As análises de grupos de experimentos, de grande importância em melhoramento genético, são indispensáveis quando se pretende investigar o comportamento de alguns tratamentos em diversos locais de interesse do pesquisador. Nestes casos, parte-se das analises de variância individuais em cada local, para o agrupamento de todos os ensaios em uma única analise. Verifica-se então a veracidade da significância da interação tratamentos versus locais - TL, sendo esta não-significativa, pode-se obter conclusões generalizados a respeito do comportamento dos tratamentos. No entanto, o grande interesse esta nos casos de interação significativa, em que dois caminhos de destaque surgem para que se conclua a analise, o primeiro, permite que se considerem os resultados e conclusões das analises individuais, com o resíduo específico de cada local, enquanto o segundo aconselha que se desdobrem os graus de liberdade relativos a tratamentos + interação significativa, visando a interpretação dos tratamentos em estudo dentro de cada um dos locais, utilizando o resíduo médio como testador. Partindo do fato de que componentes de variância são variâncias associadas aos efeitos aleatórios de um modelo matemático, que permitem quantificar a variabilidade de tais efeitos, tem-se por objetivo neste trabalho, em grupos de experimentos reais com interação TL significativa, comparar os componentes de variância obtidos nas analises individuais utilizando os quadrados médios residuais - QMRes de cada ensaio versus os obtidos pós-desdobramento da interação em questão utilizando o quadrado médio do resíduo médio - QMRM. Tal confronto será fundamentado nas estimativas de variâncias das estimativas destes componentes. Finalmente, em grupos de ensaios reais e simulados, o objetivo será voltado para a comparação de rols classificatórios de tratamentos nas analises individuais versus os rols classificatórios de tratamentos obtidos pós-desdobramento da interação em questão. A montagem destes rols será possível a partir do uso do teste de Tukey, ao nível de 5% de significância, para os cálculos das diferenças mínimas significativas - dms ora com resíduos de analises individuais, ora de conjunta. Todos os cálculos deste trabalho serão realizados no software estatístico R. / The experimental groups analysis, of great importance in genetic improvement, are essential when intends to investigate the treatments behaviour in many places from researcher interest. In these cases, starts by the individual variance analysis in each place, to the grouping of all experiments in a single analysis. Examine the truth of the signicant treatments vs. places interaction - TL, being this no-signicant, is possible to obtain generalized conclusions about the treatments behaviour. However, the interest is in the cases when signi cant interaction is found, because two eminence ways appear for the analysis conclusions, the rst one allow that the individual analysis results and conclusions be considered, with the specic residue from each place, while the second one advise, that the degrees of freedom relative to treatments + signicant interaction be unfound, looking at the interpretation of the treatments in study inside each place, using the mean residue how testator. Starting with the fact that variance components are variances associated to the aleatory eects of a mathematical model, that allow the quantifying of such eects, this work objective, in real experimental groups, with signicant interaction TL, is to compare the variance components obtained in individual analysis using the residual mean square - QMRes from each experiment against the obtained after unfolding the interaction in question using the mean residual mean square - QMRM. This confrontation will be based in variance estimations of these components estimations. Finally, in real and simulate experimental groups, the objective will be directed to the comparison of treatments classicatory rankings in individual analysis vs. the treatments classi catory rankings obtained after unfolding of the interaction in question. The construction of these rankings will be possible using the Tukey test, with 5% of signicance, for the calculation of the signicants minimum dierences - dms, a time with individual analysis residual, othertime, conjunct. All the calculations from this work will be realized in the R statistical software.
Identifer | oai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-19022010-100820 |
Date | 28 January 2010 |
Creators | Cássio Dessotti |
Contributors | Sonia Maria de Stefano Piedade, Decio Barbin, Walter Veriano Valerio Filho |
Publisher | Universidade de São Paulo, Agronomia (Estatística e Experimentação Agronômica), USP, BR |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0035 seconds