RESUMO

Dados simulados foram utilizados para comparar as metodologias Eblup e Bayesiana, em dados com homogeneidade de variâncias, heterogeneidade de variância genética e heterogeneidade de variância genética e ambiental. Para obtenção dessas estruturas foram feitos descartes estratégicos dos valores genéticos aditivos e ambientais de acordo com o tipo de heterogeneidade e o nível de variabilidade desejada (alta, média ou baixa), sendo utilizados dois tamanhos de população (grande e pequena). Para a metodologia Bayesiana foram utilizados três níveis de informação a priori: não informativo, pouco informativo e informativo. A presença da heterogeneidade de variâncias causa problemas para a seleção dos melhores indivíduos, principalmente se a heterogeneidade estiver nos componentes de variância genética e ambiental, sendo os animais selecionados equivocadamente do ambiente mais variável. Os métodos comparados tiveram resultados semelhantes, quando distribuições a priori não informativas foram utilizadas, e as populações de tamanho grande, de modo geral, apresentaram melhores predições de valores genéticos. Foi observado, para a metodologia Bayesiana, que o aumento no nível de informação a priori influencia positivamente as predições dos valores genéticos, principalmente para as populações pequenas. O método Bayesiano é indicado para populações de tamanho pequeno quando há disponibilidade de distribuições a priori informativas.

Simulated data were used to compare EBLUP and Bayesian methods in data with homogeneity of variance, heterogeneity of variance and genetic heterogeneity of genetic and environmental variance. For these structures were strategic disposal of additive genetic and environmental values in accordance with the type of heterogeneity and the desired level of variability: high, medium or low. We used two sizes of population: large and small. For the Bayesian methodology was used three levels of a priori information: no information, just information and informative. For verification of the introduction of different levels of information they were used the mistake percentage in relation to the true value of the variance components the Spearman correlation and the medium square of the mistake among the real genetic values and predicted them. The presence of heterogeneity of variances cause problems for the selection of the best ndividuals, especially if the heterogeneity is present in the components of genetic variance and environmental and animals are mistakenly selected the more variable environment. The methods presented similar results when compared not informative priors were used, and the populations of large size, in general, showed better prediction of breeding values. Was observed for the Bayesian methodology, the increase in the level of a priori information positively influences the predictions of genetic values, especially for small populations. The Bayesian method is preferred for populations of small size when there is availability of informative priors.

Assuntos

RESUMO

This study had the objective to compare weight difasics Gompertz models applied in the study of Hereford females growth curves and to modeling  the errors structure inherent to each model. The non-linear difasic Gompertz growth models were adjusted with three different errors structures: independent errors (IE), first-class auto-regressive (AR (1)) and second-class auto-regressive (AR (2)) to weight-age data of 55 Hereford females, evaluated since birth till 675 days old.  The comparison between the models was carried out through on the biological interpretation basis of the parameters and in the adjustment of quality appraisers (adjusted determination coefficient, Durbin-Watson test, residual standard desviation, iterations number), beyond the Akaike information criteria (AIC) and the F test to model comparison. All studied functions, although showed good data adjustment, tend to sub estimate the adult animal weight.KEY WORDS: Auto-regressive errors, heterogenety of variances, non linear model.

O objetivo deste trabalho foi comparar modelos Gompertz difásicos ponderados aplicados ao estudo de curvas de crescimento de fêmeas Hereford e modelar à estrutura de erros, inerente a cada modelo. Sendo assim, ajustou-se o modelo de crescimento não linear Gompertz difásico com três diferentes estruturas de erros: erros independentes (EI), autorregressivos de primeira ordem (AR (1)) e autorregressivo de segunda ordem (AR (2)) a dados de peso-idade de 55 fêmeas da raça Hereford avaliados desde o nascimento até 675 dias de idade.  A comparação entre os modelos foi realizada com base na interpretação biológica dos parâmetros e nos avaliadores de qualidade de ajuste (coeficiente de determinação ajustado, teste de Durbin-Watson, desvio- padrão residual, número de iterações) além do critério de informação de Akaike (AIC) e do teste F para comparação de modelos. Todas as funções estudadas, embora tenham mostrado um bom ajuste aos dados, tendem a subestimar o peso adulto do animal.PALAVRAS-CHAVES: Erros autorregressivos, heterogeneidade de variâncias, modelo não linear.

RESUMO

This study had the objective to compare weight difasics Gompertz models applied in the study of Hereford females growth curves and to modeling  the errors structure inherent to each model. The non-linear difasic Gompertz growth models were adjusted with three different errors structures: independent errors (IE), first-class auto-regressive (AR (1)) and second-class auto-regressive (AR (2)) to weight-age data of 55 Hereford females, evaluated since birth till 675 days old.  The comparison between the models was carried out through on the biological interpretation basis of the parameters and in the adjustment of quality appraisers (adjusted determination coefficient, Durbin-Watson test, residual standard desviation, iterations number), beyond the Akaike information criteria (AIC) and the F test to model comparison. All studied functions, although showed good data adjustment, tend to sub estimate the adult animal weight.KEY WORDS: Auto-regressive errors, heterogenety of variances, non linear model.

O objetivo deste trabalho foi comparar modelos Gompertz difásicos ponderados aplicados ao estudo de curvas de crescimento de fêmeas Hereford e modelar à estrutura de erros, inerente a cada modelo. Sendo assim, ajustou-se o modelo de crescimento não linear Gompertz difásico com três diferentes estruturas de erros: erros independentes (EI), autorregressivos de primeira ordem (AR (1)) e autorregressivo de segunda ordem (AR (2)) a dados de peso-idade de 55 fêmeas da raça Hereford avaliados desde o nascimento até 675 dias de idade.  A comparação entre os modelos foi realizada com base na interpretação biológica dos parâmetros e nos avaliadores de qualidade de ajuste (coeficiente de determinação ajustado, teste de Durbin-Watson, desvio- padrão residual, número de iterações) além do critério de informação de Akaike (AIC) e do teste F para comparação de modelos. Todas as funções estudadas, embora tenham mostrado um bom ajuste aos dados, tendem a subestimar o peso adulto do animal.PALAVRAS-CHAVES: Erros autorregressivos, heterogeneidade de variâncias, modelo não linear.

RESUMO

Este trabalho teve como objetivo comparar modelos logísticos difásicos ponderados aplicados ao estudo de curvas de crescimento de fêmeas Hereford com três diferentes estruturas de erros: erros independentes (EI), auto-regressivos de primeira ordem (AR (1)) e auto-regressivo de segunda ordem (AR (2)) a dados de peso-idade de 55 fêmeas da raça Hereford avaliadas desde o nascimento até 675 dias de idade. Utilizou-se o procedimento model do software Statistical Analysis System (SAS) por meio das opções weight e por centoAR. A comparação entre os modelos foi realizada com base na interpretação biológica dos parâmetros e nos avaliadores de qualidade de ajuste (coeficiente de determinação ajustado, teste de Durbin-Watson, desvio padrão residual, número de iterações), além do critério de informação de Akaike (AIC) e do teste F para comparação de modelos. Os resultados obtidos para o ajuste dos modelos aos dados médios indicaram que o modelo logístico difásico AR (2) foi o mais eficiente para descrever a curva de crescimento do rebanho. Ao se considerar o conjunto de dados individuais, nenhum dos modelos abordados foi recomendado por produzirem estimativas não condizentes com a realidade.

This study had the objective of comparing weighted difasics logistic models applied to the study of Hereford females growth curves with three different error structures: independent errors (IE), first-order auto-regressive (AR (1)) and second-order auto-regressive (AR (2)) to weight-age data of 55 females of the Hereford breed, raised in the Bagé region, RS, Brazil, evaluated from birth to 675 days old. The weight and percentAR options of model procedure, available in the software Statistical Analysis System (SAS), was used to fit data. The comparison among the models was carried out through the biological interpretation basis of the parameters and in the adjustment of quality measures (adjusted determination coefficient, Durbin-Watson test, residual standard desviation, number of iterations), beyond the Akaike information criteria (AIC) and the F test for model comparison. The models fitted to mean data indicated that the difasic logistic with AR(2) structure was the most efficient to describe the herd growth curve. In the individual fit, none of the models was accepted because they didn't produce consistent estimates.

Assuntos

RESUMO

This study had the objective of comparing weighted difasics logistic models applied to the study of Hereford females growth curves with three different error structures: independent errors (IE), first-order auto-regressive (AR (1)) and second-order auto-regressive (AR (2)) to weight-age data of 55 females of the Hereford breed, raised in the Bagé region, RS, Brazil, evaluated from birth to 675 days old. The weight and %AR options of model procedure, available in the software Statistical Analysis System (SAS), was used to fit data. The comparison among the models was carried out through the biological interpretation basis of the parameters and in the adjustment of quality measures (adjusted determination coefficient, Durbin-Watson test, residual standard desviation, number of iterations), beyond the Akaike information criteria (AIC) and the F test for model comparison. The models fitted to mean data indicated that the difasic logistic with AR(2) structure was the most efficient to describe the herd growth curve. In the individual fit, none of the models was accepted because they didn't produce consistent estimates.

Este trabalho teve como objetivo comparar modelos logísticos difásicos ponderados aplicados ao estudo de curvas de crescimento de fêmeas Hereford com três diferentes estruturas de erros: erros independentes (EI), auto-regressivos de primeira ordem (AR (1)) e auto-regressivo de segunda ordem (AR (2)) a dados de peso-idade de 55 fêmeas da raça Hereford avaliadas desde o nascimento até 675 dias de idade. Utilizou-se o procedimento model do software Statistical Analysis System (SAS) por meio das opções weight e %AR. A comparação entre os modelos foi realizada com base na interpretação biológica dos parâmetros e nos avaliadores de qualidade de ajuste (coeficiente de determinação ajustado, teste de Durbin-Watson, desvio padrão residual, número de iterações), além do critério de informação de Akaike (AIC) e do teste F para comparação de modelos. Os resultados obtidos para o ajuste dos modelos aos dados médios indicaram que o modelo logístico difásico AR (2) foi o mais eficiente para descrever a curva de crescimento do rebanho. Ao se considerar o conjunto de dados individuais, nenhum dos modelos abordados foi recomendado por produzirem estimativas não condizentes com a realidade.

RESUMO

This study had the objective of comparing weighted difasics logistic models applied to the study of Hereford females growth curves with three different error structures: independent errors (IE), first-order auto-regressive (AR (1)) and second-order auto-regressive (AR (2)) to weight-age data of 55 females of the Hereford breed, raised in the Bagé region, RS, Brazil, evaluated from birth to 675 days old. The weight and %AR options of model procedure, available in the software Statistical Analysis System (SAS), was used to fit data. The comparison among the models was carried out through the biological interpretation basis of the parameters and in the adjustment of quality measures (adjusted determination coefficient, Durbin-Watson test, residual standard desviation, number of iterations), beyond the Akaike information criteria (AIC) and the F test for model comparison. The models fitted to mean data indicated that the difasic logistic with AR(2) structure was the most efficient to describe the herd growth curve. In the individual fit, none of the models was accepted because they didn't produce consistent estimates.

Este trabalho teve como objetivo comparar modelos logísticos difásicos ponderados aplicados ao estudo de curvas de crescimento de fêmeas Hereford com três diferentes estruturas de erros: erros independentes (EI), auto-regressivos de primeira ordem (AR (1)) e auto-regressivo de segunda ordem (AR (2)) a dados de peso-idade de 55 fêmeas da raça Hereford avaliadas desde o nascimento até 675 dias de idade. Utilizou-se o procedimento model do software Statistical Analysis System (SAS) por meio das opções weight e %AR. A comparação entre os modelos foi realizada com base na interpretação biológica dos parâmetros e nos avaliadores de qualidade de ajuste (coeficiente de determinação ajustado, teste de Durbin-Watson, desvio padrão residual, número de iterações), além do critério de informação de Akaike (AIC) e do teste F para comparação de modelos. Os resultados obtidos para o ajuste dos modelos aos dados médios indicaram que o modelo logístico difásico AR (2) foi o mais eficiente para descrever a curva de crescimento do rebanho. Ao se considerar o conjunto de dados individuais, nenhum dos modelos abordados foi recomendado por produzirem estimativas não condizentes com a realidade.