AMMI Bayesiano para dados ordinais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBalestre, Márcio-
Autor(es): dc.contributorSilva, Carlos Pereira da-
Autor(es): dc.contributorBueno Filho, Júlio Sílvio de Sousa-
Autor(es): dc.contributorSáfadi, Thelma-
Autor(es): dc.contributorBarroso, Camilla Marques-
Autor(es): dc.contributorCorrêa, Fábio Mathias-
Autor(es): dc.contributorCassiano, Fernando Ribeiro-
Autor(es): dc.creatorMendes, Cristian Tiago Erazo-
Data de aceite: dc.date.accessioned2026-02-09T12:05:02Z-
Data de disponibilização: dc.date.available2026-02-09T12:05:02Z-
Data de envio: dc.date.issued2021-10-05-
Data de envio: dc.date.issued2021-10-05-
Data de envio: dc.date.issued2021-10-05-
Data de envio: dc.date.issued2021-07-29-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/48313-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1153947-
Descrição: dc.descriptionIn this thesis we study the implementation of Bayesian AMMI for ordinal data. Initially we revisited theoretical aspects of Bayesian analysis, Multi Environment Trials (MET) and threshold models. In the last two sections are presented papers for scientific journals. The first is a review on Bayesian-AMMI literature folowed by a case study of the state of the art implementation. The model has shown flexibility to fit unbalanced, non-orthogonal and heteroscedastic data, but depends on continuous response in which Gaussian assumption is reasonable after scaling. The second deals with Bayesian AMMI to ordinal data. An ordinal data set on MET was artificially generated from continuous responses. This allows for a gold standard on ordinal data analysis, that is not available in actual ordinal data. A latent underlying continuous variable modeled with cumulative probit link allows for a suitable implementation of the analysis. This has shown to be efficient in telling stable from unstable genotypes. Using ordinal models interpretation is less powerful but more rigorous and consistent with continuous data analysis.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionNesta tese investigamos a implementação do AMMI bayesiano para dados ordinais. Inicialmente fizemos uma revisão sobre aspectos teóricos de inferência bayesiana, da análise de ensaios multi ambientais (MET) e de modelos de limiar. Em seguida apresentamos dois artigos para submissão a revistas científicas. O primeiro é um artigo de revisão sobre o AMMIbayesiano com exemplificação numérica de sua implementação tecnicamente mais atualizada. O modelo se mostra muito flexível para ajustar dados desbalanceados, não ortogonais e heteroscedásticos, mas depende de respostas contínuas em que se possa supor aproximação normal. O segundo artigo é sobre a análise de dados ordinais na estrutura do modelo AMMI-bayesiano. Um conjunto de dados MET foi artificialmente transformado em respostas ordinais a partir de uma variável observada contínua. Este recurso foi usado para gerar um padrão ouro como referência de análise, que não existe nas aplicações reais. O uso de uma variável latente contínua, usando funções de ligação acumuladas probit permitiu implementar a análise e mostrou-se eficiente em separar genótipos estáveis de instáveis. Com os dados ordinais a interpretação é menos poderosa, porém mais rigorosa e consistente com a análise de dados contínuos.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal de Lavras-
Publicador: dc.publisherPrograma de Pós-Graduação em Estatística e Experimentação Agropecuária-
Publicador: dc.publisherUFLA-
Publicador: dc.publisherbrasil-
Publicador: dc.publisherDepartamento de Estatística-
Direitos: dc.rightsacesso aberto-
Palavras-chave: dc.subjectAMMI-Bayesiano-
Palavras-chave: dc.subjectEnsaios multi ambientais-
Palavras-chave: dc.subjectModelos de limiar-
Palavras-chave: dc.subjectVariáveis ordinais-
Palavras-chave: dc.subjectBayesian-AMMI-
Palavras-chave: dc.subjectMulti environment trials-
Palavras-chave: dc.subjectOrdinal variables-
Palavras-chave: dc.subjectThreshold models-
Palavras-chave: dc.subjectEstatística-
Título: dc.titleAMMI Bayesiano para dados ordinais-
Título: dc.titleBayesian AMMI for ordinal data-
Tipo de arquivo: dc.typetese-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.