Accuracy of Ranking Individuals in Field Tests of Different Designs: A Computer Simulation
Notice bibliographique
Résumé
Abstract A computer simulation was conducted to investigate the accuracy of ranking individual trees in field tests of different designs. A test population that consists of 900 trees from 45 full-sib families generated by three 6-parent disconnected half-diallels was considered. One incomplete block design with single-tree plots and four complete block designs with 1, 2, 4, and 10-tree row plots were examined. Various narrow-sense heritabilities, site variation patterns (patch sizes and gradient slopes), and two levels of dominant to additive genetic variance ratios (0 and 0.30) were evaluated. Results indicate that the accuracy of ranking depends more on the heritability of the trait and less on the magnitude of the dominant genetic variance, site variation patterns, and field designs. With patchy site variation, differences in ranking accuracy were observed for different designs, but became smaller with higher heritabilities. Impact of environmental gradient on the accuracy of individual ranking was negligible. Incomplete block design with single-tree plots (ICB1) provided the most accurate ranking when heritability was low while complete block design with 2-tree plots (RCB2) appeared to be the best when heritability was high. Large row plot designs were among the least effective in all the simulated scenarios. For traits with medium heritabilities, the statistical efficiencies of ICB1 and RCB with 1 and 2-tree plots are comparable.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».