1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Mestrado (Dissertações)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/4291
Registro completo de metadados
Campo DCValorIdioma
dc.creatorNuvunga, Joel Jorge-
dc.date.accessioned2014-10-02T21:42:27Z-
dc.date.available2014-10-02T21:42:27Z-
dc.date.issued2014-
dc.date.submitted2014-02-20-
dc.identifier.citationNUVUNGA, J. J. Análise de fatores para ensaios multiambientes sob diferentes níveis de desbalanceamento usando modelos mistos. 2014. 81 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/4291-
dc.descriptionDissertação apresentada à Universidade Federal de Lavras como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para obtenção do título de Mestre.pt_BR
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPQ)pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectInteração genótipo-ambientept_BR
dc.subjectVariância não estruturadapt_BR
dc.subjectAdaptabilidadept_BR
dc.subjectEstabilidadept_BR
dc.subjectFator analíticopt_BR
dc.subjectGenotype-environment interactionpt_BR
dc.subjectUnstructured variancept_BR
dc.subjectAdaptabilitypt_BR
dc.subjectStabilitypt_BR
dc.subjectFactor analytic multiplicative mixed modelpt_BR
dc.titleAnálise de fatores para ensaios multiambientes sob diferentes níveis de desbalanceamento usando modelos mistospt_BR
dc.typedissertaçãopt_BR
dc.contributor.advisor-coBalestre, Marcio-
dc.publisher.programDEX - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Lima, Renato Ribeiro de-
dc.contributor.referee1Bueno Filho, Júlio Sílvio de Souza-
dc.contributor.referee1Nunes, José Aírton Rodrigues-
dc.contributor.referee1Balestre, Marcio-
dc.description.resumoEm ensaios de múltiplos ambientes é comum a presença de dados desbalanceados, heterogeneidade de variâncias e covariâncias de resíduos, que podem dificultar o trabalho de seleção do melhorista. Além disso, a declaração de que um genótipo é estável, pode muitas vezes causar dúvidas. Com o objetivo de avaliar as alternativas para o estudo da interação G×E sob diferentes níveis de desbalanceamento, para este trabalho foram testados três níveis de desbalanceamento em um conjunto de dados reais, adotando-se um modelo misto com variância não estruturada (UN) e a validação cruzada para validar genótipos estáveis. Foram considerados dados provenientes de ensaios multiambientes com 55 híbridos de milho, avaliados nos anos 2005 e 2006. As análises foram feitas em dois estágios: no primeiro, os componentes de variância foram estimados pelo método da máxima verossimilhança restrita adotando o modelo mito, via algoritmo EM, enquanto que no segundo estágio aplicou-se a análise FA (fator analítica) com objetivo de obter escores fatorais e a posição relativa de cada genótipo no biplot. Realizaram-se desbalanceamentos aleatórios nos dados, considerando níveis de 10%, 30% e 50% de parcelas perdidas e, em seguida, os escores foram reestimados utilizando o modelo FA. Os resultados mostraram que a análise FA é robusta na análise de dados multiambientes (MET) sob diferentes níveis de perdas aleatórias nas parcelas, o que inclui os casos em que nem todos os genótipos são testados em todos os ambientes. Desbalanceamentos de 10%, 30% e 50% apresentaram valores médios da correlação de 0,7; 0,6 e 0,56. De maneira geral, os genótipos considerados estáveis no biplot apresentaram menor erro quadrático de predição e menores elipses preditivas. Assim, os resultados permitem inferir que a soma de quadrados dos erros de predição PRESS poderia ser utilizada como alternativa para avaliar o desempenho de genótipos considerados estáveis no biplot. Esse resultado se confirmou pela amplitude das elipses de predição, que foram menores nesses genótipos. Verificou-se que a análise de fatores usando modelo misto é robusta sob os diferentes níveis de desbalanceamento, com valores de correlação variando de médio a alto, dependendo do nível de perda estabelecido. Assim, não há dúvidas quanto ao potencial desse tipo de análise para avaliação da estabilidade no melhoramento de plantas.pt_BR
dc.description.resumoIt is common the presence of unbalanced data, and heterogeneity of residuals variances and covariances, which may become the work of plant breeders more difficult, mainly when it was considered multi-environment trials. Furthermore, the affirmation that a genotype is stable, under these conditions, may not be correct. However, aiming to evaluate the alternatives to study the genotype × environment interaction (G×E), under different unbalanced levels, it was carried out this study in which were assumed three different unbalanced levels on a real dataset, and it was adopted a mixed model with unstructured variance to analyse and to validate stable genotypes by using cross-validation. It was considered data from multi environment trials with 55 maize hybrids, assessed between 2005 and 2006. analyses were carried out in two stages: (i) the components of variance were estimated by considering restricted maximum likelihood method, using EM algorithm; and (ii) it was applied the factor analytic multiplicative mixed (FA) aiming to obtain factorial scores and relative position of each genotype in a biplot. Different unbalanced conditions were randomly performed by considering 10%, 30% and 50% of missed experimental units. Thus, the scores were estimated in different unbalanced conditions by using the FA-based analysis.. The results indicated that the FA-based analysis is robust to analyse data from multi environment trials (MET), under different levels of unbalancing, including cases in which not all genotypes are evaluated in all environments. Unbalancing of 10%, 30% and 50% showed correlation average of 0.7, 0.6, and 0.56, respectively. In general, genotypes which were considered stable in the biplot presented the lowest prediction square error and the smallest predictive ellipses. With these results, it is inferred that the Residuals The prediction error sum of squares (PRESS) could be an alternative method to evaluate the performance of genotypes considered stable in the biplot,what it was confirmed by the amplitude of the predictive ellipses. Furthermore, the factor analytic multiplicative mixed model analysis is robust under different unbalanced levels, with values of correlation raging from medium to high, depending on the established level of losses. Therefore, this type of analysis is proper and has potential to use in the assessing stability in programs of plant breeding.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_Análise de fatores para ensaios multiambientes sob diferentes níveis de desbalanceamento usando modelos mistos.pdf1,06 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.