Modèle ammi

Référence: da Silva CP, de Oliveira LA, Nuvunga JJ, Pamplona AKA, Balestre M (2015) une approche de rétrécissement bayésien pour les modèles AMMI. PLoS ONE 10 (7): e0131414. https://doi.org/10.1371/journal.pone.0131414 au cours de la dernière décennie, plusieurs méthodes d`analyse des interactions GE dans les données de la MET ont été proposées. Les modèles qui incorporent des génotypes comme effets aléatoires sont largement publiés et défendus dans la littérature. L`application des méthodes bayésiennes, bien que non nouvelle [23, 24], apporte de nouvelles perspectives pour l`analyse des données de la MET. L`utilisation de matrices de parenté remplaçant par et l`hétérogénéité de la variance par le remplacement par V peut être facilement mise en œuvre et des antécédents plus informatifs peuvent aider à générer des estimations plus réalistes pour les paramètres d`intérêt et devrait faire partie de la nouvelle recherche Approches. Département d`affiliation de la science exacte (DEX), Université fédérale de Lavras, Lavras, Minas Gerais, Brésil dans la deuxième approche, une décomposition de valeur singulière de la matrice BLUPs pour l`interaction GE a été réalisée à l`aide d`un modèle mixte avec le génotype et effets d`interaction modélisés comme aléatoires. C`est le même modèle représenté par EQ 2, sauf que la décomposition de la valeur singulière est appliquée directement dans les BLUPs GE en utilisant le modèle comme suit: (14) où w est la matrice de l`effet aléatoire pour l`interaction GE dans les modèles mixtes classiques. Les estimations des composantes de la variance ont été obtenues à l`aide des estimateurs de probabilité maximale restreinte (EM-REML) à espérance/maximisation. Le vecteur i, qui correspond aux interactions, a été transformé en matrice GE, qui a ensuite été utilisé pour la décomposition GE = ULV, où vous et V sont les matrices de vecteurs singuliers pour les génotypes et les environnements, respectivement, et L est la matrice diagonale de les valeurs singulières. Le coefficient de variation génotypique (GCV) et le coefficient de variation phénotypique (PCV) ont été estimés selon Singh et chaude [33] comme suit: où est la moyenne grand.

Vingt génotypes de manioc ont été disposés dans une conception de bloc complète randomisée avec trois réplications et évalués pour la croissance et la stabilité de rendement en utilisant l`effet principal additif et l`analyse d`interaction multiplicatif (AMMI). Des effets très significatifs () du génotype, de l`environnement et de l`interaction entre l`environnement et le génotype ont été observés pour tous les traits étudiés. L`analyse de variance de l`AMMI indiquait que le génotype représentait 51% de la somme totale des carrés pour la hauteur à la première ramification suivie de l`environnement (33%) et de l`interaction (15%).

12 February, 2019
Posted in Uncategorized

Author: wolff