Análise conjunta pesada de regressões em redes de ensaios

Abstract

A Análise Conjunta de Regressões (ACR), é uma técnica muito utilizada para a avaliação de cultivares, integrando numa variável (o índice ambiental) a capacidade produtiva para cada par (local , ano). O principal objectivo desta dissertação é estender o âmbito de aplicação da ACR a redes conectadas de delineamentos em blocos incompletos, ultrapassando, assim, o caso clássico das redes de blocos casualizados. Com efeito, actualmente, os ensaios de comparação de cultivares são do tipo "a-designs"; logo, com blocos incompletos. A extensão pretendida é feita através da introdução dos índices ambientais L2. Consegue-se assim, a integração, como veremos, da ACR na inferência estatística para modelos normais. Observe-se que, a introdução dos índices ambientais L2 permite, ainda, abordar duma forma satisfatória as interacções específicas que se verificam quando um cultivar se comporta anormalmente bem ou anormalmente mal, num dado local e ano. Abordaremos, ainda, através da ACR, o problema da elaboração e actualização de listas de cultivares recomendados. De salientar, ainda, a importância da criação de um algoritmo apropriado que foi desenvolvido para o uso de índices ambientais L2, o algoritmo ziguezague e a validação da aplicabilidade da técnica. Em particular, mostrar-se-á como obter zonas equipotenciais de adaptação, nas quais se podem implantar redes de ensaios a interpretar pela técnica. ### SUMMARY - Joint Regression Analysis (JRA), is a widely used technique for evaluation of cultivars, integrating in a variable (the environmental index) the productive capacity for each (location, year) pair. The main goal of this dissertation is to extend the application range of JRA to connected series of designs in incomplete blocks, thus, going beyond the classic case of series of randomized blocks. Nowadays, comparison trials for cultivars are mainly a-designs, which have incomplete blocks. The intended extension is made through the introduction of the L2 environmental indexes. Moreover, the introduction of these indexes: • enables the integration of JRA into the statistical inference for normal models; • allows a better approach to the study of specific interactions. These interactions occur when a cultivar behaves abnormally well or abnormally badly, for a (location, year) pair. We will also, use JRA to obtain and update of lists of recommended cultivars. An appropriate algorithm has been developed for the adjustments and it is shown how to check for model suitability. As part of model checking we have considered the definition of zones in which series of experiments, to be jointly analyzed, may be carried out.