Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)

Autores
Del Médico, Ana Paula; Tenaglia, Gerardo; Vitelleschi, María Susana; Lavalle, Andrea; Pratta, Guillermo Raúl
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El Análisis Factorial Múltiple (AFM) es una técnica estadística apropiada para el tratamiento de datos donde un mismo conjunto de individuos se describe a través de varios grupos de variables. Cuando uno de ellos está conformado por variables cuantitativas y el otro por cualitativas, surge el Análisis Factorial Múltiple Mixto (AFMmix). Con el objetivo de caracterizar un conjunto de clones de banana (Musa spp.) se aplicó la técnica de AFMmix. Se evaluaron 2 grupos de variables concernientes con la aptitud agronómica de los clones, uno conformado por 9 variables fenotípicas cuantitativas y el otro por 3 variables fenotípicas cualitativas. Los dos primeros ejes del AFMmix explicaron un 49,47% de la variabilidad total de los datos. Los atributos cuantitativos que más contribuyeron a la formación del primer eje fueron altura y diámetro de la planta, peso del raquis y peso de manos. Los caracteres cualitativos que más aportaron a dicho eje fueron tamaño de racimo y prolificidad de la mano. En el segundo eje no se observaron contribuciones considerables de las variables cuantitativas, sin embargo, sí lo hizo el carácter cualitativo foliosidad. En síntesis, mediante la técnica de AFMmix se logró caracterizar al conjunto de clones de banana por los caracteres cuantitativos y cualitativos. Esto posibilitó identificar los clones de manera tal que permitió determinar un subconjunto que presente la mayor diversidad teniendo en cuenta ambos tipos de caracteres
The statistical technique of Multiple Factor Analysis (MFA) is a method that allows the analysis of data tables in which the same group of individuals are described through several group of variables. When one of them is made by quantitative variables and the other one by qualitative variables, the Mixed Multiple Factor Analysis (AFMmix) arises. Two groups of variables related to the agronomic aptitude of the clones were evaluated. One of them is composed of 9 quantitative phenotypic traits, while the other one of 3 ordinal qualitative traits. The first two axis of AFMmix explained a 49.47% of the total data variability. The quantitative attributes which contributed the most on the formation of the first axis were hand weight, rachis bunch weight, and diameter and width of the plant. The ordinal qualitative traits which contributed the most to said axis were quantities of hands and fingers. To the contrary, on the second axis, the quantitative variables showed no considerable contributions, whereas the qualitative trait of leave quantity did. Effectively, the set of banana clones was successfully characterized based on quantitative and qualitative traits. This enabled the selection of the subset of clones to preserve that presented the largest diversity considering both traits
Fil: Fil: Del Médico, Ana Paula , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Fil: Fil: Vitelleschi, María Susana, Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Fil: Fil: Tenaglia, Gerardo , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Fil: Fil: Lavalle, Andrea , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Fil: Fil: Pratta, Guillermo Raúl , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Materia
Análisis factorial múltiple mixto
Datos de tres modos
Three-way data analysis
Mixed multiple factor analysis
Musa spp
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Atribución – No Comercial – Compartir Igual (by-nc-sa)
Repositorio
RepHipUNR (UNR)
Institución
Universidad Nacional de Rosario
OAI Identificador
oai:rephip.unr.edu.ar:2133/20708
Acceder
id RepHipUNR_256d1774a097915abfa4f8526ffb00ca
oai_identifier_str oai:rephip.unr.edu.ar:2133/20708
network_acronym_str RepHipUNR
repository_id_str 1550
network_name_str RepHipUNR (UNR)
spelling Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)Del Médico, Ana PaulaTenaglia, GerardoVitelleschi, María SusanaLavalle, AndreaPratta, Guillermo RaúlAnálisis factorial múltiple mixtoDatos de tres modosThree-way data analysisMixed multiple factor analysisMusa sppEl Análisis Factorial Múltiple (AFM) es una técnica estadística apropiada para el tratamiento de datos donde un mismo conjunto de individuos se describe a través de varios grupos de variables. Cuando uno de ellos está conformado por variables cuantitativas y el otro por cualitativas, surge el Análisis Factorial Múltiple Mixto (AFMmix). Con el objetivo de caracterizar un conjunto de clones de banana (Musa spp.) se aplicó la técnica de AFMmix. Se evaluaron 2 grupos de variables concernientes con la aptitud agronómica de los clones, uno conformado por 9 variables fenotípicas cuantitativas y el otro por 3 variables fenotípicas cualitativas. Los dos primeros ejes del AFMmix explicaron un 49,47% de la variabilidad total de los datos. Los atributos cuantitativos que más contribuyeron a la formación del primer eje fueron altura y diámetro de la planta, peso del raquis y peso de manos. Los caracteres cualitativos que más aportaron a dicho eje fueron tamaño de racimo y prolificidad de la mano. En el segundo eje no se observaron contribuciones considerables de las variables cuantitativas, sin embargo, sí lo hizo el carácter cualitativo foliosidad. En síntesis, mediante la técnica de AFMmix se logró caracterizar al conjunto de clones de banana por los caracteres cuantitativos y cualitativos. Esto posibilitó identificar los clones de manera tal que permitió determinar un subconjunto que presente la mayor diversidad teniendo en cuenta ambos tipos de caracteresThe statistical technique of Multiple Factor Analysis (MFA) is a method that allows the analysis of data tables in which the same group of individuals are described through several group of variables. When one of them is made by quantitative variables and the other one by qualitative variables, the Mixed Multiple Factor Analysis (AFMmix) arises. Two groups of variables related to the agronomic aptitude of the clones were evaluated. One of them is composed of 9 quantitative phenotypic traits, while the other one of 3 ordinal qualitative traits. The first two axis of AFMmix explained a 49.47% of the total data variability. The quantitative attributes which contributed the most on the formation of the first axis were hand weight, rachis bunch weight, and diameter and width of the plant. The ordinal qualitative traits which contributed the most to said axis were quantities of hands and fingers. To the contrary, on the second axis, the quantitative variables showed no considerable contributions, whereas the qualitative trait of leave quantity did. Effectively, the set of banana clones was successfully characterized based on quantitative and qualitative traits. This enabled the selection of the subset of clones to preserve that presented the largest diversity considering both traitsFil: Fil: Del Médico, Ana Paula , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, ArgentinaFil: Fil: Vitelleschi, María Susana, Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, ArgentinaFil: Fil: Tenaglia, Gerardo , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, ArgentinaFil: Fil: Lavalle, Andrea , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, ArgentinaFil: Fil: Pratta, Guillermo Raúl , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, ArgentinaSecretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario2021-04-26info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/2133/20708urn:issn: 2718-6636spahttps://www.fcecon.unr.edu.ar/web-nueva/investigacion/actas-de-las-jornadas-anualesinfo:eu-repo/semantics/openAccessAtribución – No Comercial – Compartir Igual (by-nc-sa)http://creativecommons.org/licenses/by-nc-sa/2.5/ar/Licencia RepHipreponame:RepHipUNR (UNR)instname:Universidad Nacional de Rosario2025-09-18T10:05:20Zoai:rephip.unr.edu.ar:2133/20708instacron:UNRInstitucionalhttps://rephip.unr.edu.ar/Universidad públicaNo correspondehttps://rephip.unr.edu.ar/oai/requestrephip@unr.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:15502025-09-18 10:05:20.252RepHipUNR (UNR) - Universidad Nacional de Rosariofalse
dc.title.none.fl_str_mv Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)
title Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)
spellingShingle Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)
Del Médico, Ana Paula
Análisis factorial múltiple mixto
Datos de tres modos
Three-way data analysis
Mixed multiple factor analysis
Musa spp
title_short Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)
title_full Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)
title_fullStr Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)
title_full_unstemmed Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)
title_sort Análisis factorial múltiple mixto para la identificación de clones de banana (MUSA SPP.)
dc.creator.none.fl_str_mv Del Médico, Ana Paula
Tenaglia, Gerardo
Vitelleschi, María Susana
Lavalle, Andrea
Pratta, Guillermo Raúl
author Del Médico, Ana Paula
author_facet Del Médico, Ana Paula
Tenaglia, Gerardo
Vitelleschi, María Susana
Lavalle, Andrea
Pratta, Guillermo Raúl
author_role author
author2 Tenaglia, Gerardo
Vitelleschi, María Susana
Lavalle, Andrea
Pratta, Guillermo Raúl
author2_role author
author
author
author
dc.contributor.none.fl_str_mv Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario
dc.subject.none.fl_str_mv Análisis factorial múltiple mixto
Datos de tres modos
Three-way data analysis
Mixed multiple factor analysis
Musa spp
topic Análisis factorial múltiple mixto
Datos de tres modos
Three-way data analysis
Mixed multiple factor analysis
Musa spp
dc.description.none.fl_txt_mv El Análisis Factorial Múltiple (AFM) es una técnica estadística apropiada para el tratamiento de datos donde un mismo conjunto de individuos se describe a través de varios grupos de variables. Cuando uno de ellos está conformado por variables cuantitativas y el otro por cualitativas, surge el Análisis Factorial Múltiple Mixto (AFMmix). Con el objetivo de caracterizar un conjunto de clones de banana (Musa spp.) se aplicó la técnica de AFMmix. Se evaluaron 2 grupos de variables concernientes con la aptitud agronómica de los clones, uno conformado por 9 variables fenotípicas cuantitativas y el otro por 3 variables fenotípicas cualitativas. Los dos primeros ejes del AFMmix explicaron un 49,47% de la variabilidad total de los datos. Los atributos cuantitativos que más contribuyeron a la formación del primer eje fueron altura y diámetro de la planta, peso del raquis y peso de manos. Los caracteres cualitativos que más aportaron a dicho eje fueron tamaño de racimo y prolificidad de la mano. En el segundo eje no se observaron contribuciones considerables de las variables cuantitativas, sin embargo, sí lo hizo el carácter cualitativo foliosidad. En síntesis, mediante la técnica de AFMmix se logró caracterizar al conjunto de clones de banana por los caracteres cuantitativos y cualitativos. Esto posibilitó identificar los clones de manera tal que permitió determinar un subconjunto que presente la mayor diversidad teniendo en cuenta ambos tipos de caracteres
The statistical technique of Multiple Factor Analysis (MFA) is a method that allows the analysis of data tables in which the same group of individuals are described through several group of variables. When one of them is made by quantitative variables and the other one by qualitative variables, the Mixed Multiple Factor Analysis (AFMmix) arises. Two groups of variables related to the agronomic aptitude of the clones were evaluated. One of them is composed of 9 quantitative phenotypic traits, while the other one of 3 ordinal qualitative traits. The first two axis of AFMmix explained a 49.47% of the total data variability. The quantitative attributes which contributed the most on the formation of the first axis were hand weight, rachis bunch weight, and diameter and width of the plant. The ordinal qualitative traits which contributed the most to said axis were quantities of hands and fingers. To the contrary, on the second axis, the quantitative variables showed no considerable contributions, whereas the qualitative trait of leave quantity did. Effectively, the set of banana clones was successfully characterized based on quantitative and qualitative traits. This enabled the selection of the subset of clones to preserve that presented the largest diversity considering both traits
Fil: Fil: Del Médico, Ana Paula , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Fil: Fil: Vitelleschi, María Susana, Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Fil: Fil: Tenaglia, Gerardo , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Fil: Fil: Lavalle, Andrea , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
Fil: Fil: Pratta, Guillermo Raúl , Facultad Ciencias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentina
description El Análisis Factorial Múltiple (AFM) es una técnica estadística apropiada para el tratamiento de datos donde un mismo conjunto de individuos se describe a través de varios grupos de variables. Cuando uno de ellos está conformado por variables cuantitativas y el otro por cualitativas, surge el Análisis Factorial Múltiple Mixto (AFMmix). Con el objetivo de caracterizar un conjunto de clones de banana (Musa spp.) se aplicó la técnica de AFMmix. Se evaluaron 2 grupos de variables concernientes con la aptitud agronómica de los clones, uno conformado por 9 variables fenotípicas cuantitativas y el otro por 3 variables fenotípicas cualitativas. Los dos primeros ejes del AFMmix explicaron un 49,47% de la variabilidad total de los datos. Los atributos cuantitativos que más contribuyeron a la formación del primer eje fueron altura y diámetro de la planta, peso del raquis y peso de manos. Los caracteres cualitativos que más aportaron a dicho eje fueron tamaño de racimo y prolificidad de la mano. En el segundo eje no se observaron contribuciones considerables de las variables cuantitativas, sin embargo, sí lo hizo el carácter cualitativo foliosidad. En síntesis, mediante la técnica de AFMmix se logró caracterizar al conjunto de clones de banana por los caracteres cuantitativos y cualitativos. Esto posibilitó identificar los clones de manera tal que permitió determinar un subconjunto que presente la mayor diversidad teniendo en cuenta ambos tipos de caracteres
publishDate 2021
dc.date.none.fl_str_mv 2021-04-26
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject


info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/2133/20708
urn:issn: 2718-6636
url http://hdl.handle.net/2133/20708
identifier_str_mv urn:issn: 2718-6636
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://www.fcecon.unr.edu.ar/web-nueva/investigacion/actas-de-las-jornadas-anuales
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Atribución – No Comercial – Compartir Igual (by-nc-sa)
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Licencia RepHip
eu_rights_str_mv openAccess
rights_invalid_str_mv Atribución – No Comercial – Compartir Igual (by-nc-sa)
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Licencia RepHip
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:RepHipUNR (UNR)
instname:Universidad Nacional de Rosario
reponame_str RepHipUNR (UNR)
collection RepHipUNR (UNR)
instname_str Universidad Nacional de Rosario
repository.name.fl_str_mv RepHipUNR (UNR) - Universidad Nacional de Rosario
repository.mail.fl_str_mv rephip@unr.edu.ar
_version_ 1843608764319531008
score 13.001348

Publicaciones similares