Un autre regard sur l'analyse bayésienne des modèles AMMI pour les données génotype-environnement.

Résumé Les modèles linéaires-bilinéaires sont fréquemment utilisés pour analyser les données bidirectionnelles telles que les données génotype-par-environnement. Un exemple bien connu de cette classe de modèles est le modèle des effets principaux additifs et des effets d'interaction multiplicatifs (AMMI). Nous proposons un nouveau traitement bayésien de ces modèles, qui offre un moyen approprié de traiter le problème majeur de la surparamétrisation. Le raisonnement consiste à ignorer le problème au niveau antérieur et à appliquer un traitement approprié au niveau postérieur afin de pouvoir arriver à des inférences facilement interprétables. Par rapport aux tentatives précédentes, cette nouvelle stratégie présente le grand avantage d'être directement implémentable dans des progiciels standard consacrés aux statistiques bayésiennes tels que WinBUGS/OpenBUGS/JAGS. La méthode est évaluée à l'aide de jeux de données simulés et d'un jeu de données réel issu de la sélection végétale. Nous discutons des avantages d'une perspective bayésienne pour l'analyse des interactions génotype-environnement, en nous concentrant sur des questions pratiques liées à l'adaptation générale et locale et à la stabilité des génotypes. Nous proposons également une nouvelle solution pour l'estimation du risque qu'un génotype ne dépasse pas un seuil donné.