Algumas técnicas de análise estatística multivariada necessitam de uma matriz de dados completa, porém o processo de coleta elos dados frequentemente não leva a uma matriz com todos os dados. A imputação é uma técnica, na qual os dados ausentes são preenchidos com valores plausíveis, para uma posterior análise dos dados completados ( observados + imputados). O objetivo deste trabalho é propor um método de imputação múltipla, resultante de uma mudança no procedimento, baseado na decomposição por valores singulares (DVS), desenvolvido por Krzanowski (1988). Assim, na matriz genótipos (20) x ambientes (7), proveniente de um ensaio com o delineamento aleatorizado em blocos em multiambientes com a cultura de Eucalyptus grandis (LAVORANTI, 2003), foram retirados valores aleatoriamente (5%, 10%, 30%), os quais foram imputados pelo método proposto. Os resultados obtidos por meio da medida geral de exatidão ou acurácia (T_acc), na matriz ele interação G x E para os dados de altura de E. grandis, mostraram um viés pequeno, em relação aos valores originais, no entanto, seus valores foram maiores do que a variabilidade em relação à média dos valores imputados, indicando uma exatidão ou acurácia menor do método proposto em relação à sua alta precisão. A metodologia proposta utiliza o maior número de informação disponível, não possui qualquer restrição quanto ao padrão e mecanismo de ausência e é livre ele suposição sobre a distribuição ou estrutura dos dados.

Some techniques of the multivariate statistical analysis need a complete data matrix, but the process of data collection usually does not supply a complete data matrix. The imputation is a technique, in which the missing data are replaced by plausible values, for a latter analysis of the complete data set (observed + imputed). This work aims to propose a multiple imputation method, as a product of a procedures change, based on the singular value decomposition (SVD) developed by Krzanowski (1988). Thus, in the genotype (20) x environment (7) matrix (G x E), derived from a trial following the complete randomized blocks design considering the Eucalyptus grandis genotype in multienvironments (LAVORANTI, 2003), values were retrieved randomly (5%, 10%, 30%), which were imputed by the proposed method. The results obtained by means of the general measure of accuracy (T_acc), in the interaction G X E for the height of E. grandis data matrix, showed a small bias when compared to the original data, however, its values where greater then the variability in relation to the imputed data mean, indicating a smaller accuracy of the proposed method in relation to its precision. The proposed methodology uses the greater number of information available, it does not posses any restriction about the pattern and missing mechanism and it is free of suppositions about the data distribution or structure.