet-multinomial como alternativas para se ajustarem modelos com dados categorizados. Em ambos os casos são apresentados estudos de motivação, em sua maior parte, da entomologia. Os parâmetros dos modelos foram estimados utilizando o estimador de máxima verossimilhança (EMV) e os ajustes avaliados por meio do critério de informação de Akaike (AIC) e do gráfico meio normal de probabilidade com envelope simulado (half-normal plot). Verificou-se que, em casos com média e variância distintas, os modelos com distribuição binomial negativa e quase-Poisson possuem melhor ajuste quando comparados ao tradicional Poisson. No caso categorizado, fez-se necessário o uso de uma mistura hierárquica de distribuições para o ajuste do modelo, sendo utilizada a distribuição Dirichlet-multinomial.

The use of counts in the evaluation of experiments is a very common practice in several areas of knowledge, as well as in the field of agricultural sciences. This practice is due to its versatility in evaluations, making it possible to analyze these results numerically or categorized. Usual distributions such as Poisson may not be the best alternative for fitting models to count data, as the equidispersion assumption is not always satisfied. In the first chapter of this work, alternative distributions for the analysis of count data are presented, which are: the negative binomial, Quasi-Poisson, COM Poisson and Poisson-Tweedie distributions. In the second chapter, the multinomial, the negative multinomial and the Dirichlet-multinomial two-stage distributions are also presented as alternatives to fit models with categorized data. In both cases motivational studies are presented, mostly from entomology. The parameters of the models were estimated using the maximum likelihood estimator (MLE) and the fits evaluated using the Akaike information criterion (AIC) and the half-normal plot with simulated envelopes. It was found that, in cases with different mean and variance, the models with negative Binomial distribution and quasi-Poisson have a better fit when compared to the traditional Poisson distribution. In the categorized case, it was necessary to use a hierarchical mixture of distributions to fit the model, using the Dirichlet-multinomial distribution.