Análisis predictivo de la respuesta del maíz (Zea mays L.) a las condiciones físicas y químicas de los suelos agrícolas, municipio Guanare, estado Portuguesa, Venezuela.: A predictive analysis of the response of corn (Zea mays L.) to the physical and chemical conditions of agricultural soils. Guanare municipality, Portuguesa state, Venezuela

Con el fin de predecir la respuesta de la planta de maiz en los suelos agricolas del municipio Guanare estado Portuguesa, se organizaron datos historicos (2000-2019) de la data existente en el laboratorio de analisis de suelo de la Universidad Nacional Experimental Ezequiel Zamora (UNELLEZ), en una matriz (mxn) donde m correspondio a los predios (302 fincas) y n a los parametros del suelo (11). En total la dimension de la data utilizada fue de 3.322 elementos. Organizados los elementos (mxn) de la matriz, los mismos fueron calificados como favorables (+) o desfavorables (-) de acuerdo a su rango optimo para maiz establecidos por varios autores. Cualificado cada parametro se obtuvo la razon matematica favorable para cultivar maiz (RMFCM) mediante la suma de los antecedentes (+) dividida entre el total de parametros (n) en cada fila (m). Posteriormente RMFCM fue utilizada para construir el indice de aptitud del suelo para maiz (IASM) mediante la utilizacion del analisis estadistico descriptivo, dando como resultado una escala de valoracion de 4 categorias. Los resultados obtenidos senalaron que el 1,66% de los suelos de las fincas fueron grado 1 (mala), 37,75% grado 2 (moderada), 52,65% grado 3 (buena) y 7,95% grado 4 (excelente).  El analisis de regresion lineal multiple con seleccion de variables por el metodo de Stepwise, establecio 7 variables predictoras (calcio, potasio, materia organica, pH, magnesio, arcilla y fosforo) y un modelo de prediccion    = 0,10869 - 0,00191 (A) + 0,04996 (MO) + 0,00166 (P) + 0,0005938 (K) + 0,00007244 (Ca) + 0,0002676 (Mg) + 0,04946 (pH) con R²aj: 0,8029. Se concluyo que en las fincas agricolas del municipio Guanare la aptitud favorable del suelo (IASM) es predecible en 80,29% cuando se utilizan las herramientas matematicas (matrices, razon) y estadisticas (descriptiva y regresion multiple) con una base de datos bien organizada. Palabras clave: aptitud, data, indice, modelo, razon matematica, tendencias.