|
|
Registro Completo |
Biblioteca(s): |
Embrapa Florestas. |
Data corrente: |
08/08/2005 |
Data da última atualização: |
18/07/2017 |
Autoria: |
RESENDE, M. D. V. de. |
Título: |
Métodos estatísticos ótimos na análise de experimentos de campo no melhoramento de plantas. |
Ano de publicação: |
2005 |
Fonte/Imprenta: |
In: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 50.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA, 11., 2005, Londrina. Reunião... [S.l.]: The International Biometric Society, [2005]. 1 CD-ROM. Conferência C13. |
Descrição Física: |
1 CD-ROM. |
Idioma: |
Português |
Notas: |
RBRAS. SEAGRO. |
Conteúdo: |
Este trabalho tem como objetivo apontar alguns procedimentos ótimos de análise estatística de dados advindos de experimentos de campo. Inúmeros procedimentos estatísticos existem para esta finalidade mas muitos deles não são ótimos para uso de forma generalizada. Muitas vezes o usuário aplica, ao mesmo conjunto de dados experimentais, um grande número de métodos disponíveis sem se atentar para a escolha do procedimento que é ótimo por concepção. Assim, são apontados aqui procedimentos ótimos especialmente relacionados ao melhoramento genético, enfatizando-se os métodos BLUP e IME para a predição de valores genéticos; REML para a estimação de componentes de variância; modelos fator analíticos multiplicativos mistos (FAMM) para a análise de múltiplos experimentos e da divergência genética, adaptabilidade e estabilidade genotípica; média harmônica da performance relativa dos valores genéticos (MHPRVG) para inferência simultânea sobre produtividade, estabilidade e adaptabilidade; modelos autoregressivos separáveis de primeira ordem em duas dimensões (linha e coluna) para análise espacial de experimentos (AR1 x AR1); modelos de competição genotípica para contemplar a interferência entre tratamentos; modelo auto-regressivo com variâncias heterogêneas (ARH) ou modelo ante-dependência estruturado (SAD) para análise de medidas repetidas com correlações de magnitudes decrescentes com o aumento da distância entre medições; modelos para estudos de QTL envolvendo simultaneamente os efeitos dos QTL marcados, dos QTL não marcados, da dependência espacial e da competição entre genótipos. Grande parte do material apresentado aqui baseia-se no trabalho de Resende (2004). MenosEste trabalho tem como objetivo apontar alguns procedimentos ótimos de análise estatística de dados advindos de experimentos de campo. Inúmeros procedimentos estatísticos existem para esta finalidade mas muitos deles não são ótimos para uso de forma generalizada. Muitas vezes o usuário aplica, ao mesmo conjunto de dados experimentais, um grande número de métodos disponíveis sem se atentar para a escolha do procedimento que é ótimo por concepção. Assim, são apontados aqui procedimentos ótimos especialmente relacionados ao melhoramento genético, enfatizando-se os métodos BLUP e IME para a predição de valores genéticos; REML para a estimação de componentes de variância; modelos fator analíticos multiplicativos mistos (FAMM) para a análise de múltiplos experimentos e da divergência genética, adaptabilidade e estabilidade genotípica; média harmônica da performance relativa dos valores genéticos (MHPRVG) para inferência simultânea sobre produtividade, estabilidade e adaptabilidade; modelos autoregressivos separáveis de primeira ordem em duas dimensões (linha e coluna) para análise espacial de experimentos (AR1 x AR1); modelos de competição genotípica para contemplar a interferência entre tratamentos; modelo auto-regressivo com variâncias heterogêneas (ARH) ou modelo ante-dependência estruturado (SAD) para análise de medidas repetidas com correlações de magnitudes decrescentes com o aumento da distância entre medições; modelos para estudos de QTL envolvendo simultaneamente os efeit... Mostrar Tudo |
Palavras-Chave: |
Experimentação; Melhoramento genético. |
Thesagro: |
Análise Estatística; Método. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/137023/1/2005-M.Resende-NovasAbordagens.pdf
|
Marc: |
LEADER 02509nam a2200181 a 4500 001 1311329 005 2017-07-18 008 2005 bl uuuu u00u1 u #d 100 1 $aRESENDE, M. D. V. de 245 $aMétodos estatísticos ótimos na análise de experimentos de campo no melhoramento de plantas. 260 $aIn: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 50.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA, 11., 2005, Londrina. Reunião... [S.l.]: The International Biometric Society, [2005]. 1 CD-ROM. Conferência C13.$c2005 300 $c1 CD-ROM. 500 $aRBRAS. SEAGRO. 520 $aEste trabalho tem como objetivo apontar alguns procedimentos ótimos de análise estatística de dados advindos de experimentos de campo. Inúmeros procedimentos estatísticos existem para esta finalidade mas muitos deles não são ótimos para uso de forma generalizada. Muitas vezes o usuário aplica, ao mesmo conjunto de dados experimentais, um grande número de métodos disponíveis sem se atentar para a escolha do procedimento que é ótimo por concepção. Assim, são apontados aqui procedimentos ótimos especialmente relacionados ao melhoramento genético, enfatizando-se os métodos BLUP e IME para a predição de valores genéticos; REML para a estimação de componentes de variância; modelos fator analíticos multiplicativos mistos (FAMM) para a análise de múltiplos experimentos e da divergência genética, adaptabilidade e estabilidade genotípica; média harmônica da performance relativa dos valores genéticos (MHPRVG) para inferência simultânea sobre produtividade, estabilidade e adaptabilidade; modelos autoregressivos separáveis de primeira ordem em duas dimensões (linha e coluna) para análise espacial de experimentos (AR1 x AR1); modelos de competição genotípica para contemplar a interferência entre tratamentos; modelo auto-regressivo com variâncias heterogêneas (ARH) ou modelo ante-dependência estruturado (SAD) para análise de medidas repetidas com correlações de magnitudes decrescentes com o aumento da distância entre medições; modelos para estudos de QTL envolvendo simultaneamente os efeitos dos QTL marcados, dos QTL não marcados, da dependência espacial e da competição entre genótipos. Grande parte do material apresentado aqui baseia-se no trabalho de Resende (2004). 650 $aAnálise Estatística 650 $aMétodo 653 $aExperimentação 653 $aMelhoramento genético
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Florestas (CNPF) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 2 | |
1. | | CALIXTO, R. R.; NETO, L. G. P.; CAVALCANTE, T. DA S.; ARAGÃO, M. F.; SILVA, E. de O. A computer vision model development for size and weight estimation of yellow melon in the Brazilian Northeast. Scientia Horticulturae, New York, v. 256, artigo 108521, 8 p., 15 Oct. 2019.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Agroindústria Tropical. |
| |
Registros recuperados : 2 | |
|
Expressão de busca inválida. Verifique!!! |
|
|