Comparison between multivariate methods applied for the evaluation of genetic divergence in Cacao (Theobroma cacao L.)

Several multivariate methods have been used in divergence analyses of populations. Consistency and relative association among four methods were assessed using a 5 x 5 complete-diallel data involving cacao cultivars. Over a 5-year period, five cultivars were analyzed based upon five yield components. In assessing the divergence of parents only the data obtained from five cacao cultivars were analyzed. Four multivariate statistics presented close association when considered in pairs, in this case the Mahalanobis' (D²) with the mean Euclidean distance obtained from canonical variates (d cv), and mean Euclidean distance (d e) with the mean Euclidean distance obtained from principal components (d pc). In both cases, high correlations (r > 0.95) were obtained. However, a weak association was detected between D² and de and between d pc and d cv (0.50 and 0.66, respectively). Thus, in studies on genetic divergence, statistics considering the error variance-covariance matrix should be preferred whenever its estimate is possible.<br>Vários métodos multivariados vêm sendo aplicados em análises de divergência de populações. Nesse estudo, a consistência e a concordância relativa entre quatro métodos foram acessadas utilizando-se cinco cultivares de cacau. Os dados analisados referem-se a cinco componentes de produção obtidos de um dialelo completo 5 x 5, durante cinco anos. As quatro estatísticas multivariadas aplicadas apresentaram estreita concordância entre si, quando consideradas aos pares, no caso, as distâncias de Mahalanobis (D2) com as euclidianas médias obtidas de variáveis canônicas (d vc) e as distâncias euclidianas médias (d e) com as euclidianas médias obtidas de componentes principais (d cp). Em ambos os casos, correlações altas foram obtidas (r > 0,95). Todavia, fraca concordância foi detectada entre D2 e de (0,50) e entre d cp e d vc (0,66). Assim, em estudos de divergência genética, as estatísticas que consideram a matriz de variâncias e covariâncias residuais deverão ser preferidas, sempre que for possível a sua estimação