O presente trabalho teve como objetivo estudar propriedades da Segunda Lei de Mitscherlich levando em conta o efeito da não-linearidade desse modelo em amostras de tamanhos viáveis na prática. Foram empregados 27 grupos de dados de maturação da cana-de-açúcar, expressos em pol% da cana, obtidos da literatura. Indicou-se, também, um procedimento sistemático para a realização de estudos desse tipo. A relação entre os parâmetros da Segunda Lei de Mitscherlich e complexa e um deles tende a infinito conforme outro tende a um valor fixo, com alteração desprezível na Soma de Quadrados dos Desvios da regressão. Os valores iniciais do processo interativo devem ser bem escolhidos, mas, mesmo assim a convergência pode ser muito lenta. Encontrou-se uma reparametrização que corrigiu, em parte, essa deficiência do modelo. Foi difícil estabelecer propriedades gerais da distribuição amostral dos estimadores dos parâmetros, a não ser sob algumas restrições na função de regressão. Esta deve apresentar um crescimento inicial rápido e após o máximo um decrescimento pouco intenso. Se, além disso, a estimativa da variância dos erros experimentais for suficientemente pequena é possível empregar as propriedades dos modelos lineares como aproximações. Nos outros casos, somente com a fixação de um dos parâmetros essa aproximação será adequada.

In this work, properties of the Mitscherlich's Second Law were studied taking into account the nonlinearity effect of this model in samples with practicable size. Twenty-seven groups of sugar cane maturation data from the literature were used, expressed in pol per cent. A systematic procedure for this kind of study was suggested. The relation between the parameters of the Mitscherlich's Second Law is complex and one of them tends to infinite as the other tends to a finite value, with negligible change in the sum of the squared deviations of the observed response from the predicted value by the regression equation. The initial values of the iterative process must be well choosen and even so the convergence may be very slow. It was found a reparametrization that corrected, in part, that deficiency of the model. Except under some restrictions in the regression function, it was difficult to propose general properties of the sampling distributions of the least squares estimators of the parameters. The regression function must show a fast initial growth and a slow decrease after the maximum. If besides, the variance estimate of the experimental errors is sufficiently small it is possible to use, as approximations, the properties of the linear models. In other cases, this approximation will be suitable only if one of the parameters is fixed to have a constant value.