Estimação e predição por modelo linear misto com ênfase na ordenação de médias de tratamentos genéticos Translated title: Estimation and prediction using linear mixed models: the ranking of means of genetic treatments

Abstract

O presente artigo propôs-se a refletir teoricamente o processo de estimação/predição de médias de tratamentos, nos delineamentos em blocos, com ênfase nas suas aplicações em testes de genótipos, no melhoramento vegetal. Neste sentido, procurou-se comparar as análises baseadas no modelo linear fixo (análise intrablocos) e no modelo linear misto com genótipos aleatórios (análise recuperando informação intertratamentos), buscando identificar os fatores que podem determinar diferentes classificações genotípicas. A análise teórica permitiu constatar que a abordagem de modelo misto (com tratamentos aleatórios), comparativamente às análises tradicionais (médias marginais e análise intrablocos), em geral, leva a: i) maior homogeneidade das médias de tratamentos; e ii) seleção de diferentes tratamentos genéticos, quando a variância genotípica for baixa em relação à variância do erro e os ensaios forem não ortogonais e desbalanceados. Ademais, se os tratamentos forem oriundos de várias populações, a predição BLUP poderá determinar diferente classificação das médias de tratamentos, em relação à análise intrablocos, mesmo sob ortogonalidade e balanceamento.

Translated abstract

This study reviewed the theory of estimation/prediction of treatment means, in randomized block designs, emphasizing aspects of interest to plant breeders. Comparisons were made between analyses based on fixed (intrablock) and mixed (with random treatments effects - recovering intergenotypic information) linear models for identifying the determining factors that may affect the classification of genotypes. The mixed model approach, in comparison with the traditional analyses (marginal means and intrablock analysis), in general, leads to: i) more uniformly distributed treatment means; and ii) selection of different genetic treatments when the genetic variance is small relative to the environmental variance, as well as designs being non-orthogonal and unbalanced. In addition, if treatments of distinct reference populations are evaluated in the same experiment, BLUP prediction can lead to different ranking of means, in comparison with the intrablock analysis, even if designs are balanced and orthogonal.