ANALISIS DE LA INTERACCION GENOTIPO POR AMBIENTE
EN PAPA (Solanum tuberosum spp. andigena), A TRA VES DE UNA

METODOLOGIA NO PARAMETRICA

Analysis of genotype by environment interaction in potato (Solanum tuberosum spp.
andigena) by a non-parametric methodology

José M. Cotes', Carlos E. Ñustez', Ricardo Martínez' y Nelson Estrada"
next to be released to the farmer.

Key words: Regional trials, yield-stability index, multivariate
analysis.RESUMEN

El Programa de Mejoramiento en Papa, liderado por la Universidad
Nacional de Colombia, estableció nueve pruebas regionales du-
rante los años 1998 y 1999, para la evaluación de 20 genotipos
promisorios de Solanum tuberosum subsp. andigena. Para el aná-
lisis e interpretación de la interacción genotipo por ambiente, se
utilizó la metodología no paramétrica propuesta por Nassar el al.
(1994), en la cual se usa un estadístico que reúne la selección por
rendimiento y estabilidad fenotípica. Para la obtención de los índi-
ces de rendimiento-estabilidad, se implementó una MACRO en el
programa SAS, la cual permite trabajar con datos desbalanceados,
tanto por repeticiones, como por genotipos. Además, se desarro-
lló una metodología que permitió el análisis multivariado, utilizan-
do, como base el estadístico de rendimiento-estabilidad, lo cual
facilita el análisis del rendimiento cuando éste se divida en varias
categorías, como el es caso del cultivo de papa. Los resultados,
aquí, presentados muestran cómo las ventajas del uso de
metodologías no paramétricas, no son compensadas cuando la
mayor importancia del análisis de la interacción genotipo por am-
biente es la selección de genotipos promisorios próximos a ser
entregados al agricultor.

Palabras clave: Pruebas regionales, rendimiento-estabilidad,
análisis multivariado.

ABSTRACT

The Potato Breeding Program, which belongs to the National
University ofColombia, carried out nine regional trials during 1998
and 1999 for the evaluation of20 promissory genotypes of Solanum
tuberosum ssp. andigena. The non-pararnetric methodology
proposed by Nassar el al. (1994) which it is based on a statistic
that link yield and phenotypic stability was used. In order to analyzer
the data set, a MACRO program in the SAS System was developed
which allowed working with unbalance data for both repetitions
and genotypes. It was also developed a multivariate analysis
methodology, based on the yield-stability index, which permitted
to analyze the yield when it is partitioning in classes. The results
showed that the advantages for the use of non-pararnetric
methodologies, are not relevant for the selection of genotypes

INTRODUCCION
El análisis de la interacción genotipo por ambiente está, estrecha-
mente, ligado con la estimación cuantitativa de la estabilidad
fenotípica de los genotipos en el ambiente. Cuando la interacción
genotipo por ambiente está presente, el efecto en los genotipos
no es, estadísticamente, aditivo, lo cual significa que el comporta-
miento de los genotipos dependen del ambiente (Hühn, 1996). La
interacción genotipo por ambiente es una de las principales pre-
ocupaciones de los mejoradores, por dos razones (Kang y Magari,
1996): primera, porque reduce el progreso de selección (Cooper y
DeLacy, 1994; DeLacy el al., 1996) y segunda, porque hace impo-
sible interpretar los efectos principales (debidos exclusivamente a
los genotipos o al ambiente). Esta interacción ocurre tanto en el
corto plazo (tres o cuatro años de pruebas en una localidad), como
en el largo plazo (varios años y varias localidades). Usualmente,
no se implementa el análisis de la interacción genotipo por am-
biente en pruebas realizadas en el corto plazo; sin embargo, en los
últimos años, esta tendencia ha cambiado (Kang y Pham, 1991), ya
que se persiguen objetivos distintos y más acordes con las limita-
ciones prácticas de las pruebas regionales en un programa de
mejoramiento. Así, se busca mejorar los sistemas de selección de
los genotipos, con el fin de obtener costos aceptables en la reali-
zación de dichas pruebas y poder efectuar una adecuada selec-
ción en un tiempo razonable.

El análisis de la interacción genotipo por ambiente se puede
dividir en tres clases (Kang y Magari, 1996): a) análisis por líneas
altamente rendidoras; b) análisis de estabilidad fenotípica, y; e) aná-
lisis simultáneo por rendimiento y estabilidad. El primer tipo es de-
nominado el método convencional, propuesto por Yates y Cochran
(1938). Para el segundo tipo de análisjs.se han desarrollado nume-
ro.;as técnicas y, aunque son trabajo-obligado de los programas de
mejoramiento, no tienen gran aceptación, por la creencia que selec-
cionar por estabilidad es perjudicial para la obtención de altos rendi-
mientos (Kang y Magari, 1996). Los últimos métodos de análisis
combinan ambos enfoques (Kang y Magari, 1996; Nassar el al.,
1994; Hühn, 1996), los cuales tienden a tener una mayor aceptación
entre los mejorado res. Según Kang y Pham (199 1) la integración de
la estabilidad de los rendimientos con los rendimientos en sí es

Instructor Asociado. Facultad de Agronomia. Universidad Nacional de Colombia, Bogotá. E-mail: jmcotes@usa.net.
Profesor Asociado. Facultad de Agronomía .. Universidad Nacional de Colombia, Bogotá. E-mail: cnustez@bacata.usc.unal.edu.co
Profesor Titular. Facultad de Agronomía. Universidad Nacional de Colombia, Bogotá. E-mail: dnmartine@veterínaria.unal.edu.co
Profesor Especial. Facultad de Agronomía .. Universidad Nacional de Colombia, Bogotá. E-mail: nerbee@col-online.com

Agronomía Colombiana, 2000. 17: 43-56



Agronomía Colombiana44
esencial en el análisis de las pruebas regionales.

Las medidas no paramétricas definen la estabilidad en el senti-
do de homeostasis o la habilidad de un genotipo (planta o animal)
para él mismo se estabilice en diferentes ambientes (Hühn, 1979).
En los métodos de regresión, la estabilidad es definida como la
manera en que un genotipo es estable dentro de un ambiente en
particular. Así, un genotipo estable tiene un bajo rendimiento en
un ambiente pobre y un alto rendimiento en un buen ambiente
(NassaryHühn,1987).

Según Hühn (1996), la interacción genotipo por ambiente se
puede dividir en interacción con cruzamiento y sin cruzamiento
(Figura 1). Así, para la interacción sin cruzamiento, las diferencias
entre tratamientos varían en magnitud, pero no en dirección
(interacción sin cambio de rango), mientras que en la interacción
con cruzamiento la dirección de los tratamientos varía (interacción
con cambio de rango). Desde el punto de vista de los mejoradores,
la interacción es aceptable mientras ésta no afecte el orden de

No cambio de rango No cambio de rango
No Interacción Interacción

.>: S
~

c

\ ...;..:\ .. \"';":1'ji¡;;.' c.. ~..' •...-
X Ambientes y X Ambientes y

Cambio de rango
Interacción

S :><c.. - .....• 1" :... :1E;;c
~

X Ambientes y

Figura l. Interacción genotipo por ambiente y cambio de orden de rangos.
Diferentes tipos de relaciones (para dos ambientes X y Y Y dos genotipos A
y B). Adaptado de Hühn (1996).

ranqueo. Así, el problema radica en que, bajo cuáles circunstan-
cias, la interacción se transforma en una interacción de cambio de
rango (Bake, 1990).

Según DeLacy et al. (1996), la partición de la interacción
genotipo por ambiente se puede dividir en dos componentes: a)
efecto de escala, b) falta de correlación (Muir et al., 1992). El prime-
ro es debido a la heterogeneidad de varianzas y el segundo es
debido a la correlación imperfecta (Muir et al., 1992). La falta de
correlación es el componente que afecta, directamente la eficien-
cia de la selección (DeLacy et al., 1996). A favor de este método de
partición, se han desarrollado métodos que realizan esta partición
en componentes de varianza (ltoh y Yamada, 1990; Cooper y
DeLacy, 1994; Windig, 1997) o por ajuste del modelo (Muir et al.,
1992).

Según DeLacy el al. (1996), la falta de correlación de los genotipos
podría tener substancial impacto sobre la selección, si ésta lleva a
cambios de rango en los diferentes ambientes, así, estos autores
proponen una tercera partición de la interacción genotipo por am-
biente, específicamente, subdividen la falta de correlación en: a)
debida a cambios en el rango de genotipos en los ambientes y b) en
no debida a esos cambios. Esto va acorde con el análisis no
paramétrico, propuesto por Hühn (1996) Y Bake (1990).

Vol. 17

Las medidas no paramétricas de estabilidad basadas en rangos
son una alternativa viable a las medidas paramétricas existentes.
Estas medidas se basan en la distribución libre de los rangos.
Además, no se necesita realizar supuestos acerca de la distribu-
ción de los genotipos para las medidas bajo consideración. Así,
este tipo de medidas de estabilidad no requieren transformación
para lograr una distribución normal y pueden ser tan sensibles
como las técnicas paramétricas tradicionales'(Hühn, 1987).

MATERIALES Y METOnOS

Los datos del presente trabajo se obtuvieron de nueve pruebas
regionales del Programa de Mejoramiento en Papa del Convenio
UNIPAPA, liderado por la Facultad de Agronomía de la Universidad
Nacional de Colombia, sede Bogotá, realizadas en los años 1998 y
1999 en diferentes localidades seleccionadas, por encontrarse en
sitios estratégicos del la producción de papa en Colombia.

Se utilizó un diseño de bloques completos al azar con tres repe-
ticiones en cada localidad. Se usaron como testigos, las cuatro va-
riedades comerciales Diacol Capiro, Parda Pastusa, ICA Morita e
ICA Unica. Se evaluaron dos ciclos de selección (1997 y 1998). El
primero con 11genotipos promisorios y el segundo con, nueve, por
lo tanto, en cada localidad existieron dos pruebas regionales, obte-
niendo un total de 20 genotipos promisorios para evaluar. Las prue-
bas regionales realizadas no tuvieron el mismo número de genotipos,
debido a la falta de disponibilidad de semilla.

La variable evaluada fue rendimiento de papa comercial
(RENDPC), dividida en rendimiento de primera (RENDP1) y rendi- .
miento de segunda (RENDP2). Se utilizó el método propuesto por
Nassar el al. (1994). El parámetro de rendimiento estabilidad obte-
nido tiene una distribución normal asintótica, por lo cual, para
probar las diferencias entre genotipos puede ser usado el análisis
de varianza estándar y el estadístico F. Para este caso, se realizó un
análisis de varianza ponderado por el recíproco del número de
datos observado, debido al desbalanceo de los genotipos en los
ambientes. Las comparaciones múltiples entre las medias se reali-
zaron mediante la prueba de Student-Newman-Keuls, recomenda-
da por Nassar el al. (1994), si el estadístico F es significativo (Hühn,
1996). El parámetro propuesto es:

S¡ = I r¡¡J¡j'
j<j' r;

donde r¡, es el rango del genotipo ien la localidad j y r¡es el
rango promedio del genotipo i. El rango obtenido en el numerador
es calculado con los valores fenotípicos transformados por la
expresión:x '.=x ..-x.-x , donde.r ; es el valor fenotípico ajustado

IJ lJ I .. lj
del genotipo ien el ambiente j, es el valor fenotípico observado
del genotipo ien el ambiente j, es el promedio del genotipo iy es
la media general. La transformación es realizada para obtener una
medida de estabilidad, mientras que el rango del denominador se
obtiene con los datos sin transformar, siendo éste una medida de
rendimiento. Se seleccionan los genotipos con menor índice Si'

Al ser Siuna razón entre dos rangos, se le puede implementar la
utilización del método multivariado de la suma de rangos (Sen y
Puri, 1971). Este método permite controlar, directamente, la impor-
tancia de una variable, logrando direccionar el proceso de selec-
ción, lo cual es deseable, ya que, dentro del proceso de selección
de los genotipos, se espera encontrar una variedad nueva la cual
tenga una distribución de los rendimientos determinada, acorde
con las necesidades del mercado.



2000 Cotes el al.: Análisis de la interacción genotipo por ambiente ... 45
De esta manera, se le asigna un coeficiente por el cual se mul-

tiplica cada parámetro (S), dependiendo de la importancia que se le
pretenda dar a cada una de las dos variables. Por ejemplo 3 para S-
PI del rendimiento de primera (RENDPI) y I para S-P2 del rendi-
miento de segunda (RENDP2), así, se le otorgará una importancia
del 75% de la decisión de selección al rendimiento de primera y un
25% al rendimiento de segunda. Para evaluar las ventajas del mé-
todo se realizaron dos índices de rendimiento-estabilidad combi-
nados (SC). La primera opción (S-C 1) es como la ilustrada en el
ejemplo anotado, la cual busca seleccionar genotipos aptos para
consumo industrial y la segunda (S-C2) otorgándole igual impor-
tancia a las dos variables, es decir, asignándoles coeficientes de
1:1para S-PI y S-P2, respectivamente, la cual pretende seleccionar
clones para el consumo en fresco. Aunque el tamaño de tubérculo
no es la única característica para determinar estas dos categorías,
esta característica sí es una de las más importantes. Además, con
la valoración de estos dos índices, se pretende evaluar la viabili-
dad estadística de la técnica propuesta.

Estos estadísticos al estar conformados por la suma de esta-
dísticos que se distribuyen como una normal asintótica (Nassar et
al., 1994), conserva esta misma distribución y es aplicable la prue-
ba de comparación múltiple mencionada anteriormente.

Para el procesamiento de los datos se desarrolló una MACRO
en el programa SAS, denominada NASS, la cual permite realizar un
rápido procesamiento de los datos. La cual está disponible, a través
de comunicación vía e-mail con los autores del presente artículo.

La macro arroja los siguientes resultados:
l. ANOV A ponderado para el Índice de rendimiento-estabilidad.
2. Prueba de comparación múltiple SNK.
La macro trabaja con la opción LSMEANS de PROC GLM para

generar la tabla de dos vías clon*amb, con el fin de controlar el
posible desbalance del número de repeticiones, sea planeado o no
planeado (pérdida de unidades experimentales en una localidad).

RESULTADOS Y DISCUSION

Análisis de rendimiento-estabilidad para los genotipos seleccio-
nados en 1997

Indice de rendimiento-estabilidad
El análisis de varianza muestra diferencias altamente significa-

tivas (P<O,O1) para los índices obtenidos para cada clon (Cuadró
1). Además, se observa un buen R2 de los modelos (mayores del
80%) y bajos coeficientes de variación (Menores del 10%).

Los índices de rendimiento-estabilidad de Nassar et al. (1994)
para las variables RENDPl (S-PI) y RENDP2 (S-P2), muestran al
genotipo 382150-6 como el más estable y rendidor (con el índice de
rendimiento-estabilidad más bajo) (Cuadro 3). Sin embargo, este
genotipo no es diferente significativamente (P>0;05), según la prue-
ba de comparación múltiple SNK, de los 11 y 8 genotipos subsi-
guientes. Teniendo en cuenta que se evalúan 15 genotipos, éste es
un agrupamiento bastante amplio, para poder tomar, con certeza,
una decisión de selección, siendo éste un factor muy desfavorable;

Los Índices de rendimiento-estabilidad S-PI y S-P2 excluyen
del primer nivel de agrupamiento a las variedades testigos Parda
Pastusa, ICA Morita y Diacol Capiro. Así, en este caso, el índice
de rendimiento-estabilidad de Nassar el al. (1994), aunque no cla-
rifica los genotipos para elegir, si discrimina los genotipos para
descartar. Como los genotipos no seleccionados corresponden a

Cuadro l. Análisis de varianza para el índice de estabilidad-rendimiento de Nassar el al. (1994).

SELECCION VARIABLE FUENTE DE GRADOS DE. CUADRADO VALOR PR>F RZ C.V. "
VARIACION LIBERTAD MEDIO DE F

1997 S-PC Genotipos 14 40,23544 9,19 0,0001 0,8109 7,1534
Error 30 4,3779

S-PI Genotipos 14 64,8074 10,04 0,0001 0,8241 8,4285
Error 30 6,4534

S-P2 Genotipos 14 11,8262 6,38 ', 0,0001 0,7485 4,8035
Error 30 1,8543

S-CI Genotipos 14 658,4108 9,47 0,0001 0,8154 7,0216 -,

Error 30 69,5487
S-C2 Genotipos 14 97,7395 8,49 0,0001 0,7985 5,8010

Error 30 11,5121
1998 S-PC Genotipos 12 10,0455 2,94 0,0104 0,5757 13,2729

Error 26 3,4173
S-PI Genotipos 12 10,4977 3,78 0,0022 0,6358 12,0218

Error 26 2,7754
S-P2 Genotipos 12 "9,26674 4,39 0,0008 0,6697 10,2858

Error 26 2,1096
S-CI Genotipos 12 109,9720 3,73 0,0024 0,6326 9,7495

Error 26 29,4840
S-C2 Genotipos 12 21,8396 3,84 0,002 0,6394 8,5208

Error 26 5,6836
I Ponderado por el reciproco del número de localidades.



46 Agronomla Colombiana Vol. 17

las variedades testigo, cualquiera de los genotipos promisorios
cumplirá con las expectativas en rendimiento-estabilidad.

La variedad ICA Unica presenta un comportamiento diferente
a las otras variedades testigo, descartándose en la producción de
tubérculos de segunda (S-P2, Cuadro 3). Esto es explicable por la
naturaleza genética del material, que es la alta producción de tu-
bérculos gruesos.

Indice de rendimiento-estabilidad combinado
El índice de rendimiento-estabilidad para la variable RENDPC

(Cuadro 3) selecciona los mismos genotipos que el índice de ren-
dimiento-estabilidad combinado S-C 1 (destinados a uso indus-
trial) y son diferentes a los que selecciona el índice de rendimien-
to-estabilidad combinado S-C2 (destinados a consumo fresco), el
cual excluye, además, a los genotipos 87-502-17 y a la variedad
ICAUnica.

De esta manera, aunque no se gana eficiencia en la toma de
decisiones de selección para uso industrial, se observa, claramen-
te, un cambio en la selección para consumo fresco, evidenciando,
así, la sensibilidad de los propuestos índices de rendimiento-esta-
bilidad combinados.

Al igual que el análisis realizado por S-PI y S-P2, los estadísti-
cos de rendimiento-estabilidad combinados (S-CI y S-C2) mues-
tran claridad en los genotipos para descartar. En los genotipos
para seleccionar, se observa la misma amplitud que los índices de
rendimiento-estabilidad de las variables simples.

Al observar el coeficiente de correlación de Spearman (Cuadro
2), encontramos que existe una mayor correlación del S-CI con S-
PI (0,9750) que con S-P2 (0,5321). De igual manera, ocurre entre el
S-C2 con S-PI (0,9178) y con S-P2 (0,7071). Sin embargo, en el
primer caso, se presenta una mayor diferencia entre el grado de
asociación de S-PI y S-P2 que en el segundo caso, donde se ob-
serva que, al cambiarle el peso a las variables en la obtención de
los parámetros de rendimiento-estabilidad combinados, estos va-
rían, sustancialmente, su tipo de ranqueo.

Análisis de rendimiento-estabilldad para los genotipos seleccio-
nados en 1998

Indice de rendimiento-estabilidad
El análisis de varianza (Cuadro 1) muestra diferencias alta-

mente significativas (P<O,OI) para los índices obtenidos para
cada clon, Además, se observa unos moderados R2 de los mo-
delos (mayores al 50%) y unos bajos coeficientes de variación
(menores del 15%), pero más altos que los encontrados para

Cuadro 2. Coeficiente de correlación de Spearrnan para los índices de
rendimiento-estabilidad obtenidos.

SELECCION 1997 SELECCION 1997
S-PI S-Pl S-Cl S-Cl S-PI S-Pl S-CI S-Cl

S-PC 0.9071 0,6143 0.9464 0.93S7 0.7308 0.2692 0,8462 0,7363
0.0001' 0.0148 0.001 0,0001 O,OO4~ 0,3737 0.0003 0.0041

S-Pl 0.4143 -0.1099
0.1247 0,7208

S-P2

S-CI 0.9607
0.0001

I Coeficiente de correlación (R) 1 Prob > IR! bajo Ho: R=O

los índices de rendimiento-estabilidad obtenidos para los ge-
notipos seleccionados en 1997.

Este método permite ver que son elegibles por el Programa de
Mejoramiento 12 genotipos, para la variable S-PI y 11 genotipos,
para la variable S-P2 (Cuadro 4). Teniendo en cuenta que se eva-
lúan 13 genotipos, se puede observar que este método no presen-
ta claridad en la selección de genotipos, como, tampoco, presenta
claridad en el (los) genotipo(s) para descartar, siendo éstos dife-
rentes en ambas variables.

En los genotipos seleccionados en 1997, se observa, también,
la misma tendencia de este método en no clarificar los genotipos
para seleccionar, sin embargo, en ese caso, sí fue posible determi-
nar los genotipos para descartar.

Esta diferencia presentada para las dos selecciones (1997 y
1998), en cuanto a la interpretación mediante el estadístico de ren-
dimiento-estabilidad de Nassar et al. (1994), en parte, puede de-
berse a que los genotipos provenientes de la selección de 1998
presentan un mayor coeficiente de variación para el índice de ren-
dimiento-estabilidad y, además, dichos índices son más bajos y
cercanos entre sí (Cuadro 4) que los obtenidos por los genotipos
provenientes de la selección de 1997 (Cuadro 3). Por lo tanto, la
selección de los genotipos para evaluar en las pruebas regionales
realizada en 1997 fue mejor que la realizada en 1998.

Por otra parte, la falta de certidumbre de este método para eva-
luar los genotipos seleccionados en 1998, puede deberse a la can-
tidad de ambientes (menos de 10) y genotipos (menos de 15), lo
cual hace que el índice de rendimiento-estabilidad, propuesto por
Nassar et al. (1994), disminuya, substancialmente, su poder de
inferencia (Nassar et al., 1994).

Indice de rendimiento-estabilidad combinado
Al igual que los índices de rendimiento-estabilidad para varia-

bles simples, los índices de rendimiento-estabilidad combinados
S-C I y S-C2 no muestran claridad en los genotipos para seleccio-
nar. Sin embargo, ambos índices presentan a la variedad Parda
Pastusa como el genotipo para descartar en la producción de papa,
tanto para uso industrial, como consumo fresco (Cuadro 4).

El estadístico de rendimiento-estabilidad combinado S-CI no
permitió seleccionar ni descartar genotipos diferentes a los elegi-
dos por el índice de rendimiento estabilidad para la variable pro-
ducción de tubérculos comercial (S-PC) (Cuadro 4). Con ello, se
confirma la tendencia mostrada por el método en el análisis de los
genotipos provenientes de la selección de 1997, mostrando que S-
CI es menos sensible a las decisiones de selección de variedades
de papa para uso industrial.

El coeficiente de correlación de Spearman (Cuadro 2) muestra
que se presenta una mayor correlación del S-Cl con S-PI (0,7802)
que con S-P2 (0,5054). La situación contraria ocurre entre el S-C2
con S-P1(0,5549) Ycon S-P2 (0,7252), que, nuevamente, muestra la
eficiencia en utilizar los índices combinados sobre las variables indi-
viduales. Es de notar que, en este análisis (genotipos seleccionados
en 1998), los resultados presentan un menor grado de asociación
entre las variables evaluadas y con más amplios rangos de selec-
ción que los obtenidos por los genotipos seleccionados en 1997.

Finalmente, los resultados, aquí presentados, muestran que
las ventajas del uso de metodologías no paramétricas no son com-
pensadas cuando la mayor importancia del análisis de la interacción
genotipo por ambiente en la selección de genotipos promisoríos
próximos a ser entregados al agricultor.



2000 Cotes et al.: Análisis de la interacción genotipo por ambiente ... 47

Cuadro 3, Prueba de comparación múltiple SNK, para los índices de rendimiento-estabilidad combinados

A
BA Pastusa A
BAC 164,69 BAC Morita BA
BDAC Morita 151,44 BDC 88-691-93
EBDAC 121,06

Uni(A 29,429 CBD 38119-20 27,989 OCE 83-209-2 30,21 EBDAC Unic:a 113,59 EDC
87-S02-17 lS,291 ro UniQ 26,309 DCE Capiro 29,69S EBDAC 87-S02-17 112,32 EDC
83-209-2 lS,283 CD 83-209-2 25,669 OCE 88-691-93 29,081 EBDACF 38119-20 107,81 EDC
91-22-5 lS,l9S ro 87-S02-17 24,599 DE 91-53-4 27,704 EBDACF 83-209-2 107,22 EDC
38119-20 24,3S!l ro 87~2-4 24,067 DE 87~ 26,452 EBDCF 91-53-4 98,85 EDC
87~ 23,522 CD 91-53-4 23,715 DE 38119-20 23,849 EDCF 87~ 98,65 EDC
391679-56 22,6 ro 391679-56 22,633 DE 391679-56 23,685 EDCF 391679-56 91;58 En
91-53-4 22,327 CD 88-35-7 19,849 DE. 88-3$-5 22.437 BDF 91-22-5 8,2.42: ID'
88-35-7 20,6 D 91-22-5 16,632 DE 88-35-7 21,766 EP 88-35-7 81.31 1tt)
382150-6 D 382150-6 B 382150-6 F 382150-6 E
I Medias con la misma letra no son, significativamente, diferentes (<<=0,05)

Cuadro 4. Prueba de comparación múltiple SNK, para los índices de rendimiento-estabilidad combinados

S-PC S-PI S-P2 S-CI S-C2

CLON MEDIAl CLON MEDIA CLON MEDIA CLON MEDIA CLON MEDIA

Capiro 26,75 A Pastusa 26,778 A Unica 22,001 A Pastusa 94,68 A Pastusa 41,122 A

Pastusa 20,246 BA Capiro 2l,602 BA 386694-1 19,216 BA Capiro 82,03 BA Capiro 38,823 BA

90-60-2 14,876 B 90-82-6 13,807 B 84-75-16 18,542 BAC única 60,26 B llnica 34,754 BAC

91-68-2 14,042 B Morita 13,792 B Morita 17,742 BAC Morita 59,12 B Morita 31,533 BAC

Única 13,916 B 90-60-2 13,761 B Capiro 17,221 BAC 90-60-2 57,78 B 90-60-2 30,26 BAC

90-82-6 12,945 B 91-68-2 12,995 B 90-60-2 16,499 BAC 90-82-6 50,8 B 386694-1 29,024 BAC

90-19-2 12,642 B Única 12,754 B Pastusa 14,344 BAC 91-68-2 48,79 B 84-75-16 28,351 BAC

386694-1 12,493 B 82-300-1 12,226 B 90-19-2 12,183 BAC 386694-1 48,64 B 90-19-2 23,924 BC

Morita 11,726 B 90-19-2 11,741 B 91-24-3 10,431 BC 84-75-16 47,97 B go.;.g~ 23,182 Be
84-75-16 11,609 B 91-64-1 10,997 B 91-68-2, .'9..809 BC 90-19-2 47,41 B 91~2 22,803 BC

82-300-1 10,37 B 91-24-3 10,398 B 82-300-1 9,577 BC 82-300-1 46,25 B 82-300-1 21,802 BC
91-64-1 10,329 B 84-75-16 9,809 B 90-82-6 9,375 BC 91-24-3 41,62 B 91-24-3 20,829 C

91-24-3 8,956 B 386694-1 9,808 B 91-64-1 8,107 C 91-64-1 i 41,1 B 91$1 19,105 C

I Medias con la misma letra no son, significativamente, diferentes (<<=0,05)

LITERATURA CITADA

BAKER, R.J. Crossover genotype-environment interaction in
spring wbeat. En: Genotype-by-Environment Interaction and
Plant Breeding. M.S. Kang. ed. Lousiana State University, Baton
Rouge, Lousiana 70803. E.U.A. p. 42-51.1990.

COOPER, M. y E 1. H. DELACY. Relationships among analytical
metbods used to study genotypic variation and genotype-by-
environment interaction in plant breeding multi-environment
experiments. Theoretical and Applied Genetics 88: 561-572. 1994.

DELACY, 1. H., R. L. EISEMANN y M. COOPER. The importance
of genotype by environment interaction in regional variety trials.

En: Genotype-by-Environment Interaction and Plant Breeding.
M.S. Kang. ed. Lousiana State University, Baton Rouge,
Lousiana 70803. E.UA p. 287-300.1990.

DELACY, 1.H., M. COOPERy K. E. BASFORD. Relationsbipsamong
analytical metbods used to study genotype-by-environment
interactions and evaluation of tbeir impact on response to
selection. En Genotype-by-Environmet Interaction. Kang M.S.
y GauchH.G. eds. CRCpress, NewYork. E.U.A. p. 51-84.1996.

HÜHN, M. Beitrage zur Erfassung der phanotypíshen Stabilitat 1.
Vorschlag einiger auf Ranginformationen beruhenden
Stabilitatsparameter.EDPinMedicineandBiology 10:112-117.1979.



48 Agronomia Colombiana Vol. 17
HÜHN, M. Nonparametric analysis of genotype X environment

interactions by ranks. En Genotype-by-Environmet Interaction.
Kang M.S. y Gauch H.G.eds. CRC press, New York. E.U.A. p.
235-271. 1996.

ITOH, Y. y Y. YAMADA. Relationships between genotype x
environment interaction and genetic correlation of the same
trait measured in different environments. Theoretical and
Applied Genetics 80: 11-16. 1990.

KANG, M. S. y R. MAGARl. New development in selecting for
phenotypic stability in crop breeding. En Genotype-by-
Environmet Interaction. Kang M.S. y Gauch H.G. eds. CRC
press,NewYork.p. 1-14. 1996.

KANG, M. S.y H. N. Pham. Simultaneous selection for high yielding
and stable crop genotypes. Agronomy Journal 83: 161-165. 1991.

MUIR, W., W. E. NYQUISTy S. XU. Alternative partitioning ofthe

genotype-by-environment interaction. Theoretical and Applied
Genetics 84: 193-200. 1992. .

NASSAR, R. y M. HÜHN. Studies on estimation ofphenotypic
stability: Test of significance for nonparamentric measures of
phenotypic stability. Biometrics47: 45-53.1987.

NASSAR, R., J. LEÓN Y M. HÜHN. Test of significance for
combined measures of plant stability and performance.
BiometricalJourna136: 109-123. 1994.

PURI M. L. Y P. K. SEN. Nonparametric methods in multivariate
analysis. John Wiley& SonsoNewYork. E.U.A. 1971.

WINDIG, J. J. The calculation and significance testing of genetic
correlations acrros environment. Joumal of Evolutionary
Biology 10:853-874.1997.

YATES, F. Y W. G. COCHRAN. The anaIysis of group of experiment.
Journal of Agriculture Science 28: 556-580. 1938.