Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica
Main Author: | |
---|---|
Publication Date: | 2015 |
Other Authors: | , , , , , |
Format: | Article |
Language: | por |
Source: | Pesquisa Agropecuária Brasileira (Online) |
Download full: | https://seer.sct.embrapa.br/index.php/pab/article/view/20187 |
Summary: | O objetivo deste trabalho foi desenvolver e validar uma metodologia de análise da adaptabilidade e da estabilidade fenotípica baseada em regressão quantílica (RQ). Para tanto, foram simulados valores fenotípicos com distribuição simétrica e com distribuição assimétrica à direita e à esquerda, com ou sem a presença de "outliers". A metodologia proposta foi aplicada a um conjunto de dados provenientes de um experimento com 92 genótipos de alfafa (Medicago sativa), avaliados em 20 ambientes, e comparada às metodologias de Eberhart & Russell e de regressão não paramétrica. A metodologia da RQ proporcionou resultados iguais ou superiores aos obtidos com as metodologias alternativas avaliadas. No entanto, a ocorrência de resultados discordantes entre as metodologias evidencia a importância de se avaliar a simetria na distribuição dos valores fenotípicos. Para distribuições simétricas, na presença de "outliers", deve-se utilizar a RQ com valor de quantil estimado (t) em 0,50; na ausência de "outliers", pode-se utilizar tanto a metodologia de Eberhart & Russell quanto a RQ (t = 0,50). Para distribuições assimétricas, indica-se o uso da RQ com t = 0,25, para assimetria à direita, e com t = 0,75, para assimetria à esquerda, independentemente da presença de "outliers". |
id |
EMBRAPA-4_b56e14421c406622af3c20dc04a7c635 |
---|---|
oai_identifier_str |
oai:ojs.seer.sct.embrapa.br:article/20187 |
network_acronym_str |
EMBRAPA-4 |
network_name_str |
Pesquisa Agropecuária Brasileira (Online) |
repository_id_str |
|
spelling |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílicaMethodology for analysis of adaptability and stability using quantile regressionMedicago sativa; distribuição assimétrica; interação genótipo x ambiente; melhoramento vegetal; outliers; regressão não paramétricaMedicago sativa; asymmetrical distribution; genotype x environment interaction; plant breeding; outliers; nonparametric regressionO objetivo deste trabalho foi desenvolver e validar uma metodologia de análise da adaptabilidade e da estabilidade fenotípica baseada em regressão quantílica (RQ). Para tanto, foram simulados valores fenotípicos com distribuição simétrica e com distribuição assimétrica à direita e à esquerda, com ou sem a presença de "outliers". A metodologia proposta foi aplicada a um conjunto de dados provenientes de um experimento com 92 genótipos de alfafa (Medicago sativa), avaliados em 20 ambientes, e comparada às metodologias de Eberhart & Russell e de regressão não paramétrica. A metodologia da RQ proporcionou resultados iguais ou superiores aos obtidos com as metodologias alternativas avaliadas. No entanto, a ocorrência de resultados discordantes entre as metodologias evidencia a importância de se avaliar a simetria na distribuição dos valores fenotípicos. Para distribuições simétricas, na presença de "outliers", deve-se utilizar a RQ com valor de quantil estimado (t) em 0,50; na ausência de "outliers", pode-se utilizar tanto a metodologia de Eberhart & Russell quanto a RQ (t = 0,50). Para distribuições assimétricas, indica-se o uso da RQ com t = 0,25, para assimetria à direita, e com t = 0,75, para assimetria à esquerda, independentemente da presença de "outliers".The objective of this work was to develop and validate a methodology for analyzing phenotypic adaptability and stability based on quantile regression (QR). For this, phenotypic values were simulated with symmetrical distribution and with asymmetrical distribution to the right and to the left, with or without outliers. The proposed methodology was applied to a data set from an experiment with 92 alfalfa (Medicago sativa) genotypes, evaluated in 20 environments, and compared with the methodologies of Eberhart & Russell and nonparametric regression. The QR methodology provided equal or superior results, compared to the evaluated alternative methodologies. However, the occurrence of disagreeing results between methodologies evidences the importance of evaluating symmetry in the distribution of phenotypic values. For symmetric distributions with outliers, QR should be used with estimated quantile value (t) of 0.50; in the absence of outliers, both the methodology of Eberhart & Russel and QR (t = 0.50) may be used. For asymmetric distributions, the use of RQ with t = 0.25 is suggested for asymmetry to the right, and with t = 0.75 for asymmetry to the left, regardless of the presence of outliers.Pesquisa Agropecuaria BrasileiraPesquisa Agropecuária BrasileiraCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), Fundação Arthur Bernardes (Funarbe)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), Fundação Arthur Bernardes (Funarbe)Barroso, Laís Mayara AzevedoNascimento, MoysésNascimento, Ana Carolina CampanaSilva, Fabyano Fonseca eCruz, Cosme DamiãoBhering, Leonardo LopesFerreira, Reinaldo de Paula2015-04-23info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://seer.sct.embrapa.br/index.php/pab/article/view/20187Pesquisa Agropecuaria Brasileira; v.50, n.4, abr. 2015; 290-297Pesquisa Agropecuária Brasileira; v.50, n.4, abr. 2015; 290-2971678-39210100-104xreponame:Pesquisa Agropecuária Brasileira (Online)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPAporhttps://seer.sct.embrapa.br/index.php/pab/article/view/20187/12906https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/20187/12367info:eu-repo/semantics/openAccess2015-05-08T18:39:35Zoai:ojs.seer.sct.embrapa.br:article/20187Revistahttp://seer.sct.embrapa.br/index.php/pabPRIhttps://old.scielo.br/oai/scielo-oai.phppab@sct.embrapa.br || sct.pab@embrapa.br1678-39210100-204Xopendoar:2015-05-08T18:39:35Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false |
dc.title.none.fl_str_mv |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica Methodology for analysis of adaptability and stability using quantile regression |
title |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica |
spellingShingle |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica Barroso, Laís Mayara Azevedo Medicago sativa; distribuição assimétrica; interação genótipo x ambiente; melhoramento vegetal; outliers; regressão não paramétrica Medicago sativa; asymmetrical distribution; genotype x environment interaction; plant breeding; outliers; nonparametric regression |
title_short |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica |
title_full |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica |
title_fullStr |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica |
title_full_unstemmed |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica |
title_sort |
Metodologia para análise de adaptabilidade e estabilidade por meio de regressão quantílica |
author |
Barroso, Laís Mayara Azevedo |
author_facet |
Barroso, Laís Mayara Azevedo Nascimento, Moysés Nascimento, Ana Carolina Campana Silva, Fabyano Fonseca e Cruz, Cosme Damião Bhering, Leonardo Lopes Ferreira, Reinaldo de Paula |
author_role |
author |
author2 |
Nascimento, Moysés Nascimento, Ana Carolina Campana Silva, Fabyano Fonseca e Cruz, Cosme Damião Bhering, Leonardo Lopes Ferreira, Reinaldo de Paula |
author2_role |
author author author author author author |
dc.contributor.none.fl_str_mv |
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), Fundação Arthur Bernardes (Funarbe) Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), Fundação Arthur Bernardes (Funarbe) |
dc.contributor.author.fl_str_mv |
Barroso, Laís Mayara Azevedo Nascimento, Moysés Nascimento, Ana Carolina Campana Silva, Fabyano Fonseca e Cruz, Cosme Damião Bhering, Leonardo Lopes Ferreira, Reinaldo de Paula |
dc.subject.por.fl_str_mv |
Medicago sativa; distribuição assimétrica; interação genótipo x ambiente; melhoramento vegetal; outliers; regressão não paramétrica Medicago sativa; asymmetrical distribution; genotype x environment interaction; plant breeding; outliers; nonparametric regression |
topic |
Medicago sativa; distribuição assimétrica; interação genótipo x ambiente; melhoramento vegetal; outliers; regressão não paramétrica Medicago sativa; asymmetrical distribution; genotype x environment interaction; plant breeding; outliers; nonparametric regression |
description |
O objetivo deste trabalho foi desenvolver e validar uma metodologia de análise da adaptabilidade e da estabilidade fenotípica baseada em regressão quantílica (RQ). Para tanto, foram simulados valores fenotípicos com distribuição simétrica e com distribuição assimétrica à direita e à esquerda, com ou sem a presença de "outliers". A metodologia proposta foi aplicada a um conjunto de dados provenientes de um experimento com 92 genótipos de alfafa (Medicago sativa), avaliados em 20 ambientes, e comparada às metodologias de Eberhart & Russell e de regressão não paramétrica. A metodologia da RQ proporcionou resultados iguais ou superiores aos obtidos com as metodologias alternativas avaliadas. No entanto, a ocorrência de resultados discordantes entre as metodologias evidencia a importância de se avaliar a simetria na distribuição dos valores fenotípicos. Para distribuições simétricas, na presença de "outliers", deve-se utilizar a RQ com valor de quantil estimado (t) em 0,50; na ausência de "outliers", pode-se utilizar tanto a metodologia de Eberhart & Russell quanto a RQ (t = 0,50). Para distribuições assimétricas, indica-se o uso da RQ com t = 0,25, para assimetria à direita, e com t = 0,75, para assimetria à esquerda, independentemente da presença de "outliers". |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-04-23 |
dc.type.none.fl_str_mv |
|
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://seer.sct.embrapa.br/index.php/pab/article/view/20187 |
url |
https://seer.sct.embrapa.br/index.php/pab/article/view/20187 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://seer.sct.embrapa.br/index.php/pab/article/view/20187/12906 https://seer.sct.embrapa.br/index.php/pab/article/downloadSuppFile/20187/12367 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Pesquisa Agropecuaria Brasileira Pesquisa Agropecuária Brasileira |
publisher.none.fl_str_mv |
Pesquisa Agropecuaria Brasileira Pesquisa Agropecuária Brasileira |
dc.source.none.fl_str_mv |
Pesquisa Agropecuaria Brasileira; v.50, n.4, abr. 2015; 290-297 Pesquisa Agropecuária Brasileira; v.50, n.4, abr. 2015; 290-297 1678-3921 0100-104x reponame:Pesquisa Agropecuária Brasileira (Online) instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa) instacron:EMBRAPA |
instname_str |
Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
instacron_str |
EMBRAPA |
institution |
EMBRAPA |
reponame_str |
Pesquisa Agropecuária Brasileira (Online) |
collection |
Pesquisa Agropecuária Brasileira (Online) |
repository.name.fl_str_mv |
Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
repository.mail.fl_str_mv |
pab@sct.embrapa.br || sct.pab@embrapa.br |
_version_ |
1793416650758815744 |