Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DEX - Departamento de Ciências Exatas >
DEX - Programa de Pós-graduação >
DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações) >

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/2463

Title: Regiões de credibilidade para escores genotípicos e ambientais em modelo AMMI com efeitos aleatórios para genótipos
Other Titles: Credibility regions for genotypic and environmental scores in AMMI model with random effects for genotypes
???metadata.dc.creator???: Oliveira, Luciano Antonio de
???metadata.dc.contributor.advisor1???: Balestre, Marcio
???metadata.dc.contributor.referee1???: Nunes, José Airton Rodrigues
Bueno Filho, Júlio Sílvio de Sousa
???metadata.dc.description.concentration???: Estatística e Experimentação Agropecuária
Keywords: Representação biplot
Abordagem bayesiana
Interação genótipo-ambiente
Biplot representation
Genotype-environment interaction
Bayesian approach
???metadata.dc.date.submitted???: 6-Feb-2014
Issue Date: 2014
???metadata.dc.description.sponsorship???: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Citation: OLIVEIRA, L. A. de. Regiões de credibilidade para escores genotípicos e ambientais em modelo AMMI com efeitos aleatórios para genótipos. 2014. 136 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.
???metadata.dc.description.resumo???: O modelo de efeitos principais aditivos e interação multiplicativa (AMMI) tem sido frequentemente aplicado em melhoramento de plantas, para o estudo da interação entre genótipos e ambientes (G E). Um dos principais problemas relacionados a esse método de análise é que a representação biplot convencional não comporta nenhuma medida da incerteza referente aos termos bilineares plotados. Desta forma, conduziu-se este trabalho, com o objetivo de incorporar inferência ao biplot por meio da construção de regiões de credibilidade para os escores genotípicos e ambientais, a partir do modelo AMMI, utilizando priori informativa para o efeito de genótipo. Essa abordagem difere dos métodos bayesianos apresentados até o momento em que assumem as mesmas restrições presentes no modelo para efeitos fixos (restrições de identificabilidade). Para a exemplificação desse método foi utilizado um conjunto de dados referentes ao ensaio de 55 híbridos de milho em 9 ambientes distintos, cuja variável em estudo é a produtividade de espigas despalhadas, em t ha􀀀1. As amostras para o processo de inferência foram obtidas, utilizando o amostrador de Gibbs. Os resultados das análises evidenciaram a grande flexibilidade do método bayesiano para incorporação de inferência aos parâmetros do modelo. As representações gráficas em biplot associadas às regiões de credibilidade construídas permitiram a identificação dos genótipos e ambientes que não possuem contribuições significativas para a interação G E, de subgrupos homogêneos de genótipos e ambientes, com relação ao efeito da interação, e ainda adaptabilidade de genótipos a ambientes específicos, que são de grande interesse para melhoristas. O ranqueamento dos BLUPs para efeitos de genótipos, utilizando as regiões de máxima densidade a posteriori (HPD), aliado às informações obtidas por meio das regiões de credibilidade para os escores genotípicos e ambientais possibilitaram a identificação dos melhores genótipos, em relação à característica em análise.
Abstract: The additive main effects and multiplicative interaction (AMMI) model has often been applied in plant breeding to study the interaction between genotypes and environments (G E). One of the main problems related to this method of analysis is that conventional biplot representation do not support any uncertainty measurements concerning to the plotted bilinear terms. Thus, we conducted this study with the aim to incorporate the biplot inference by building credibility regions for both the genotypic and environmental scores from the AMMI model using prior informative for the genotype effect. This approach differs from Bayesian methods presented so far that assume the same restrictions present in the model for fixed effects (identifiability restrictions). As example of this method we used a set of data relating to the essay of 55 hybrids maize in 9 different environments, which the study variable is the productivity of husked maize, in tha􀀀1. The samples for the inference process were obtained using the Gibbs sampler. The analysis results showed a great flexibility of the Bayesian inference method to incorporating the parameters of model. The biplot graphical representations associated to the credibility regions built allowed the identification of genotypes and environments that do not have significant contributions to the (G E) interaction, the homogeneous genotypes and environments subgroups related to the interaction effect, and also adaptability of genotypes to specific environments, which are of great interest to agriculture reseachers. The ranking of BLUPs for the effect genotype, using the regions of highest posterior density (HPD), combined with information obtained through the regions of credibility for the genotypic and environmental scores allowed the identification of the best genotypes in relation to the characteristic analyzed.
URI: http://repositorio.ufla.br/jspui/handle/1/2463
Publisher: UNIVERSIDADE FEDERAL DE LAVRAS
???metadata.dc.language???: pt_BR
Appears in Collections:DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Files in This Item:

File Description SizeFormat
DISSERTACAO_Regiões de credibilidade para escores genotípicos e ambientais em modelo AMMI com efeitos aleatórios para genótipos.pdf2.15 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback