Kuang Hongyu

AMMI and GGE Biplot for genotype × environment interaction: a medoid–based hierarchical cluster analysis approach for high–dimensional data

Summary The presence of genotype-environment interaction (GEI) influences production making the selection of cultivars in a complex process. The two most used methods to analyze GEI and evaluate genotypes are AMMI and GGE Biplot, being used for the analysis of multi environment trials data (MET). Despite their different approaches, both models complement each other in order to strengthen decision making. However, both models are based on biplots, consequently, biplot-based interpretation doesn’t scale well beyond two-dimensional plots, which happens whenever the first two components don’t capture enough variation. This paper proposes an approach to such cases based on cluster analysis combined with the concept of medoids. It also applies AMMI and GGE Biplot to the adjusted data in order to compare both models. The data is provided by the International Maize and Wheat Improvement Center (CIMMYT) and comes from the 14th Semi-Arid Wheat Yield Trial (SAWYT), an experiment concerning 50 genotypes of spring bread wheat (Triticum aestivum) germplasm adapted to low rainfall. It was performed in 36 environments across 14 countries. The analysis provided 25 genotypes clusters and 6 environments clusters. Both models were equivalent for the data’s evaluation, permitting increased reliability in the selection of superior cultivars and test environments.

Análise Fatorial para Avaliação dos Questionários de Satisfação do Curso de Estatística de uma Instituição Federal

O presente estudo buscou construir um instrumento de pesquisa de satisfacao de alunos de um curso de educacao superior e investigar a estrutura fatorial deste questionario. A coleta dos dados foi realizada por meio de um questionario fechado, baseado na escala Likert, com respostas variando em cinco niveis de satisfacao. A amostra estratificada foi composta por 50 estudantes do Departamento de Estatistica da Universidade Federal de Mato Grosso - UFMT. Foi utilizada a Analise Fatorial Exploratoria, que sugeriu o agrupamento das 19 variaveis do questionario em quatro fatores distintos, que proporcionaram maior homogeneidade entre as variaveis dentro de cada grupo: Professores de outros departamentos que ministram aula aos alunos de Estatistica, Instalacoes fisicas e estruturais, Professores do Departamento de Estatistica, e Desempenho do Aluno (Auto avaliacao).O total dos fatores explicou100% da variacao total, o primeiro fatorexplicou27%, o segundo, 26%, o terceiro, 24% e o quarto, 23%. Em pesquisas futuras podera ser utilizado o novo questionario, organizado nas dimensoes identificadas por meio da analise fatorial.

Análise de Componentes Principais: Resumo Teórico, Aplicação e Interpretação

A analise multivariada de uma forma bem geral refere-se aos metodos estatisticos que analisam simultaneamente multiplas medidas em cada individuo ou objeto sob investigacao. Nesse contexto, entre as tecnicas de multivariadas, a analise de componentes principais (ACP) e umas das tecnicas estatisticas mais utilizadas na analise de dados em diversas areas do conhecimento, como agronomia, zootecnia, ecologia, florestal, medicina, etc. Assim, discute-se neste artigo a aplicabilidade e a interpretacao da analise de componentes principais e com utilizacao do grafico biplot. Tambem, faz-se uma discussao quanto a escolha da metodologia mais adequada, levando em consideracao a informacao requerida e os objetivos do pesquisador.