Métodos estatísticos ótimos na análise de experimentos de campo no melhoramento de plantas.

RBRAS. SEAGRO.

Portuguese. 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).