مجتبی نورآئین

تجزیه به مؤلفه های اصلی یکی از روشهای چند متغیره برای گروهبندی بر پایه تشابه یا واریانس/کوواریانس بین دادهها میباشد که اطلاعات مفیدتری درباره تمایز گروههای اصلی ارائه میکند. تجزیه به های اصلی تبدیلی در فضای برداری است که بیشتر برای کاهش ابعاد مجموعه دادهها مورد استفاده قرار میگیرد. به این ترتیب مؤلفه هایی از مجموعه دادهها که بیشترین تاثیر در واریانس دارند را حفظ میکند. این پژوهش به منظور بررسی روابط بین صفات کمی مورد مطالعه در 33 ژنوتیپ جو پاییزه در قالب طرح لاتیس ساده با دو تکرار در سال زراعی 1334 ، در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه مراغه انجام گردید. نتایج حاصل از تجزیه واریانس داده ها نشان داد که تفاوت بین ژنوتیپها برای کلیه صفات مورد مطالعه معنی دار بود. با توجه به تنوع میان ژنوتیپهای مورد بررسی، جهت تعیین میزان تاثیر هر یک از صفات، تجزیه به مولفه های اصلی انجام گرفت. بر اساس مقادیر ویژه بالای یک، چهار مؤلفه انتخاب شدند که جمعا74/4 درصد از کل تنوع را توجیه کردند. از این مقدار سهم اولین مؤلفه 33/9 درصد، دومین مؤلفه 18 درصد، سومین مؤلفه 12/1 درصد و چهارمین مؤلفه 10/3 درصد بود. همانطورکه مشاهده می شود مؤلفه اول و دوم بیشترین سهم را در تبیین تغییرات دارند. با استفاده از نمودار بای پلات حاصل از دو مولفه اصلی اول مشخص شد که ژنوتیپ های 52، 88 و سهند بهترین ژنوتیپ ها از نظر صفات مورد مطالعه می باشند.