Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
VIOSA
MINAS GERAIS BRASIL
2014
LAS MAYARA AZEVEDO BARROSO
________________________________ ___________________________________
Fabyano Fonseca e Silva Ana Carolina Campana Nascimento
(Coorientadora)
________________________________
Moyss Nascimento
(Orientador)
Seria mais fcil fazer como todo mundo faz
o caminho mais curto, produto que rende mais
seria mais fcil fazer como todo mundo faz
um tiro certeiro, modelo que vende mais...
Mas ns vibramos em outra freqncia
sabemos que no bem assim
se fosse fcil achar o caminho das pedras
tantas pedras no caminho no seria ruim.
(Engenheiros do Hawaii)
Agradeo a Deus por ter me dado fora para realizao de mais este sonho, por
ouvir minhas preces e por ter colocado pessoas maravilhosas no meu caminho que
muito me auxiliaram nesta etapa que chega ao fim.
Aos meus pais, Adelson e Inz, por sonharem junto comigo e por serem minha
base. Tudo o que sou hoje agradeo a vocs. Obrigada pelas oraes, incentivos e apoio
em todos os momentos. Vocs so meus heris e exemplos.
Aos meus irmos Thiago, Lvia e Maria Isabel por estarem sempre ao meu lado
me apoiando e me fazendo dar muitas risadas. Por todos os momentos que vivemos que
s nos ajudaram a crescer e aumentar ainda mais a nossa unio.
Ao meu orientador e amigo Moyss Nascimento pelos conselhos, incentivo e
confiana depositada na execuo deste trabalho. Agradeo pela disponibilidade,
ateno e amizade adquirida ao longo destes anos de convivncia. Por me incentivar a
cada dia mais e por ser um exemplo de profissional a ser seguido.
professora e co(orientadora Ana Carolina Campana Nascimento pelas
sugestes, incentivo e carinho.
Aos professores e co(orientadores Cosme Damio Cruz e Leonardo Lopes
Bhering pelas sugestes e pela ajuda.
Ao professor Fabyano Fonseca e Silva por abrir as portas da estatstica para mim
na Iniciao Cientifica fazendo com que eu tomasse gosto pela pesquisa, por me
apresentar o professor Moyss nesta poca para que pudssemos trabalhar juntos e por
ter aceitado participar desta banca.
Aos amigos de mestrado, dimo, Elingela, Fanni, Pmela, Nayara, Lucas e
Regiane pelos timos momentos e pelas trocas de experincia. A Camila, minha eterna
veterana, pelas conversas e pelos conselhos. A Gabi, que ao longo destes anos se tornou
uma irm, por todos os momentos inesquecveis, pela fora e pela amizade. Sem vocs
nada disso seria possvel.
Aos amigos de Viosa, em especial a Camila, Matheus, Vinicius, Rafael,
Thiago, Victor, Michele, Izabela e Susana por sempre terem uma palavra de incentivo e
apoiarem minhas decises.
s amigas de Bocaiva, Maria Eugnia, Marcela, Brbara, Rassa, Vernica,
Izabella pela valiosa amizade e por torcerem sempre por mim.
iii
Repblica Serenssimas, Ana Flvia, Ana Marisa, Tssia, Carol, Jlia,
Priscila, Aline, Kllen e Cristiana, por serem minha famlia em Viosa, por tornarem
essa caminhada mais tranquila e divertida. Serei eternamente grata a vocs.
Aos meus familiares pelo apoio.
Aos professores e funcionrias do Departamento de Estatstica da UFV, pela
competncia profissional e por todo apoio dado ao longo das minhas atividades
acadmicas.
Universidade Federal de Viosa e ao Programa de Ps(Graduao em
Estatstica Aplicada e Biometria pela oportunidade.
CAPES, pela concesso da bolsa de estudos.
todos que de uma maneira ou outra auxiliaram na concretizao deste
trabalho.
iv
LAS MAYARA AZEVEDO BARROSO, filha de Maria Inez Azevedo Barroso
e Antnio Adelson Barroso, nasceu em Bocaiva, Minas Gerais, em 16 de maro de
1989.
Em maro de 2007, ingressou no curso de Licenciatura em Matemtica na
Universidade Federal de Viosa, Viosa ( MG, graduando(se em janeiro de 2012.
Em maro do mesmo ano, iniciou o curso de Mestrado no Programa de Ps(
Graduao em Estatstica Aplicada e Biometria na Universidade Federal de Viosa,
submetendo(se defesa da dissertao em 17 de fevereiro de 2014.
v
./
RESUMO................................................................................................................... viii
ABSTRACT............................................................................................................... x
1 INTRODUO GERAL.................................................................................... 1
2 REVISO DE LITERATURA........................................................................... 4
2.1 Interao Gentipo x Ambiente...................................................................... 4
2.2 Metodologia de Adaptabilidade e Estabilidade baseada em Regresso
Linear Simples....................................................................................................... 5
2.2.1 Eberhart e Russell (1966)....................................................................... 5
2.3 Metodologia de Adaptabilidade e Estabilidade baseada em anlises no
paramtrica............................................................................................................. 7
2.3.1 Adaptabilidade e Estabilidade via regresso no paramtrica................ 8
2.4 Regresso Quantlica...................................................................................... 9
2.4.1 Introduo............................................................................................... 9
2.4.2 Quantil como soluo para um problema de minimizao..................... 11
2.4.3 Modelo da RQ......................................................................................... 13
2.4.4 Estimao................................................................................................ 14
2.4.5 Intervalo de Confiana............................................................................ 18
2.4.5.1 Metodologia baseada em bootstrap.............................................. 18
2.4.6 Qualidade de ajuste na RQ................................................................ 18
2.4.7 Interpretao das estimativas dos parmetros......................................... 19
2.4.7.1 RLS............................................................................................... 19
2.4.7.2 RQ................................................................................................. 19
REFERNCIAS BIBLIOGRFICAS.................................................................... 21
CAPTULO 1............................................................................................................ 25
Adaptabilidade e estabilidade para gentipos de alfafa via regresso
quantlica................................................................................................................... 25
RESUMO................................................................................................................... 25
1 Introduo............................................................................................................ 26
2 Material e Mtodos.............................................................................................. 27
2.1 RQ em estudos de adaptabilidade e estabilidade............................................ 27
2.2 Dados simulados............................................................................................. 30
vi
2.3 Comparao de mtodos de adaptabilidade e estabilidade............................. 31
2.4 Dados Reais.................................................................................................... 32
2.5 Aspectos Computacionais............................................................................... 33
3 Resultados e Discusso........................................................................................ 34
3.1 Dados Simulados ........................................................................................... 34
3.2 Dados Reais.................................................................................................... 37
4 Concluses............................................................................................................ 44
REFERNCIAS BIBLIOGRFICAS.................................................................... 45
CONSIDERAES FINAIS................................................................................... 48
APNDICE A ( Rotinas Computacionais implementadas .................................. 49
APNDICE B Tabela com os demais gentipos................................................. 65
APNDICE C ( Demonstrao de que a mediana minimiza a mdia da distancia
absoluta...................................................................................................... 69
vii
.
ix
BARROSO, Las Mayara Azevedo, M.Sc., Universidade Federal de Viosa, February,
2014. !$# $ $ !1 & # !$ + ( )! *$#$!2 ( )1 !2)$%
! *$#$!20 Advisor: Moyss Nascimento. Co(Advisors: Ana Carolina Campana
Nascimento, Cosme Damio Cruz and Leonardo Lopes Bhering.
xi
30
1
extremos que os estimadores clssicos obtidos pelo mtodo dos mnimos quadrados
ordinrios, que so baseados em mdias. Na prtica, a presena de outliers pode
proporcionar estimativas inadequadas, que no refletem a verdadeira relao existente
entre a variao ambiental e a resposta fenotpica, e assim superestimar ou subestimar o
parmetro de adaptabilidade em mtodos baseados em regresso.
Distribuies com caudas pesadas so na verdade um caso particular de
distribuies de fentipos que no apresentam normalidade. Assim, tanto para casos em
que a distribuio do fentipo apresente assimetria quanto caudas pesadas, a utilizao
de mtodos usuais, baseados em regresso, os quais assumem uma relao funcional
entre a variao ambiental e a resposta fenotpica atravs da mdia condicional ou
mediana, podem proporcionar estimativas menos acuradas, que no reetem a
verdadeira relao existente entre a variao ambiental e a resposta fenotpica. Outras
metodologias tais como as propostas por Lin e Binns (1988) e Carneiro (1998), tambm
podem ocasionar resultados imprprios na presena de fentipos no normais, como por
exemplo, na presena de pontos extremos, o valor dos parmetros pode ser inacionado
e provocar a incorreta classicao do gentipo quanto adaptabilidade e estabilidade.
Quando se consideram as metodologias dos centroides mltiplos e centroide ampliado
(NASCIMENTO et al., 2009a, 2009b), baseadas em componentes principais, a
presena de pontos discrepantes inuncia diretamente a congurao grca obtida por
meio dos escores dos gentipos.
Uma soluo interessante, no utilizada at o momento em estudos de
adaptabilidade e estabilidade para tratar os problemas ocasionados pela presena de
outliers ou assimetria na distribuio fenotpica a utilizao de regresso quantlica
(RQ), que diferentemente dos mtodos usuais, baseados em regresso, utiliza quantis
condicionais e no a mdia para explicar a relao funcional entre a variao ambiental
e a resposta fenotpica. Assim, a RQ possibilita escolher o quantil que melhor representa
relao entre a variao ambiental e a resposta fenotpica com o intuito de contemplar
naturalmente os problemas mencionados acima.
A RQ j foi abordada no melhoramento gentico vegetal em alguns trabalhos,
como por exemplo, De La Veja e Chapman (2010) e Gourdji et al. (2012). De La Veja e
Chapman (2010) utilizaram a RQ para estimar o ganho gentico como funo limite
superior da relao entre os rendimentos hbridos e ano de lanamento. Gourdji et al.
(2012) utilizaram a RQ para ajustar os rendimentos observados para mudanas nos
2
locais e condies ambientais de ensaios ao longo do tempo, um passo considerado
necessrio para avaliar verdadeiros ganhos genticos em condies teoricamente
constantes.
Silva e Porto Jnior (2006) usaram a RQ para fornecer uma viso mais detalhada
dos impactos gerados pelo sistema financeiro na distribuio condicional do
crescimento econmico. Beyerlein et al. (2011) utilizou RQ em anlises GWAS
(Genome Wide Association Study) na rea de medicina humana e enfatizou vantagens
estatsticas e biolgicas ao se estimar efeitos de marcadores em diferentes quantis das
distribuies dos fentipos. Nascimento et al. (2012) utilizaram a RQ para investigar os
determinantes da eficincia de produtores de leite de MG, para diferentes nveis de
eficincia.
Diante do exposto, este trabalho pretende apresentar a metodologia da Regresso
Quantlica e seus aspectos tericos e, alm disso, apresentar uma proposta de anlise em
estudos de adaptabilidade e estabilidade.
De acordo com o apresentado, este trabalho est organizado em reviso de
literatura, captulo 1 e concluses.
Na reviso de literatura apresentam(se mtodos de adaptabilidade e estabilidade
baseado em regresso linear simples (EBERHART e RUSSELL, 1966) e baseado em
anlises no paramtricas (NASCIMENTO et al., 2010). Posteriormente, tratada a
Regresso Quantlica, seus conceitos, modelo, processo de estimao, construo de
intervalos de confiana e coeficiente de determinao.
No captulo 1 apresentada uma aplicao da RQ, em que os autores propem
uma nova metodologia de anlise de adaptabilidade e estabilidade fenotpica de
gentipos de alfafa baseada em RQ.
Finalmente, apresentam(se as concluses do trabalho.
3
40
4
em Resende et al. (2001) quando as metodologias so baseadas unicamente em anlises
de varincia, estas so recomendadas quando se dispe de um nmero restrito de
ambientes, geralmente entre 3 e 5, enquanto que as metodologias que so baseadas em
anlises de varincia e de regresso necessitam, para a sua aplicao, de um nmero no
muito grande de ambientes de 5 ou mais.
Dentre as metodologias existentes podem(se citar o mtodo Tradicional (apud
CRUZ et al., 2012, p. 143), o mtodo proposto por Plaisted e Peterson (1959), a
metodologia de Finlay e Wilkinson (1963), o mtodo de Eberhart e Russell (1966), a
metodologia proposta por Tai (1971), o mtodo de Cruz, Torres e Vencovsky (1989).
Alm destes, pode(se citar as metodologias de Lin e Binns (1988), regresso no
paramtrica (NASCIMENTO et al., 2010), mtodo centroide (ROCHA et al., 2005) e
seus desenvolvimentos posteriores, centroides mltiplos e ampliado (NASCIMENTO et
al., 2009a, 2009b), alm das metodologias baseadas em anlises grficas, tais como
AMMI (GAUCH JUNIOR, 2006) e GGE biplot (YAN e TINKER, 2006). Estas
metodologias distinguem(se dos conceitos de adaptabilidade e estabilidade adotados e
dos princpios estatsticos empregados (CRUZ et al., 2012).
A seguir so apresentadas algumas metodologias de anlise de adaptabilidade e
estabilidade utilizadas neste trabalho.
5
em que: Yij a mdia de gentipo i , obtida por meio de r repeties, no ambiente j,
Yij Yij
variao do ambiente; I j o ndice ambiental codificado I j = i
i j
;
g ga
ij = ij + ij o erro aleatrio composto pela soma do desvio da regresso ij e o erro
experimental mdio ij .
6
so recomendados a ambientes favorveis, enquanto que, para valores de 1i menores
1i 1 QMR
teste t, cuja estatstica dada por t = , em que V ( 1i ) = . Esta estatstica
V(1i ) r I 2j
j
QMDi QMR
O parmetro de estabilidade ( d2 ) obtido por meio de, d2 = ,
i i r
em que QMDi : quadrado mdio do desvio do gentipo i; QMR : quadrado mdio do
resduo; r: nmero de repeties.
QMDi
estatstica dada por F = , que est associada a a 2 e m graus de liberdade, em
QMR
que a o nmero de ambientes, m o nmero de graus de liberdade do resduo da
anlise conjunta e a um nvel de significncia .
7
2.3.1. Adaptabilidade e estabilidade via regresso no paramtrica
(NASCIMENTO et al., 2010)
com estabilidade ou previsibilidade alta, so aqueles em que RT2 so maiores que 70%
i
Se A par, A = 2k , tem(se 1i = (S k + S k +1 ) / 2 .
0i = y ij 1i I j .
8
Nesta metodologia a estimao da estabilidade feita a partir do clculo do
coeficiente de determinao, isto , a variabilidade da varivel dependente que
explicada pelo modelo ajustado e dada por:
valores observados.
Para utilizar o mtodo proposto por Nascimento et al. (2010), necessrio saber
se h um ponto extremo que esteja subestimando ou superestimando o parmetro de
adaptabilidade. Desta forma, definiu(se como medida da influncia de um ponto a
variao, em mdulo, entre os estimadores do coeficiente de inclinao estimados pelos
mtodos de mnimos quadrados ( 1*i ) e pelo mtodo de regresso no paramtrica ( 1i )
| |
para cada gentipo, isto , 51i = 1*i 1i . Os autores consideram o valor de 0,05 de
variao para assumir a existncia de um ponto extremo. Caso a variao no ultrapasse
este valor definido, utilizado o mtodo de Eberhart e Russell (1966).
Esta metodologia menos influenciada por pontos extremos e caso os gentipos
tenham resposta diferenciada em algum ambiente, a m interpretao do parmetro de
adaptabilidade evitada.
Diversos autores eliminam os outliers para contornar os inconvenientes
provocados por eles (LY et al., 2013), entretanto ao realizar esta ao pode acontecer de
haver perda de informao no conjunto de dados, pois mesmo interferindo na estimao,
o outlier faz parte do fenmeno estudado.
2.4.1. Introduo
Uma das tcnicas mais estudadas no meio acadmico a Regresso Linear (RL),
cujo principal objetivo estabelecer uma relao funcional entre a varivel resposta e a
varivel preditora. No modelo de regresso linear simples (RLS), a relao entre a
9
varivel preditora X e a varivel resposta Y dada pela equao de uma reta e
representada por:
Yi = 0 + 1 X i + e i (3)
em que o intercepto 0 e o coeficiente angular 1 so constantes desconhecidas,
10
$ 30 Representao do modelo RLS com erros homocedsticos.
11
O quantil de ordem de uma populao ou de uma amostra o valor m tal que
100 dos valores populacionais ou amostrais so inferiores a ele, com 0 < < 1 .
Outra definio bastante utilizada est descrita em Hao e Naiman (2007), onde
os autores falam que o (simo quantil da funo de distribuio acumulada F o valor
mnimo de y tal que F(y) .
Seja Y uma varivel aleatria com funo de distribuio acumulada F. Hao e
Naiman (2007) mostraram que o valor de m que minimiza a mdia da distancia
absoluta, E |Y m| , a mediana, ou seja, o ponto em que a derivada em relao m
nula ou onde as duas derivadas direcionais mudam de sinal. A demonstrao deste
resultado encontra(se no Apndice C.
Considerando uma amostra tambm possvel definir a distncia mdia absoluta
1 n
de m at pontos amostrais a partir de f(m) = | yi m| . Desta forma, a funo ser
n i=1
1 1
mnima quando a derivada valer , para m < y i e para m > y i . Alm disso, a
n n
funo no diferencivel em m = y i , e ento, assumir uma derivada direcional de
1 1
na direo negativa e no sentido positivo.
n n
Este resultado pode ser generalizado para qualquer quantil de interesse, [0,1] .
Para tanto, considere a distncia absoluta de Y para um dado p aplicado diferentes pesos
se Y est
esquerda ou direita de p, ou seja:
( 1 )|Y p|, se Y < p
d (Y, p) = (4)
|Y p|, se Y p
12
em que d ( y i , p ) a distncia de y i at p , n o tamanho amostral, o quantil de
2.4.3. Modelo da RQ
Yi = 0i ( ) + 1i ( ) X i + ei ( ) (6)
13
$ 40 Ajuste de um modelo linear e diversos ajustes da regresso quantlica.
Fonte: Hao e Naiman (2007).
2.4.4. Estimao
| yi 0i ( ) 1i ( ) X i | + ( 1 ) | yi 0i ( )i 1i ( ) X i |
n
d (yi , y i ) = (7)
i=1 yi 0i ( )+ 1i ( ) X i y i < 0i ( )+ 1i ( ) X i
14
em que d a distncia entre yi e yi ; 0i ( ) a constante da regresso; 1i ( ) o
15
Cada reta apresentada na Figura 3 pode ser representada por uma equao do
tipo y = 0 + 1 x . Desta forma, podem(se obter seis pontos do tipo ( 0 , 1) . De posse
destes pares, possvel estabelecer uma relao entre os pontos do plano (x, y) e as retas
do plano ( 0 , 1) , uma vez que para o primeiro plano temos a equao da reta
y 1
y = 0 + 1 x , e desta forma os pontos ( 0 , 1) encontram(se na reta 1 = i 0 .
xi xi
Tal relao denotada como dualidade ponto/reta (point/line duality) (EDGEWORTH,
1888) (Figura 4) (HAO E NAIMAN, 2007).
$ 60 Grfico do plano ( 0 , 1)
1
Regio Poligonal a reunio de um polgono com o seu interior.
16
observaes da equao 7 com = 0,5 (Figura 5), conclui(se que esta funo convexa
com um grfico que forma uma superfcie polidrica2 e o par de betas que minimiza a
funo a reta mediana, ilustrada na Figura 3.
$ 70 Superfcie polidrica.
resduos com valores positivos recebem peso e resduos negativos recebem peso
2
Superfcie Polidrica limitada convexa a reunio de um nmero finito de polgonos planos e
convexos.
17
1 . Assim devem(se obter os estimadores 0i ( ) e 1i ( ) que minimizem a equao
7.
i ( ) z / 2 s boot , (8)
18
O coeficiente de determinao, R 2 , mede a qualidade do ajuste de um modelo
de regresso, ou seja, ele indica a proporo da variao da varivel resposta que
explicada pela regresso.
Uma alternativa para calcular o coeficiente de determinao dado por:
Var(y ij )
R 2 ( ) = (9)
Var(y ij )
valores observados.
Alm disso, os valores de R 2 ( ) esto compreendidos entre 0 e 1
( 0 R 2 ( ) 1 ).
2.4.7.1. RLS
2.4.7.2. RQ
19
por exemplo, anos de escolaridade, a estimativa do coeficiente interpretada como a
alterao mediana da varivel dependente correspondente para uma unidade de
mudana da varivel independente, ou seja, aumenta(se 1 para os indivduos que se
encontram no quantil 0,50 .
Da mesma forma que na RLS, o efeito sobre a resposta mediana de um aumento
de um ano na educao o mesmo para todos os nveis de ensino.
Considerando a Tabela 1, para a regresso mediana ( = 0,50 ), tem(se que o
valor do coeficiente para ED ($4,794) menor que o coeficiente da RLS ($6,314), o que
sugere que o aumento no seria to substancial para a maior parte da amostra.
Hao e Naiman (2007) ajustaram 19 quantis para verificar os efeitos da educao
em vrios quantis da renda (Tabela 1). Observa(se que o aumento de um ano na
educao provoca um aumento de $1,130 na renda para o quantil 0,05 e $1,782 para o
quantil 0,10. Em outras palavras, os indivduos que pertencem ao quantil 0,05 tem um
aumento de $1,130 na renda e os que pertencem ao quantil 0,10 apresentam um
aumento de $1,782 na renda.
Caso o interesse do pesquisador seja na cauda a direita tem(se que o aumento na
renda do quantil 0,95 muito maior que no quantil 0,90, passa de $8,279 para $9,575.
Isto sugere a contribuio da alta escolaridade para a disparidade de renda (HAO e
NAIMAN, 2007).
* # 30 Estimativas da RQ e seus erros padro assintticos para renda.
Quantil ED Quantil ED
0,05 1,130 (36) 0,55 5,182 (86)
0,10 1,782 (41) 0,60 5,571 (102)
0,15 2,315 (51) 0,65 5,841 (107)
0,20 2,757 (51) 0,70 6,224 (129)
0,25 3,172 (60) 0,75 6,598 (154)
0,30 3,571 (61) 0,80 6,954 (150)
0,35 3,900 (66) 0,85 7,505 (209)
0,40 4,266 (73) 0,90 8,279 (316)
0,45 4,549 (82) 0,95 9,575 (605)
0,50 4,794 (92)
Nota: erros padro assintticos esto em parnteses
Fonte: Hao e Naiman (2007).
20
8 /
21
GAUCH JUNIOR, H. G. Statistical analysis of yield trials by AMMI and GGE0 )
%$ % < Madison, v. 46, p. 488(1500, 2006.
LIN, C.S.; BINNS, M.R. A superiority measure of cultivar performance for cultivar x
location data. ($ > # + # ! %$ % , v.68, p.193-198, 1988.
LY, D.; HAMBLIN, M.; RABBI, I.; MELAKU, G.; BAKARE, M.; GAUCH JR., H.
G.; OKECHUKWU, R.; DIXON, A. G. O; KULAKOW, P.; JANNINK, J. L.
Relatedness and Genotype Environment Interaction Affect Prediction Accuracies in
Genomic Selection: A Study in Cassava . ) %$ % , v. 53, p. 1312 ( 1325, 2013.
22
MONTGOMERY, D.C.; PECK, E.A.; VINING, G.G. ! ( %!$ ! #$
$ #2 $ . 5. ed. New York: John Wiley & Sons, 645p., 2012.
PEREIRA, H.S.; MELO, L.C.; PELOSO, M.J.D.; FARIA, L.C. de; COSTA, J. G. C. da,
DAZ, J. L. C.; RAVA, C. A.; WENDLAND, A. Comparao de mtodos de anlise de
adaptabilidade e estabilidade fenotpica em feijoeiro(comum. $ ) % : $
* $# $ , v.44, p.374(383, 2009.
23
PLAISTED, R. L.; PETERSON, L. C. A technique for evaluating the ability of
selections to yield consistently in different locations and seasons. 9 0 !0 >0,
Orono, v. 36, p. 381(385, 1959.
ROCHA, R.B.; ABAD, J.I.M.; ARAUJO, E.F.; CRUZ, C.D. Avaliao do mtodo
centride para estudo de adaptabilidade ao ambiente de clones de Eucalyptus grandis.
$? %$ # ! #< v. 15, p. 255(266, 2005.
TAI, G. C. C. Genotypic stability analysis and its application to potato regional trials.
) %$ % < Madison, v. 11, p. 184(190, 1971.
24
3
9 C
25
30 ! ( '
40 . ! $ # .;! (
27
O modelo estatstico para avaliao da adaptabilidade e estabilidade
considerando a ambientes, g gentipos e r repeties pode ser definido da seguinte
formaC
Yij = 0i ( ) + 1i ( ) I j + ei ( ) (1)
Var(y ij )
R 2 ( ) = (2)
Var(yij )
valores observados.
O conceito de estabilidade refere(se capacidade de os gentipos mostrarem um
comportamento previsvel em funo do estmulo do ambiente. E, para medir a
estabilidade, foi utilizado o parmetro R 2 ( ) , que neste trabalho representa a proporo
da variabilidade dos valores da varivel dependente explicada pela varivel
28
independente. A partir da, pode(se classificar os gentipos de duas maneiras, gentipos
com estabilidade ou previsibilidade alta, quando R 2 ( ) maior que 90% ou gentipos
a soma dos resduos ponderados yi y i , de maneira que resduos com valores positivos
1i ( ) 1
t= . Esta estatstica est associada ao nmero de graus de liberdade do
(
V ( )
1i )
resduo da anlise de varincia conjunta e ao nvel de significncia . Em estudos de
adaptabilidade e estabilidade, a varincia de 1 ( ) dada por e2 = QMR / r , onde r o
nmero de repeties que deram origem s mdias submetidas anlise de
adaptabilidade e estabilidade e QMR = 2 o quadrado mdio do resduo da anlise de
varincia conjunta.
29
4040 ( $9 # (
y ij = 0i + 1i I j + eij , (4)
avaliados em 20 ambientes. Deve ser ressaltado que a simulao deste conjunto foi
r
exponencial com parmetro igual , onde r o nmero de repeties ( r = 2) e
QMR
30
r
anlise conjunta, ou seja, ei ~ Exp . Assim, os valores fenotpicos so dados
QMR
por:
r r
yiad = yi + exp e yiae = yi exp
QMR ,
QMR
em que yiad o i(simo valor do fentipo com distribuio assimtrica a direita e yiae
(
distribuio normal com mdia zero e varincia e2 , ou seja, ei ~ N 0, e2 . )
Para a simulao dos valores fenotpicos com presena de outliers considerou(se
como ponto de corte para a medida de influncia DFBETA, o valor de
2 2
= = 0,44 , ou seja, o conjunto de observaes simuladas que apresente valor de
n 20
DFBETA superior a 0,44 considerado com a presena de outlier (MONTGOMERY et
al., 2012). Para simular tais valores fenotpicos, utilizou(se como valor observado 1,5
vezes amplitude interquartil acrescido de uma constante escolhida de maneira
adequada para que o conjunto de dados apresentasse outlier (MONTGOMERY e
RUNGER, 2009).
31
forma: EQM(1i )i = (
1 100
) 2
1ik 1 , em que 1ik
100 k=1
foi o coeficiente de regresso
QR (0.25, 0.50 e 0.75)), foi aplicado o teste t para verificar se existe diferena
modelo (4).
4060 ( $
Para verificar a assimetria dos dados, no presente trabalho foi utilizado o teste de
D'Agostino (1970), cuja hiptese de nulidade a ser testada se os dados amostrais so
provenientes de uma populao normalmente distribuda, ou seja, simtrica com mdia
2
F e varincia . Sua estatstica dada por:
T
D= ,
n2s
n n +1
em que s o desvio padro amostral, n o tamanho da amostra e T = i yi .
i=1 2
Caso a amostra apresente distribuio normal, obtm(se:
n 1
(n 1 )
E(D) = 2 2 0,282 e s(D) = 12 3 37 + 2 0,02998
n 24n n
2 2n
2
Desta forma, possvel utilizar a estatstica D padronizada:
D E(D)
D =
s(D)
que apresenta distribuio normal padro aproximada sob a hiptese nula.
4070 ) %! 9) ! %$ $
33
50 #! ( $%
5030 ( $9 # (
Quando o fentipo de interesse apresenta outlier (Tabela 2), para o caso em que
a distribuio simtrica, observam(se melhores resultados para a RQ ( = 0,50 ) e para
a regresso no paramtrica. Quando se consideram fentipos com distribuies
assimtricas e presena de outliers, verifica(se uma reduo nos valores de EQM(1 )
quando so utilizadas as funes quantilicas RQ ( = 0,25 ) e RQ ( = 0,75 ),
respectivamente para distribuies assimtricas direita e esquerda e a regresso no
paramtrica (Tabela 2).
Para a simulao a RQ obteve os melhores resultados em todas as situaes
descritas na Tabela 2, seguida da regresso no paramtrica.
35
RQ ( = 0,75 ) 0,0974 99255,05 30
Regresso no
0,0060 15513,73 90
paramtrica
Eberhart e
0.1821 4747753,00 0
Assimetria esquerda Russell
36
$ 30 Fluxograma resumindo todos os resultados obtidos.
5040 ( $
38
Crioulans Geral Geral Fav. Geral 0,050
ns
DK 181 Geral Geral Fav. Geral 0,005
Activa* Fav. Geral Fav. Fav. 0,118
Aurora* Fav. Geral Geral Geral 0,177
Hunterfieldns Geral Geral Geral Fav. 0,251
P 105ns Geral Fav. Geral Geral 0,007
WL 516* Desf. Geral Geral Geral 0,317
ns
Tahoe Geral Geral Fav. Fav. 0,033
DK 167ns Geral Geral Fav. Geral 0,054
DK 177ns Desf. Geral Geral Geral 0,151
Maxidorns Geral Geral Fav. Geral 0,026
Tangons Desf. Desf. Desf. Geral 0,033
ns
Rio Grande Geral Geral Geral Desf 0,165
ns
Key II Fav. Fav. Fav. Geral 0,191
Lujanns Desf. Geral Geral Geral 0,343
DK 194ns Geral Geral Desf. Desf 0,082
P 5715ns Geral Desf. Geral Geral 0,051
Aca 901ns Fav. Geral Fav. Fav. 0,026
ns
Rocio Desf. Geral Geral Geral 0,088
GT 13 R Geral Geral Fav. Fav. 0,051
Plusns
DK 187 Rns Geral Desf. Geral Desf. 0,026
Legenda: Adaptab. refere(se a Adaptabilidade, Desf. refere(se a ambientes desfavorveis, Fav. refere(se a ambientes favorveis. ns:
no significativo a 5% de probabilidade pelo teste DAgostino. *: significativo a 5% de probabilidade pelo teste DAgostino.
39
711 e Hunterfiled classificados como de adaptabilidade geral pelo mtodo da RQ
( = 0,50 ), so considerados de adaptabilidade especfica a ambientes favorveis pela
regresso no paramtrica, o que indica que a presena do outlier est influenciando na
estimao da reta na regresso no paramtrica. O mesmo acontece para os gentipos
Aca 900, Medina, DK 193 e Rio Grande, uma vez que estes foram classificados como
de adaptabilidade geral pelo mtodo da RQ ( = 0,50 ) e como adaptabilidade especfica
a ambientes desfavorveis pela regresso no paramtrica.
Os gentipos LE N 3, Sequel HR, Victoria SP INTA, P 105, Tango, Aca 901 e
DK 187 R so simtricos, no apresentam outliers e possuem a mesma classificao na
metodologia de Eberhart e Russell (1966) e RQ ( = 0,50 ). Os gentipos Crioula, DK
181, Tahoe e Maxidor so classificados como de adaptabilidade geral quando avaliados
pelo mtodo de Eberhart e Russell (1966), entretanto, quando so analisados com base
na metodologia proposta neste trabalho (RQ ( = 0,50 )), esses gentipos so
classificados como de adaptabilidade especfica a ambientes favorveis, o que indica
que a RQ ( = 0,50 ) mais sensvel no processo de estimao que a metodologia
proposta por Eberhart e Russell (1966).
Os gentipos Coronado, Activa, Aurora e WL 516 so classificados como
assimtricos pelo teste DAgostino (1970) e foram discrepantes quanto s classificaes
(Tabela 3), ao se comparar as estimativas dos parmetros de adaptabilidade pela
metodologia de Eberhart e Russell (1966) com a de RQ ( = 0,25 ), e revelou a
ocorrncia de recomendao incorreta quando no levada em considerao a
assimetria. O gentipo WL 516 foi classificado como de adaptabilidade especifica a
ambientes desfavorveis na metodologia proposta por Eberhart e Russell (1966) e no
trabalho de Ferreira et al. (2004), entretanto neste trabalho, devido a presena de
assimetria, este gentipo classificado como de adaptabilidade geral.
O gentipo P 5715 foi classificado como de adaptabilidade geral pela
metodologia proposta neste trabalho (RQ ( = 0,50 )). Esse mesma classificao foi
obtida no estudo de Vasconcelos et al. (2008) o que corrobora com os resultados
encontrados.
Do mesmo modo que Nascimento et al. (2010), neste trabalho utilizou(se
Var(y ij )
R2 = , tanto para a Regresso no paramtrica quanto para a RQ, uma vez que
Var(y ij )
40
devido falta de ortogonalidade no modelo, a soma de quadrados total no pode ser
decomposta em soma do quadrado da regresso mais soma do quadrado do resduo e
isso pode acarretar em estimativas negativas para o primeiro parmetro.
41
Coronado Previsvel Previsvel Previsvel Imprevisvel
Eterna Previsvel Imprevisvel Previsvel Imprevisvel
DK 193 Imprevisvel Imprevisvel Imprevisvel Imprevisvel
Candombe Previsvel Imprevisvel Imprevisvel Imprevisvel
WL 414 Previsvel Imprevisvel Previsvel Imprevisvel
Crioula Previsvel Previsvel Previsvel Imprevisvel
LE Semit 711 Previsvel Previsvel Previsvel Previsvel
DK 181 Previsvel Imprevisvel Previsvel Previsvel
5 929 Previsvel Imprevisvel Previsvel Imprevisvel
Activa Previsvel Imprevisvel Previsvel Imprevisvel
Sequel 2 Previsvel Previsvel Previsvel Previsvel
Califnia 60 Previsvel Imprevisvel Imprevisvel Imprevisvel
Cuf 1010 Previsvel Previsvel Imprevisvel Previsvel
58 N 58 Previsvel Previsvel Imprevisvel Imprevisvel
Diamind Previsvel Previsvel Previsvel Imprevisvel
Aurora Previsvel Imprevisvel Imprevisvel Imprevisvel
Sundor Previsvel Imprevisvel Previsvel Previsvel
Springfield Previsvel Previsvel Previsvel Previsvel
Sutter Previsvel Previsvel Imprevisvel Previsvel
Hunterfield Previsvel Imprevisvel Imprevisvel Previsvel
P 105 Previsvel Previsvel Previsvel Previsvel
Prointa Patricia Previsvel Previsvel Previsvel Previsvel
Flrida 77 Previsvel Previsvel Imprevisvel Imprevisvel
Siriver 2 Previsvel Imprevisvel Previsvel Previsvel
WL 516 Imprevisvel Imprevisvel Imprevisvel Imprevisvel
Tahoe Previsvel Imprevisvel Previsvel Previsvel
Esmeralda SP Previsvel Imprevisvel Previsvel Previsvel
INTA
DK 167 Previsvel Imprevisvel Previsvel Previsvel
DK 177 Previsvel Previsvel Previsvel Previsvel
5 683 Previsvel Previsvel Previsvel Previsvel
WL 414 1 Previsvel Previsvel Previsvel Imprevisvel
Express Previsvel Previsvel Previsvel Previsvel
42
F 708 Previsvel Imprevisvel Previsvel Previsvel
Perla SP INTA Previsvel Previsvel Previsvel Imprevisvel
Prointa Lujan Previsvel Previsvel Previsvel Previsvel
DK 166 Previsvel Imprevisvel Previsvel Imprevisvel
Platino Previsvel Previsvel Previsvel Previsvel
Maxidor Previsvel Previsvel Previsvel Previsvel
Amerigraze Previsvel Previsvel Previsvel Imprevisvel
701
13 R Supreme Previsvel Previsvel Previsvel Previsvel
Pecos Previsvel Previsvel Previsvel Previsvel
Califrnia 50 Previsvel Imprevisvel Imprevisvel Previsvel
Maricopa Previsvel Imprevisvel Previsvel Imprevisvel
Kern Previsvel Previsvel Previsvel Previsvel
Costera SP Previsvel Imprevisvel Imprevisvel Previsvel
INTA
F 686 Imprevisvel Previsvel Previsvel Previsvel
Monarca Previsvel Previsvel Previsvel Previsvel
Patrcia Previsvel Previsvel Previsvel Previsvel
Tango Previsvel Imprevisvel Previsvel Previsvel
Brbara Previsvel Imprevisvel Imprevisvel Previsvel
Rio Grande Previsvel Imprevisvel Previsvel Imprevisvel
Key II Previsvel Imprevisvel Previsvel Imprevisvel
Gala Previsvel Previsvel Previsvel Imprevisvel
Lujan Imprevisvel Previsvel Previsvel Previsvel
Perla Previsvel Previsvel Previsvel Previsvel
5683 L Previsvel Previsvel Previsvel Previsvel
Victoria Previsvel Previsvel Imprevisvel Imprevisvel
DK 194 Previsvel Imprevisvel Imprevisvel Imprevisvel
WL 442 Previsvel Previsvel Previsvel Previsvel
P 30 Previsvel Previsvel Previsvel Imprevisvel
P 5715 Previsvel Imprevisvel Previsvel Previsvel
Alfa 200 Previsvel Previsvel Previsvel Imprevisvel
Aca 901 Previsvel Imprevisvel Previsvel Previsvel
43
Gapp 969 Previsvel Previsvel Previsvel Previsvel
Rocio Previsvel Previsvel Previsvel Previsvel
GT 13 R Plus Previsvel Previsvel Previsvel Previsvel
WL 525 Previsvel Imprevisvel Previsvel Previsvel
Sequel Previsvel Previsvel Previsvel Previsvel
DK 187 R Imprevisvel Imprevisvel Previsvel Imprevisvel
Pinto Previsvel Previsvel Previsvel Previsvel
Bacana Previsvel Previsvel Imprevisvel Previsvel
Siriver Previsvel Imprevisvel Imprevisvel Imprevisvel
Legenda: Estabil. refere(se a Estabilidade.
60 %# E
44
+ ? %$ $*#$ :+$%
45
KOENKER R. quantreg: Quantile Regression. R package version 4.91. Disponvel
em:http://CRAN.R(project.org/package=quantreg, 2012.
LIN, C.S.; BINNS, M.R. A superiority measure of cultivar performance for cultivar x
location data. ($ > # + # ! %$ % , v.68, p.193-198, 1988.
46
Adaptabilidade e estabilidade via regresso no paramtrica em gentipos de caf.
$ ) % : $ $# $ , v. 45, p. 41(48, 2010.
47
G
48
APNDICE A Rotinas computacionais implementadas
49
As rotinas computacionais dos mtodos descritos neste trabalho foram
implementadas no software livre R (R Development Core Team, 2012) e esto descritas
a seguir.
30 $9 # ' ( ( C
!
"#$ % & !
'
( &
3030 ( $9;! $% H ($ $!
) &
*+ , -"#$- - - .- -
( /
0
1 *+ , - 2 - - 1 2 3/
, .4 /
0
**+ ,5 - 6 7/
1 8 -9*+ : .;( :
**+1
<
<
&
.
"#$
50
"#$ EEFE.
G '
5
#
..H7
.
. .
5
I
( *+ ,+7JE-+7F.-+EK.-+E F-+KH5-+LE.-+5FL-+5LH-+.7K-+
.7L-+5J-LL-KE-FJ-..5-.EK-5 L-F7K-. H.-.EEL/
.H5J
, -"#$- - - .- -( /
.
*+ ,G - -E/
@"# . *+ ,G - -E/
@"# *+ ,G - -E/
,M .4 /
0
.
"#$
"#$ EEFE.
G '
5
#
..H7
.
. .
5
I
( *+ ,+7JE-+7F.-+EK.-+E F-+KH5-+LE.-+5FL-+5LH-+.7K-+
.7L-+5J-LL-KE-FJ-..5-.EK-5 L-F7K-. H.-.EEL/
.H5J
, -"#$- - - .- -( /
#"? @ M $ ,.J77/
.*+ ,G - -./
*+ ,G - -./
*+ ,G - -./
, .4 /
0
*+ , 8 -9N( /
O
.*+ 859
.8 -.9*+, .+./
51
*+ 8.9
8 -.9*+, +..H7/
*+, .+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
, R 6 E/
0 8 -.9*+.<
0 8 -.9*+ <
<
@"# .*+ , .Q5/P
@"# *+ , Q5/P
@"#
.*+, , /P /;.
.
8M-.9*+ .
@"# . 8M-.9*+@"# .
@"# 8M-.9*+@"#
..*+ ,G - -./
*+ ,G - -./
.*+ ,G - -./
, .4 /
0
.*+ %, 8 -9N( - 65E/
. .O
.*+ .859
..8 -.9*+, .+./
*+ .8.9
8 -.9*+, +..H7/
*+, .+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
, R 6 E/
0 .8 -.9*+.<
0 .8 -.9*+ <
<
@"# . 8M-59*+@"# ..
@"# 8M-59*+@"#
8M-59*+ ..
52
$@S$@))T? "A G3(B(> 3 A 6E
...*+ ,G - -./
*+ ,G - -./
.*+ ,G - -./
, .4 /
0
.*+ %, 8 -9N( - 6E/
. .O
.*+ .859
...8 -.9*+, .+./
*+ .8.9
8 -.9*+, +..H7/
*+, .+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
, R 6 E/
0 .8 -.9*+.<
0 .8 -.9*+ <
<
....*+ ,G - -./
*+ ,G - -./
.*+ ,G - -./
, .4 /
0
.*+ %, 8 -9N( - 6HE/
. .O
.*+ .859
....8 -.9*+, .+./
*+ .8.9
8 -.9*+, +..H7/
*+, .+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
, R 6 E/
0 .8 -.9*+.<
53
0 .8 -.9*+ <
<
.....*+ ,G - -./
*+ ,G - -./
*+ ,G - -./
, .4 /
0
1*+ 8 -9
*+(
*+ ,1N /
O
.*+ 859
.....8 -.9*+, .+./
*+ 8.9
8 -.9*+, +..H7/
*+, .+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
, R 6 E/
0 8 -.9*+.<
0 8 -.9*+ <
<
@"# .....*+ , .....Q5/P
@"# *+ , Q5/P
.....*+, , /P /;.
8M-E9*+ .....
@"# . 8M-E9*+@"# .....
@"# 8M-E9*+@"#
54
<
# , /
# ,@"# /
# ,@"# . /
3040 ( $9;! $% H (
) &
*+
, -"#$- - - .- -
( /
0
1 *+ , - 2 - - 1 2
3/
, .4 /
0
**+,+ ,5 - % , P"#$///
1 .*+ : .;( :
1 8 -9*+1 .:, ,1 ./;+./
**+1
<
<
3050 ( $9;! $%
) &
*+ , -"#$- - - .- -
( /
0
1 *+ , - 2 - - 1 2 3/
, .4 /
0
**+ ,5 - - % ,"#$P5//
1 8 -9*+ : .;( :
**+1
<
<
55
A partir daqui idntico simulao direita.
*+ , - - .-( /
0
*+ ,5 - 6 7/
1 *+ : .;( :
<
#
..H7
.
. .
5
I
( *+ ,+7JE-+7F.-+EK.-+E F-+KH5-+LE.-+5FL-+5LH-+.7K-+
.7L-+5J-LL-KE-FJ-..5-.EK-5 L-F7K-. H.-.EEL/
*+
*+ , - - - 1 2 3/
*+.
0
U.*+ , - - .-( /
*+ ,U.N( /
M , /
, ,M8-59R , 6KK//R /
0
8 -9*+U.
*+ :.
*+ :.
<
, /
V
<
*+ , - - .-( /
0
**+,+ ,5 - 6 7//
1 .*+ : .;( :, /
1 *+1 .:, ,1 ./;+./
**+1
<
"#$
"#$ EEFE.
G '
5
#
..H7
.
. +.
5
I
( *+ ,+7JE-+7F.-+EK.-+E F-+KH5-+LE.-+5FL-+5LH-+.7K-+
.7L-+5J-LL-KE-FJ-..5-.EK-5 L-F7K-. H.-.EEL/
*+
*+ , - - - 1 2 3/
*+.
0
U.*+ , - - .-( /
U.*+,+U.:, ,U.///
*+ ,U.N( /
M , /
, ,M8-59R , 6KK//R /
0
8 -9*+U.
*+ :.
*+ :.
<
, /
V
<
57
A partir daqui idntico simulao direita.
*+ , - - .-( /
0
*+ ,5 - - % ,"#$P5//
1 *+ : .;( :
<
"#$
"#$ EEFE.
G '
5
#
..H7
.
. .
5
I
( *+ ,+7JE-+7F.-+EK.-+E F-+KH5-+LE.-+5FL-+5LH-+.7K-+
.7L-+5J-LL-KE-FJ-..5-.EK-5 L-F7K-. H.-.EEL/
*+
*+ , - - - 1 2 3/
*+.
0
U.*+ , - - .-( /
U.85 9*+KE
*+ ,U.N( /
M , /
, ,M8-59R , 6KK//R /
0
8 -9*+U.
*+ :.
*+ :.
<
, /
V
<
58
A partir daqui idntico simulao direita.
40 ( $
4030 ( )! *$#$( (
,Y 6 Y/
.*+ , -J5-5.- 1 2 3/
.8.-9
( *+ ,+7JE-+7F.-+EK.-+E F-+KH5-+LE.-+5FL-+5LH-+.7K-+
.7L-+5J-LL-KE-FJ-..5-.EK-5 L-F7K-. H.-.EEL/
(
"#$ EEFE.
5
..H7
.H5J
@ M $ ,.J77/4
*+ ,G -J5-./
.*+ ,G -J5-./
*+ ,G -J5-./
, .4J5/
0
*+ , .8 -+5.9N( /
O
.8 -.9*+ 859
8 -.9*+ 8.9
*+, .+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
*+, R 6 E/
<
59
$@S$@))T? GT? = $ #Z3$(>
3*+ ,G -J5-./
.3*+ ,G -J5-./
3*+ ,G -J5-./
, .4J5/
1*+ .8 -+5.9
*+(
*+ ,1N /
O
.38 -.9*+ 859
38 -.9*+ 8.9
*+, .3+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
3*+, R 6 E/
<
"*+ ,G -J5-./
."*+ ,G -J5-./
"*+ ,G -J5-./
, .4J5/
0
.*+ %, .8 -+5.9N( - 65E/
.O
."8 -.9*+ 859
"8 -.9*+ 8.9
*+, ."+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
"*+, R 6 E/
<
60
2 6 , ."-Y ." 65E6 Y- 26 B)@-%
B)@/
6E"*+ ,G -J5-./
. 6E"*+ ,G -J5-./
6E"*+ ,G -J5-./
, .4J5/
0
.*+ %, .8 -+5.9N( - 6E /
. .O
. 6E"8 -.9*+ .859
6E"8 -.9*+ .8.9
*+, . 6E"+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
6E"*+, R 6 E/
<
6HE"*+ ,G -J5-./
. 6HE"*+ ,G -J5-./
6HE"*+ ,G -J5-./
, .4J5/
0
.*+ %, .8 -+5.9N( - 6HE/
. .O
. 6HE"8 -.9*+ .859
6HE"8 -.9*+ .8.9
*+, . 6HE"+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
6HE"*+, R 6 E/
<
61
2 6 , ." 6HE-Y ." 6HE6 Y- 26 B)@-%
B)@/
4040 ! *$#$( (
,Y 6 Y/
.*+ , -J5-5.- 1 2 3/
.8.-9
( *+ ,+7JE-+7F.-+EK.-+E F-+KH5-+LE.-+5FL-+5LH-+
.7K-+.7L-+5J-LL-KE-FJ-..5-.EK-5 L-F7K-. H.-.EEL/
(
"#$ EEFE.
5
..H7
.H5J
3*+ ,G -J5-./
.3*+ ,G -J5-./
3*+ ,G -J5-./
. ,G - J5-./
5 ,G - J5-./
$5 ,G - J5-./
, .4J5/
0
1*+ .8 -+5.9
*+(
*+ ,1N /
O
.38 -.9*+ 859
38 -.9*+ 8.9
62
*+, .3+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
3*+, R 6 E/
.8 -.9*+ , .8 -+5.9/
58 -.9*+ , O 6 /
$58 -.9*+ 58 -.9P .8 -.9
<
"*+ ,G -J5-./
."*+ ,G -J5-./
"*+ ,G -J5-./
. ,G - J5-./
5 ,G - J5-./
$5 ,G - J5-./
, .4J5/
0
.*+ %, .8 -+5.9N( - 65E/
.O
."8 -.9*+ 859
"8 -.9*+ 8.9
*+, ."+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
"*+, R 6 E/
.8 -.9*+ , .8 -+5.9/
58 -.9*+ , .O 6 /
$58 -.9*+ 58 -.9P .8 -.9
<
"*+ ,G -J5-./
."*+ ,G -J5-./
"*+ ,G -J5-./
. ,G - J5-./
5 ,G - J5-./
$5 ,G - J5-./
, .4J5/
0
63
.*+ %, .8 -+5.9N( - 6E /
.O
."8 -.9*+ 859
"8 -.9*+ 8.9
*+, ."+./P % ,,"#$P5/P ,( Q5//
*+5;, , , /- - 2 6 //
"*+, R 6 E/
.8 -.9*+ , .8 -+5.9/
58 -.9*+ , .O 6 /
$58 -.9*+ 58 -.9P .8 -.9
<
50 ! ( J !$ K3LMNO
,Y 6 Y/
.*+ , -J5-5.- 1 2 3/
, ./
*+ ,G -J5-./
*+ ,G -J5-./
V 2 *+ ,G -J5-./
, .4J5/
0
.8 -+5.9
V 2 8 -.9*+ V 2 , /
*+ 6 , /
*+ O 6
8 -.9*+
*+, R 6 E/
<
64
APNDICE B Tabela com os demais gentipos.
65
* # I0 Classificao da adaptabilidade dos gentipos com que possuem a mesma
classificao nas trs metodologias descritas
no trabalho.
Eberhart e Regresso Regresso Regresso 51i =
Russell(1966) Quantlica Quantlica No( |
1iER 1iNP |
Gentipos ( = 0,25 ) ( = 0,50 ) Paramtrica
66
Prointa Fav. Fav. Fav. Fav. 0,013
ns
Patricia
Flrida 77ns Geral Geral Geral Geral 0,062
Siriver 2ns Geral Geral Geral Geral 0,019
Esmeralda SP Geral Geral Geral Geral 0,098
INTAns
5 683ns Geral Geral Geral Geral 0,013
WL 414 1* Geral Geral Geral Geral 0,061
Expressns Geral Geral Geral Geral 0,025
F 708ns Geral Geral Geral Geral 0,018
Perla SP Geral Geral Geral Geral 0,048
INTAns
Prointa Lujanns Fav. Fav. Fav. Fav. 0,059
ns
DK 166 Geral Geral Geral Geral 0,080
Platinons Fav. Fav. Fav. Fav. 0,034
Amerigraze Geral Geral Geral Geral 0,079
701ns
13 R Supremens Geral Geral Geral Geral 0,000
ns
Pecos Geral Geral Geral Geral 0,037
Califrnia 50ns Geral Geral Geral Geral 0,019
Maricopans Geral Geral Geral Geral 0,094
Kernns Fav. Fav. Fav. Fav. 0,007
Costera SP Geral Geral Geral Geral 0,005
INTAns
F 686ns Desf. Desf. Desf. Desf. 0,062
Monarcans Geral Geral Geral Geral 0,036
Patrcians Geral Geral Geral Geral 0,006
Brbarans Desf. Desf. Desf. Desf 0,007
Galans Geral Geral Geral Geral 0,057
ns
Perla Geral Geral Geral Geral 0,012
ns
5683 L Geral Geral Geral Geral 0,042
Victorians Geral Geral Geral Geral 0,071
WL 442ns Geral Geral Geral Geral 0,010
67
P 30ns Geral Geral Geral Geral 0,046
ns
Alfa 200 Geral Geral Geral Geral 0,058
Gapp 969ns Geral Geral Geral Geral 0,022
WL 525ns Desf. Desf. Desf. Desf. 0,011
Sequelns Desf. Desf. Desf. Desf. 0,022
Pintons Geral Geral Geral Geral 0,010
Bacanans Geral Geral Geral Geral 0,011
ns
Siriver Geral Geral Geral Geral 0,010
Legenda: Adaptab. refere(se a Adaptabilidade, Desf. refere(se a ambientes desfavorveis, Fav. refere(se a ambientes favorveis. ns:
no significativo a 5% de probabilidade pelo teste DAgostino. *: significativo a 5% de probabilidade pelo teste DAgostino.
68
APNDICE C Demonstrao de que a mediana minimiza a mdia
da distancia absoluta
69
Seja F a funo de distribuio acumulada e f a funo densidade de
probabilidade, sabe(se que:
+ m +
E Y m = y m f ( y )dy = y m f ( y )dy + y m f ( y )dy =
m
m +
= (m y ) f ( y )dy + ( y m) f ( y )dy
m
Alm disso, tem(se que para se obter o mnimo de uma funo necessrio
encontrar a derivada parcial desta funo e iguala(la a zero. Desta forma:
+ m +
y m f ( y )dy = ( m y ) f ( y ) dy + ( y m) f ( y )dy =
m m m
m +
= (m y ) f ( y )dy + ( y m) f ( y )dy =
m m m
m +
= (m y ) f ( y )dy + ( y m) f ( y )dy =
m m m
m + m +
= f ( y )dy + f ( y )dy = f ( y )dy f ( y )dy =
m m
70