Métodos estatísticos na avaliação da repetibilidade genotípica em lima ácida ‘Tahiti’. Orientador: Leonardo Lopes Bhering. Frutíferas perenes como a lima ácida ‘Tahiti’ tiveram sua área de cultivo aumentada nos últimos anos devido ao acréscimo no consumo dos seus frutos na preparação de alimentos e bebidas. Para atender a demanda pela produção, a utilização de variedades com alto potencial produtivo recebe destaque como um método de potencializar o cultivo pela alta eficiência e sustentabilidade. A perenidade da lima ácida ‘Tahiti’, assim como em outras espécies, requer a utilização de métodos estatísticos de seleção que isolem efeitos ambientais e possibilitem a identificação apenas da fração genética entre os candidatos. Portanto, a busca de métodos de análise que possam corroborar para aumentar a eficiência e a confiabilidade na avaliação dos dados em experimentos é de suma importância para o progresso no melhoramento genético. Diferentes métodos estatísticos foram aplicados em um conjunto de dados de lima ácida ‘Tahiti’ a fim de investigar a repetibilidade genética na cultura. Sendo assim, 24 genótipos, constituídos de 12 variedades de copa enxertados em 2 híbridos como porta enxerto foram avaliados ao longo de 4 anos para características produtivas, vegetativas e de qualidade de frutos. Em um primeiro artigo, objetivou-se estimar parâmetros genéticos como o coeficiente de repetibilidade através de um modelo linear misto, a fim de determinar o número ótimo de medidas para se avaliar os genótipos com acurácia e precisão. Em resumo, quatro colheitas foi o número recomendado para identificar combinações com base em características produtivas. A seleção com base em várias características simultaneamente é um processo importante e necessário de ser realizado, porém desafiador, dado a diversidade de genes que controlam essas características com variadas magnitudes de efeitos e a interação destes com o ambiente. Deste modo, em um segundo capítulo, aplicou-se a metodologia de regressão aleatória no conjunto de dados e propôs-se um índice de seleção com as áreas abaixo das curvas dos valores genéticos preditos, obtidos pelos coeficientes de regressão aleatórios para características produtivas e vegetativas. Constatou-se que modelos de regressão aleatória lidam adequadamente com medidas repetidas, dados desbalanceados e são recomendados para lidar com interações ambientais. A metodologia aplicada permitiu a predição de valores genotípicos para medições não avaliadas e recomendação de genótipos superiores com base em caracteres simultaneamente. Ao selecionar ou recomendar genótipos superiores, a utilização de conceitos de probabilidade, advindos da inferência bayesiana podem aumentar a confiabilidade, permitindo a identificação de genótipos superiores e estáveis, aumentando assim a eficiência de um programa de melhoramento. Em um terceiro estudo, testou-se a aplicabilidade de um modelo probabilístico bayesiano para a recomendação de lima ácida ‘Tahiti’ através de parâmetros de performance e estabilidade. Ajustou-se um modelo probabilístico por meio de um algoritmo amostrador de Monte Carlo Hamiltoniano. Calculou-se a probabilidade de superioridade do valor genético de cada genótipo no contexto geral e em cada colheita, bem como a probabilidade da inferioridade da interação genótipos x colheitas. Os resultados mostraram a aplicabilidade do modelo probabilístico bayesiano através de componentes de variância acurados, valores de probabilidade para as comparações de performance e estabilidade e intervalos de credibilidade para os parâmetros obtidos. Palavras-chave: Citrus latifolia. Dados longitudinais. Modelos mistos. Inferência bayesiana.