RESUMO
En colecciones de germoplasma, el material genético de interés es caracterizado a través de múltiples descriptores (variables). Cada accesión de la colección es representada por un vector de datos que pertenece a un espacio multidimensional. Las configuraciones multidimensionales son difíciles de interpretar al no ser fácilmente visualizadas. Un objetivo del análisis de matrices de datos de accesiones x descriptores es el ordenamiento del material genético en un espacio bi-dimensional, el cual comúnmente es óptimo por representar la máxima variabilidad. Métodos de análisis vectorial, como el Análisis de Componentes Principales (ACP), permiten reducir la dimensión bajo ese criterio de optimalidad. Los resultados del ACP se visualizan representando las accesiones a ordenar como puntos de un gráfico de dispersión según el valor que éstas asumen sobre los dos ejes principales (de mayor varianza) de ordenación. Por la pérdida de información al ordenar en un espacio de dos dimensiones, las distancias en el plano suelen no ser las distancias en el espacio original, conduciendo a errores de interpretación de relaciones entre accesiones. En este trabajo se cuantifica el error de interpretación en las relaciones inferidas del plano generado por los dos primeros componentes principales (CP), bajo escenarios simulados que involucran distintos tamaños de colecciones de germoplasma para un rango amplio de variabilidad explicada por los dos primeros CP (medida indirecta de la calidad de la representación). Los resultados sugieren que aunque estos componentes expliquen >70 por ciento de la variabilidad total mayor, el error de interpretación es estadísticamente > 0 y depende del número de objetos ordenados. Los Arboles de Expansión Mínimos, como complemento de ordenaciones producidas por análisis vectoriales, representan una herramienta eficiente para entender mejor las ordenaciones. Se ilustra la utilización de esta técnica en la interpretación de las ordenaciones producidas a partir del ACP