A presente pesquisa propôs-se a investigar problemas de ordem estatístico-experimental relacionados à aplicação do delineamento de blocos aumentados, em programas de melhoramento genético vegetal. Nesses desenhos experimentais há duas categorias de tratamentos: as testemunhas (repetidas) e os tratamentos adicionais ou novos (normalmente não repetidos). As primeiras usualmente são cultivares comerciais já recomendados, e os outros, os novos materiais genéticos sob avaliação. Sua relação com os delineamentos de blocos em geral, princípios para a sua aplicação e análise estatística, bem como informações correlatas de outros temas aqui investigados (modelos mistos, componentes de variância e análise espacial de experimentos) foram objetos de revisão no Capítulo 1. O material que fundamentou este trabalho foi um conjunto de 41 ensaios de competição de linhagens de soja (genótipos), em gerações de autofecundação nunca inferiores a F5. Os ensaios, assim delineados, fazem parte do Programa de Melhoramento da Soja desenvolvido pelo Setor de Genética Aplicada às Espécies Autógamas, do Departamento de Genética da ESALQ/USP. Foram escolhidos, preferencialmente, os ensaios que dispunham de mapa de campo completo, o que possibilita associar cada observação à sua posição espacial na área do experimento. Entre os diversos caracteres avaliados, apenas os dados de produtividade de grãos (kg/ha) foram aqui considerados. Sabe-se que esses ensaios são conduzidos em etapas preliminares, quando as linhagens podem ser estatisticamente assumidas como de efeitos aleatórios, ou em fases intermediárias e finais, quando são preferencialmente tidas como de efeitos fixos. Logo, uma curiosidade inicial foi investigar, nos delineamentos em blocos, a influência destas suposições sobre as estimativas das médias genotípicas, bem como sobre o seu ordenamento para fins de seleção (Capítulo 2). O fato também abre a possibilidade de diferentes modelagens para a análise estatística dos dados desses experimentos, incluindo-se o modelo fixo e modelos mistos (análise intrablocos, análise com recuperação de informação interblocos e análises recuperando informação intergenotípica). A apresentação destas alternativas e suas implicações na seleção de genótipos constitui o objetivo principal do Capítulo 3. Acrescenta-se que, na abordagem de modelos mistos, uma etapa fundamental é a de estimação dos componentes de variância. Isto é passível de realização por meio de vários métodos estatísticos, cujos resultados, todavia, podem ser bastante conflitantes; sobretudo em caso de desbalanceamento. Dada a escassez de informações específicas e o fato de esses delineamentos serem naturalmente desbalanceados, avaliaram-se através de simulação em computador as propriedades dos principais estimadores disponíveis: ANOVA, MIVQUE(0), ML e REML (Capítulo 4). Outra característica marcante desses ensaios, particularmente nas etapas iniciais, é a adoção de parcelas de pequeno tamanho, haja vista a pouca disponibilidade de material de propagação. Isto, associado à costumeira alocação sistemática de testemunhas e/ou grupos de linhagens aparentadas, suscitou a avaliação de um procedimento de análise estatística que não ficasse sujeito à clássica suposição de independência espacial entre observações (Capítulo 5). Entre os resultados e conclusões obtidas pode-se destacar: i) a análise intrablocos (modelo fixo) pode fornecer ordenamentos inadequados das médias dos genótipos se estes forem de efeitos aleatórios e, sobretudo, se estiverem relacionados a diferentes populações de referência (Capítulo 2); ii) a classificação das novas linhagens em relação aos cultivares testemunhas pode mudar sensivelmente de um modelo de análise para outro, principalmente quando se passa da análise intrablocos para uma análise que recupera informação interlinhagens (Capítulo 3); iii) o método MIVQUE(0) comparativamente fornece estimativas de melhor qualidade para os componentes de variância, em particular se os genótipos vierem de população(ões) com baixa(s) variância(s) genotípica(s) e os experimentos forem relativamente pequenos (Capítulo 4); e, iv) em experimentos com observações correlacionadas espacialmente, a discriminação genotípica e o ordenamento dos genótipos para fins de seleção podem ser melhorados consideravelmente através da análise estatística espacial (Capítulo 5).

This research investigates experimental and statistical problems related with the use of the augmented block design in plant breeding programs. A characteristic of these designs is that treatments are of two categories, namely: common checks (generally commercial varieties replicated over blocks) and the additional or new treatments (usually not replicated), the latter being the ones under evaluating for selection purposes. The relation of this design with block designs in general and fundaments required for its applications and analysis, as well as information about other topics (mixed models, components of variance and spatial analysis) were reviewed in the Chapter 1. For analysis and discussion a group of 41 trials, set up at the Department of Genetics (ESALQ, USP) for evaluating soybean inbred lines, was used. Only trials having a complete layout of the spatial position of plots in the field were taken. Analyses and discussions given here refer only to grain yield (kg/ha). It is known that these trials are usually conducted at preliminary stages, when genotypes can be statistically assumed as having random effects, or at intermediate and final stages when they are preferentially considered with fixed effects. The first interesting point here investigated was the influence of these assumptions on the estimates of genotypic means, as well as on the ranking of lines for selection purposes (Chapter 2). The assumptions open the possibility of considering either fixed or mixed models for analysis (intrablock analysis, or others with recovering of interblock or intergenotypic information). Chapter 3 shows the corresponding analytical procedures and their consequences on the ranking and selection of genotypes. Under mixed models a fundamental step is the estimation of variance components, for which several procedures are available. It is known that these procedures may lead to different estimates of the same parameter, specially when experiments are unbalanced. Due to the lack of specific information about its point, and since these designs are naturally unbalanced, computer simulations were made here for evaluating the properties of the different available estimators, specifically: ANOVA, MIVQUE(0), ML and REML (Chapter 4). An additional characteristic of these design, at initial stages of breeding programs, is the use of small-sized plots, necessary to accommodate the lack of seeds. This fact in addition to the common practice of systematic arrangement of check plots in the field and/or the arrangement of genetically related treatments in sets, motivated the application of spatial statistics procedures (Chapter 5). The following main results and conclusions can be pointed out: i) the intrablock analysis (fixed model) can provide inadequate ranking of the genotypic means if genotypes have random effects and, specially if they are stem from different populations (Chapter 2); ii) the classification of the new genetic treatments in relation to check varieties may change considerably, depending on the model adopted, specially when the intrablock and the analyses with recovery of intergenotypic information are compared (Chapter 3); iii) the MIVQUE(0) method, in general, furnished more efficient estimates of variance components, particularly if genotypes are derived from population(s) with low genotypic variance(s) and experiments are of small size (Chapter 4); and, iv) if the experimental observations are spatially correlated the discrimination among genotypes and the ranking of genetic treatments can be substantially improved through spatial statistical analysis (Chapter 5).