Tamanho de amostra para estimação do coeficiente de correlação linear de Pearson entre caracteres de milho

O objetivo deste trabalho foi determinar o tamanho de amostra para a estimação do coeficiente de correlação linear de Pearson entre caracteres de três híbridos de milho. Para as análises, foram tomadas aleatoriamente 361, 373 e 416 plantas, respectivamente, de híbridos simples, triplo e duplo. Para cada planta, os seguintes caracteres foram mensurados: diâmetro maior e menor do colmo, altura da planta e altura, peso, comprimento e diâmetro da espiga, número de fileiras por espiga, peso e diâmetro de sabugo, massa de cem grãos, número de grãos por espiga, comprimento e produtividade de grãos. Para cada um dos 91 pares de caracteres e híbridos, foi determinado o tamanho de amostra a partir de "bootstrap", com reposição de 1.000 amostras, de cada tamanho de amostra simulado. Na estimação do coeficiente de correlação linear de Pearson com a mesma precisão, o tamanho de amostra (número de plantas) aumenta na direção de pares de caracteres com menor intensidade de relação linear, independentemente do tipo de híbrido. Para os 91 pares de caracteres estudados, 252 plantas são suficientes para a estimação do coeficiente de correlação linear de Pearson, no intervalo de confiança de "bootstrap" de 95%, igual a 0,30

Degree of multicollinearity and variables involved in linear dependence in additive-dominant models

The objective of this work was to assess the degree of multicollinearity and to identify the variables involved in linear dependence relations in additive-dominant models. Data of birth weight (n=141,567), yearling weight (n=58,124), and scrotal circumference (n=20,371) of Montana Tropical composite cattle were used. Diagnosis of multicollinearity was based on the variance inflation factor (VIF) and on the evaluation of the condition indexes and eigenvalues from the correlation matrix among explanatory variables. The first model studied (RM) included the fixed effect of dam age class at calving and the covariates associated to the direct and maternal additive and non-additive effects. The second model (R) included all the effects of the RM model except the maternal additive effects. Multicollinearity was detected in both models for all traits considered, with VIF values of 1.03 - 70.20 for RM and 1.03 - 60.70 for R. Collinearity increased with the increase of variables in the model and the decrease in the number of observations, and it was classified as weak, with condition index values between 10.00 and 26.77. In general, the variables associated with additive and non-additive effects were involved in multicollinearity, partially due to the natural connection between these covariables as fractions of the biological types in breed composition.