
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Oliveira, Luciano Antonio de | - |
| Autor(es): dc.creator | Silva, Carlos Pereira da | - |
| Autor(es): dc.creator | Silva, Alessandra Querino da | - |
| Autor(es): dc.creator | Mendes, Cristian Tiago Erazo | - |
| Autor(es): dc.creator | Nuvunga, Joel Jorge | - |
| Autor(es): dc.creator | Muniz, Joel Augusto | - |
| Autor(es): dc.creator | Bueno Filho, Júlio Sílvio de Sousa | - |
| Autor(es): dc.creator | Balestre, Marcio | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:49:31Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:49:31Z | - |
| Data de envio: dc.date.issued | 2022-02-21 | - |
| Data de envio: dc.date.issued | 2022-02-21 | - |
| Data de envio: dc.date.issued | 2020 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/49412 | - |
| Fonte completa do material: dc.identifier | https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0256882 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1168992 | - |
| Descrição: dc.description | The genotype main effects plus the genotype × environment interaction effects model has been widely used to analyze multi-environmental trials data, especially using a graphical biplot considering the first two principal components of the singular value decomposition of the interaction matrix. Many authors have noted the advantages of applying Bayesian inference in these classes of models to replace the frequentist approach. This results in parsimonious models, and eliminates parameters that would be present in a traditional analysis of bilinear components (frequentist form). This work aims to extend shrinkage methods to estimators of those parameters that composes the multiplicative part of the model, using the maximum entropy principle for prior justification. A Bayesian version (non-shrinkage prior, using conjugacy and large variance) was also used for comparison. The simulated data set had 20 genotypes evaluated across seven environments, in a complete randomized block design with three replications. Cross-validation procedures were conducted to assess the predictive ability of the model and information criteria were used for model selection. A better predictive capacity was found for the model with a shrinkage effect, especially for unorthogonal scenarios in which more genotypes were removed at random. In these cases, however, the best fitted models, as measured by information criteria, were the conjugate flat prior. In addition, the flexibility of the Bayesian method was found, in general, to attribute inference to the parameters of the models which related to the biplot representation. Maximum entropy prior was the more parsimonious, and estimates singular values with a greater contribution to the sum of squares of the genotype + genotype × environmental interaction. Hence, this method enabled the best discrimination of parameters responsible for the existing patterns and the best discarding of the noise than the model assuming non-informative priors for multiplicative parameters. | - |
| Idioma: dc.language | en | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Plos One | - |
| Palavras-chave: dc.subject | Shrinkage | - |
| Palavras-chave: dc.subject | Bayesian analysis | - |
| Título: dc.title | Shrinkage in the Bayesian analysis of the GGE model: a case study with simulation | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: