BALZARINI MONICA GRACIELA
Congresos y reuniones científicas
Título:
Análisis longitudinal de bases de datos provenientes de ensayos comparativos de rendimientos de especies perennes
Autor/es:
FRIGERIO, K.; BALZARINI, M; SPADA, M.C.
Lugar:
Montevideo Uruguay
Reunión:
Congreso; VIII Congreso Latinoamericano de Sociedades Estadísticas(CLATSE) Y XXXVI Coloquio Argentino de Estadística SAE; 2008
Resumen:

Los ensayos comparativos de rendimientos (ECR) multi-ambientales permiten identificar materiales vegetales (genotipos) superiores y ambientes favorables para su cultivo. La presencia de interacción genotipo-ambiente debe ser contemplada. El Análisis de Componentes Principales (ACP) sobre matrices de residuos de un modelo aditivo (o sin interacción genotipo-ambiente) permite la separación de patrones de interacción respecto a variaciones azarosas. Se supone que las señales de interés se encuentran bien representadas por el plano conformado por las dos primeras componentes.  Los ECR multi-ambientales se analizan frecuentemente vía modelos AMMI (Gauch, 1988) y SREG (Crossa&Cornelius, 1997) derivados del ACP de matrices residuales que contienen términos de interacción o de interacción+efecto de genotipo, respectivamente. Los resultados se representan gráficamente con biplots (Gabriel 1971).

 

En especies perennes, se toman datos de cada genotipo durante varios años consecutivos sobre la misma parcela. Los análisis generalmente se hacen para variables resumen del comportamiento a través de los años.  Otra alternativa es el análisis longitudinal, i.e. considerando el perfil de rendimientos anuales de cada genotipo, el efecto tiempo y la interacción del perfile genotípico con el tiempo.

En este trabajo se ilustra la modelación (y representación gráfica vía biplots) de la estructura de medias de un modelo longitudinal para ECR multi-ambientales y de la estructura de covarianzas usada para contrastes de hipótesis sobre medias de genotipos.  Las  varianzas de los rendimientos en los distintos años y las correlaciones seriales son modeladas via diferentes modelos mixtos de covarianza residual.