ANALYSIS OF STRUCTURES OF COVARIANCE AND REPEATABILITY IN GUAVA SEGREGANTING POPULATION

portugais. RESUMO O presente estudo foi conduzido com o objetivo de analisar estrutura de covariância e estimativas de repetibilidade das variáveis relacionadas à produtividade da goiabeira como massa dos frutos (MF), número de frutos (NF) e produção de frutos (PROD) de três safras, em 95 genótipos de uma população segregante. E por meio dos critérios de AIC (Akaike’s Information Criterion) e SBC (Schwarz’s Bayesian Criterion) escolher a estrutura de covariância mais adequada das observações dentro de um mesmo indivíduo. Foi possível incorporar ao modelo estatístico, uma estrutura de covariância entre medidas repetidas, sendo as formas autorregressiva e simetria composta as mais adequadas. Os valores dos coeficientes de repetibilidade obtidos para PF (0,25), NF (0,14) e PROD (0,29) foram considerados baixos, indicando que para a população em estudo as três safras realizadas não foram suficientes para selecionar os melhores indivíduos com maior acurácia. Para as variáveis PF e PROD, a partir de cinco medições seria possível a obtenção de estimativas de acurácias em torno de 0,50. Enquanto que para a variável NF, observou-se que mais safras seriam necessárias. Estes valores indicam que em populações segregantes de goiabeira, avaliações nas primeiras safras, não são suficientes para seleção de genótipos mais estáveis para as variáveis consideradas neste estudo.

anglais. ABSTRACT The present study was conducted with the objective of analyzing the covariance structure and repeatability estimates of the variables related to guava productivity, such as fruit weight (FW), fruit number (FN) and fruit production (FP) of three harvests, in 95 genotypes of a segregating population. The study also aims to choose the most appropriate covariance structure of the observations within the same individual by means of AIC (Akaike's Information Criterion) and SBC (Schwarz's Bayesian Criterion) criteria. A covariance structure between repeated measures could be incorporated into the statistical model, with the self-regression and compound symmetry forms being the most adequate. The values of repeatability coefficients obtained for FW (0.25), FN (0.14), and FP (0.29) were considered low, indicating that the three harvests were not sufficient to select the best individuals with greater accuracy for the study population. For the variables PF and FP, estimates of accuracy around 0.50 could be obtained from five measurements, while for the variable FN more harvests would be necessary. These values indicate that in guava-segregating populations, evaluations in the first harvests are not enough to select more stable genotypes for the variables considered in this study.