Logistic model to selection of energy cane clones

португальский. RESUMO: A análise de regressão logística é uma técnica que pode auxiliar programas de melhoramento genético na seleção de clones, especialmente nos estágios iniciais, em que a precisão experimental é baixa. Este trabalho teve como objetivo identificar os principais caracteres agronômicos para a seleção clonal de cana energia e verificar a eficiência do modelo logístico na predição dos genótipos a serem selecionados. As avaliações foram realizadas em 220 clones na primeira soca. Os dados foram submetidos à análise de regressão logística binária. O número de colmos por metro foi um caractere de maior importância na seleção de clones de cana energia. Além disso, os clones com nota menor para incidência de carvão tiveram maior chance de serem selecionados. As capacidades preditivas dos modelos qualitativos e quantitativos foram de 94% e 88%, respectivamente. O uso de um modelo qualitativo mostrou-se eficaz na previsão do número de genótipos de cana energia a serem selecionados e pode ser usado como estratégia de seleção.

Английский. ABSTRACT: Logistic regression analysis is a technique that may aid genetic breeding programs in the selection of clones, especially in the early stages where experimental accuracy is low. This research aimed to identify the most important agronomic traits for energy cane clonal selection, and to verify the efficiency of the logistic model in predicting the genotypes to be selected. Evaluations were carried out on 220 clones in the first ratoon. The data were subjected to binary logistic regression analysis. Stalk number per meter was the most important trait in the selection of energy cane clones. In addition, plants with lower grade for smut incidence had a greater chance of being selected. The predictive capacities of the qualitative and quantitative models were 94% and 88%, respectively. The use of a qualitative model proved to be effective at predicting the number of energy cane genotypes to be selected and could be used as a selection strategy.