IMPUTACÁO DE DADOS EM EXPERIMENTOS COM INTERA£ÁO GENÓTIPOxAMBIENTE

摘要

The aim of this work was the study of prediction errors associated with four imputation methods applied to solve the problem of unbalance in experiments with genotype×environment (G×E) interaction. A simulation study was carried out based on four complete matrices of real data obtained in trials of interaction G×E of pea, cotton, beans and eucalyptus, respectively. The simulation of unbalance was done with random withdrawal of 10, 20 and 40% in each matrix. The prediction errors were found using cross-validation and were tested in classic intervals of 95% for missing data. For data imputation, algorithms were considered using models of additive effects without interaction and model estimates of additive effects with multiplicative interaction based on robust submodels. In general, the best prediction errors were obtained after imputation through an additive model without interaction.%O objetivo deste trabalho foi estudar os erros de predição associados a quatro métodos de imputação de dados aplicados para resolver o problema de desbalanceamento em experimentos com interação genótipo×ambiente (G×A). Um estudo de simulação foi realizado com base em quatro matrizes completas de dados reais, obtidas em ensaios de interação G×A de ervilha, algodão, feijão e eucalipto respectivamente. A simulação de desbalanceamento foi feita com retiradas aleatórias de 10, 20 e 40% dos dados em cada matriz. Os erros de predição foram encontrados utilizando-se validação cruzada, e foram testados intervalos de confiança de 95% para as observações ausentes. Para imputação de dados foram considerados algoritmos usando modelos de efeitos aditivos sem interação e estimativas de modelos de efeitos aditivos com interação multi-plicativa baseadas em submodelos robustos. Em geral, os melhores erros de predição foram apresentados após a imputação por meio de um modelo aditivo sem interação.