Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DBI - Departamento de Biologia >
DBI - Programa de Pós-graduação >
DBI - Genética e Melhoramento de Plantas - Mestrado (Dissertações) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/956

Título: Implicações da modelagem estatística na seleção de progênies de cafeeiro
Autor(es): Andrade, Vinícius Teixeira
Orientador: Gonçalves, Flávia Maria Avelar
Membro da banca: Nunes, José Airton Rodrigues
Botelho, César Elias
Área de concentração: Genética e Melhoramento de Plantas
Assunto: Melhoramento genético de planta
Medida repetida
Dado longitudinal
Valor reprodutivo
Plant breeding
Repeated measures
Longitudinal data
Breeding value
Data de Defesa: 29-Abr-2013
Data de publicação: 2013
Agência de Fomento: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
Referência: ANDRADE, V. T. Implicações da modelagem estatística na seleção de progênies de cafeeiro. 2013. 94 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas) - Universidade Federal de Lavras, Lavras, 2013.
Resumo: Para se obter ganhos em produtividade é necessário que as progênies selecionadas sejam realmente superiores geneticamente. Para se alcançar tal objetivo, os requisitos indispensáveis se constituem numa fenotipagem fidedigna, mediante uma experimentação adequada e a subsequente exploração minuciosa dos dados experimentais por meio da adoção de métodos estatísticos acurados. Os dados de produção de grãos do cafeeiro são oriundos de colheitas anuais, que são medições repetidas nas mesmas parcelas experimentais, gerando dados longitudinais no tempo. A característica principal nesse tipo de análise é a covariância existente nos fatores aleatórios do modelo estatístico. Fato que nem sempre é levado em conta corretamente pelos modelos utilizados. Objetivou-se neste trabalho avaliar diferentes estruturas de matrizes de covariância na modelagem do comportamento produtivo de progênies de cafeeiro e suas implicações na seleção e verificar a influência do modo como se consideram os dados ao analisá-los. Foram analisadas 21 progênies S0:1 de Coffea arabica durante oito colheitas. Como estratégias de agrupamento de dados analisaram-se as colheitas anuais, em biênios, focando somente colheitas altas e também os anos de baixa produção. Modelou-se, para cada situação, a matriz de covariância referente ao resíduo (R) e à interação progênies com colheitas (PC). Detectaram-se, por meio de BIC, abordagens mais condizentes com o caráter. As consequencias observadas foram a alteração na estimativa de parâmetros populacionais, no ordenamento das progênies e também no índice de coincidência ao se selecionar as melhores. Portanto, diferentes estruturas das matrizes de covariância devem ser analisadas em todas as situações, quando forem requisitadas pelos dados. As produções não devem ser analisadas em biênios e sim por meio de suas colheitas anuais ou, caso necessário, apenas pelos anos de alta produção. A não observância desses fatores pode induzir à recombinação de progênies tidas como superiores quando na verdade não o são. O resultado desse processo no ganho realizado com a seleção não é desejável no melhoramento de qualquer espécie vegetal.
In order to obtain gains in productivity it is necessary that the progenies selected be genetically superior. To achieve such an objective, the essential requisites are a reliable phenotyping done through an adequate experimentation and the subsequent meticulous exploration of the experimental data by adopting accurate statistical methods. The data from coffee grain production derive from harvests in each year (repeated measurements of the same experimental plots, generating longitudinal data in time). The main characteristic of this type of analysis is the covariance existent in the random factors of the statistical model. Thus, the objectives of this work were to evaluate different covariance matrix structures in modeling the productive behavior of coffee progenies and its implications in selection, and verifying the influence of the manner in which the data are considered in analysis. We analyzed 21 S0:1Coffea arabica progenies during eight harvests. We analyzed the annual harvests in biennium, only large harvests and years in which the harvests were low, as a strategy in considering the data. We modeled for each situation, the covariance matrix referent to residue (R) and to the interactions between progenies and harvest (PH). We detected by BIC, approaches that promote better fit to the character. The consequences observed were the alterations in the estimation of population parameters, in progeny rank order and also in the coincidence index in selecting the best. Therefore, different covariance matrix structures must be analyzed in all situations when requested by the data. The productions must not be analyzed in biennium, but in by means of annual harvests or, if necessary, only in the years with large productions. The non-observation of these factors may induce the recombination of progenies considered superior when, in reality, they aren’t. The result of this process in the gain obtained with selection isn’t desirable in the genetic improvement of any plant species.
Informações adicionais: Dissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Genética e Melhoramento de Plantas, área de concentração em Genética e Melhoramento de Plantas para a obtenção do título de Mestre.
URI: http://repositorio.ufla.br/jspui/handle/1/956
Publicador: UNIVERSIDADE FEDERAL DE LAVRAS
Idioma: pt_BR
Aparece nas coleções: DBI - Genética e Melhoramento de Plantas - Mestrado (Dissertações)

Arquivos neste Item:

Arquivo Descrição TamanhoFormato
DISSERTAÇÃO_Implicações da modelagem estatística na seleção de progênies de cafeeiro.pdf415,11 kBAdobe PDFVer/abrir

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback