Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-06-27T18:23:00Z No. of bitstreams: 1 texto completo.pdf: 294022 bytes, checksum: 9561e70812a4a6423354a4e6a2cd4bd3 (MD5) / Made available in DSpace on 2017-06-27T18:23:00Z (GMT). No. of bitstreams: 1 texto completo.pdf: 294022 bytes, checksum: 9561e70812a4a6423354a4e6a2cd4bd3 (MD5) Previous issue date: 2001-01-23 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Foram analisados 44.454 registros de peso à desmama, 28.493 registros de peso ao sobreano e 28.399 registros de ganho de peso da desmama ao sobreano. As características de crescimento foram transformadas utilizando as seguintes funções: logaritmo na base dez, raiz quadrada, (observação - média da subclasse do grupo contemporâneo)/desvio-padrão amostral da subclasse e observação/desvio-padrão amostral da subclasse. As transformações por meio das funções de padronização da média e desvio- padrão amostral da subclasse do grupo contemporâneo e a divisão pelo desvio-padrão amostral da subclasse do grupo contemporâneo apresentaram resultados não-significativos (P > 0,05) e as transformações logarítmica e raiz quadrada, significativos bem como (P < 0,05), as características para o teste em de escala Bartlett. original, As resultados estimativas de herdabilidades direta para peso à desmama em escala original e transformadas pelas funções padronização da média e desvio-padrão amostral da subclasse do grupo contemporâneo e a divisão pelo desvio-padrão amostral da subclasse do grupo contemporâneo foram, respectivamente: 0,30, 0,33, e 0,33. As estimativas de herdabilidades materna para peso à desmama em escala original e transformadas foram, respectivamente: 0,04, -0,08 e -0,08. As estimativas de herdabilidades direta para peso ao sobreano em escala original e transformadas pelas funções foram, respectivamente: 0,44, 0,49 e 0,49. As estimativas de herdabilidades direta para ganho de peso em escala original e transformadas pelas funções foram, respectivamente: 0,26, 0,27 e 0,27. As variâncias das subclasses de grupo contemporâneo foram utilizadas para dividir os registros de peso à desmama, peso ao sobreano e ganho de peso de desmama ao sobreano em níveis de baixa, média e alta variabilidade. As médias dos registros de peso à desmama, peso ao sobreano e ganho de peso, bem como os componentes de variância genética, residual e fenotípica, aumentaram com o incremento dos níveis de variabilidade dos grupos contemporâneos. As estimativas de herdabilidades direta para peso à desmama em escala original e transformadas em níveis de baixa, média e alta variabilidade foram, respectivamente, 0,29, 0,29 e 0,29 (escala original); 0,28, 0,26 e 0,26 (padronização); e 0,28, 0,26 e 0,26 (divisão pelo desvio-padrão amostral). As estimativas de herdabilidades materna para peso à desmama em escala original e transformadas em níveis de baixa, média e alta variabilidade foram, respectivamente, respectivamente: 0,03, 0,07 e 0,07 (escala original); 0,07, 0,10 e 0,07 (padronização); e 0,07, 0,10 e 0,07 (divisão pelo desvio- padrão amostral). As estimativas de herdabilidades para peso ao sobreano em escala original e transformada em níveis de baixa, média e alta variabilidade foram, respectivamente: 0,22, 0,35 e 0,41 (escala original); 0,21, 0,32 e 0,38 (padronização); e 0,21, 0,32 e 0,38 (divisão pelo desvio-padrão amostral). As estimativas de herdabilidades para ganho de peso da desmama ao sobreano em escala original e transformadas em níveis de baixa, média e alta variabilidade foram, respectivamente: 0,22, 0,28 e 0,27 (escala original); 0,22, 0,29 e 0,27 (padronização); e 0,22, 0,29 e 0,27 (divisão pelo desvio-padrão amostral). Os componentes de variância genética, em análises de características múltiplas, foram maiores que os obtidos em análises de característica única, e os componentes de variância residual foram menores, resultando em estimativas de herdabilidades maiores. As correlações de Pearson entre os valores genéticos e as correlações de Spearman entre as ordens de classificação dos touros e das vacas, obtidas em análises de característica única, para os registros de peso à desmama, peso ao sobreano e ganho de peso, em escala original e transformadas, foram próximas à unidade, o que evidencia que os animais seriam classificados de maneira similar. As correlações de Pearson entre os valores genéticos e as correlações de Spearman entre as ordens de classificação dos reprodutores, obtidas em análises de características múltiplas, foram próximas à unidade, para os registros peso ao sobreano e ganho de peso, o que indica que os animais seriam classificados de maneira similar entre os diferentes níveis de variabilidade. As correlações de Pearson entre os valores genéticos e as correlações de Spearman entre as ordens de classificação das vacas, obtidas em análises de características múltiplas, foram medianas para os registros peso ao sobreano e ganho de peso, o que indica que os animais seriam classificados de maneira diferente entre os três níveis de variabilidade. / Data of 44,454, 28,493 and 28,399 records weaning weight, overyearling weight and postweaning gain, respectively, were analyzed. The growth traits were transformed using the following functions: base 10 logarithm, square root, standardization, and expressed as a ratio of the phenotypic standard deviation of the contemporary group. The original and transformed scale using the functions base 10 logarithm and square root had a significant effect (P<0.05) to Bartlett’s test, while standardization and expressed as ratio of the phenotypic standard deviation did not have significant effect (P>0.05). The direct heritability estimates for weaning weight in original and transformed scale by standardization and expressed as ratio of the phenotypic standard deviation were, respectively, 0.30; 0.33; 0.33. The matermal heritability estimates for weaning weight in original and transformed scale were, respectively, 0.04; - 0.08; -0.08. The heritability estimates for overyearling weight in original and transformed scale were, respectively, 0.44; 0.49; 0.49. The heritability estimates for postweaning gain in original and transformed scale were, respectively, 0.26; 0.27; 0.27. The variances of the subclasses of contemporary group were used to divide the records of weaning weight, overyearling weight and postweaning gain in three variability levels: low, mediun and high. The averages of records of weaning weight, overyearling weight and postweaning gain, as well as, the components of genetic, residual and phenotypic variances increased with the increase of the variability levels of the contemporary groups. The components of genetic variance, for the multitraits analyses, were larger than the obtained in single traits models, and the components of residual variance were smaller, resulting in heritability estimates larger. The Pearson and Spearman correlations between the genetic values and the rank order of the bulls and cows classification of obtained in single traits analyses, for weaning weight, overyearling weight and postweaning gain, in original and transformed scale, were closed the unit, indicating that the animals would be classified in a similar way. The Pearson and Spearman correlations between the genetic values and the the rank order of the bulls classification, obtained in analyses of multitrait models, were close to the unit too, for overyearling weight and postweaning gain, indicating that the animals would be classified in a similar way among the different variability levels. The Pearson and Spearman correlations between the genetic values and the rank order of the cows classification, obtained in analyses of multitrait models were medium, for overyearling weight and postweaning gain, indicating that the animals would be classified in different way in the three variability levels.

Em estudos longitudinais, repetidas observações de uma mesma variável resposta são coletadas na mesma unidade experimental, em diferentes ocasiões. Como diferentes observações são realizadas na mesma unidade, espera-se que estas sejam correlacionadas, e que exista uma heterogeneidade de variâncias nas diferentes ocasiões. Dados longitudinais multivariados são obtidos quando um conjunto de diferentes variáveis respostas são mensuradas na mesma unidade experimental repetidas vezes ao longo do tempo; nesse caso, além da correlação entre observações realizadas na mesma unidade experimental, deve-se considerar também a correlação entre diferentes variáveis respostas. Uma forma de analisar dados longitudinais bivariados é empregar um modelo misto para cada uma das variáveis respostas e uni-los em um modelo misto bivariado especificando a distribuição conjunta para os efeitos aleatórios. As estimativas dos parâmetros desta distribuição comum podem ser usadas para avaliar a relação entre as diferentes respostas. Para exemplificar a utilização da técnica, foram utilizados dados de armazenamento de leite UAT. Os modelos lineares mistos bivariados foram ajustados por meio do software SAS e a análise gráfica foi realizada por meio do software R. Para seleção dos modelos empregou-se os Critérios de Informação de Akaike (AIC) e Bayesiano (BIC), e o teste da razão de verossimilhanças para comparação de modelos encaixados. A utilização do modelo linear misto bivariado permitiu modelar a heterogeneidade de variâncias entre ocasiões e a correlação entre diferentes medidas na mesma unidade experimental, bem como a correlação entre as variáveis respostas. / In longitudinal studies, repeated measurements of a response variable are taken in the same experimental unit over time. . Since different observations are measured on the same experimental unit, it is expected that there is correlation among the repeated measurements and heterogeneity of variances in different occasions. Multivariate Longitudinal Data are obtained when we measure a number of different response variables in the same experimental unit repeatedly over time; in this case, we should also observe a correlation between the different response variables. One way to analyze bivariate longitudinal data is to use a mixed model for each of the response variables, and unite them in bivariate mixed models specifying the joint distribution for random effects. Parameter estimates of this common distribution may be used to evaluate the relationship between different responses. As an example of the use of the technique, UHT milk storage data were used. Models were fitted using SAS software and the graphical analysis was done with software R. To model selection, Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC) were used, and maximum likelihood ratio test was used to compare nested models. The use of bivariate mixed linear model allowed to model the heteroscedasticity of the occasions, the correlation between the different measurements in the same experimental unit and also the correlation between the different response variables.

The achievement of this research aimed to analyze the (co)variance s structures with better representation of the variation weight s sheep, measured in three ages, in two distinct groups: castrated and intact. 120 weights in 40 male sheep were used with a predominance of genotype Santa Ines, in semi-extensive system, in the period from January to May 2006, in Major Isidoro, inserted in the middle region of the Alagoas s semi-árido. Weights were taken at 150, 180 and 210 days old. The results indicated that the best structures residual variances were the Not Structured (UN) and First Order Factor Analytic (FA (1)). The mean weights between the castrated and intact animals, within each period, no significant differences by Tukey test (P<0.001). / Fundação de Amparo a Pesquisa do Estado de Alagoas / Com a realização dessa pesquisa objetivou-se analisar estruturas de (co)variâncias com melhor representação da variação das informações de pesos em ovinos, medido sem três idades, em dois grupos distintos: castrados e inteiros. Foram utilizadas 120 informações de pesagens em 40 ovinos, machos, com predominância de genótipo Santa Inês, em regime semi-extensivo, no período de janeiro a maio de 2006, no município de Major Isidoro, inserido na mesorregião do Sertão Alagoano. As pesagens foram realizadas aos 150, 180 e 210 dias de idade. Os resultados indicaram que as melhores estruturas de (co)variâncias residual foram: Não estruturada (UN) e Fator Analítico de Primeira Ordem (FA(1)). As médias dos pesos entre os animais castrados e inteiros, dentro de cada período, não apresentaram diferenças significativas pelo teste de Tukey (P<0,001).

Em estudos longitudinais, repetidas observações de uma mesma variável resposta são coletadas na mesma unidade experimental, em diferentes ocasiões. Como diferentes observações são realizadas na mesma unidade, espera-se que estas sejam correlacionadas, e que exista uma heterogeneidade de variâncias nas diferentes ocasiões. Dados longitudinais multivariados são obtidos quando um conjunto de diferentes variáveis respostas são mensuradas na mesma unidade experimental repetidas vezes ao longo do tempo; nesse caso, além da correlação entre observações realizadas na mesma unidade experimental, deve-se considerar também a correlação entre diferentes variáveis respostas. Uma forma de analisar dados longitudinais bivariados é empregar um modelo misto para cada uma das variáveis respostas e uni-los em um modelo misto bivariado especificando a distribuição conjunta para os efeitos aleatórios. As estimativas dos parâmetros desta distribuição comum podem ser usadas para avaliar a relação entre as diferentes respostas. Para exemplificar a utilização da técnica, foram utilizados dados de armazenamento de leite UAT. Os modelos lineares mistos bivariados foram ajustados por meio do software SAS e a análise gráfica foi realizada por meio do software R. Para seleção dos modelos empregou-se os Critérios de Informação de Akaike (AIC) e Bayesiano (BIC), e o teste da razão de verossimilhanças para comparação de modelos encaixados. A utilização do modelo linear misto bivariado permitiu modelar a heterogeneidade de variâncias entre ocasiões e a correlação entre diferentes medidas na mesma unidade experimental, bem como a correlação entre as variáveis respostas. / In longitudinal studies, repeated measurements of a response variable are taken in the same experimental unit over time. . Since different observations are measured on the same experimental unit, it is expected that there is correlation among the repeated measurements and heterogeneity of variances in different occasions. Multivariate Longitudinal Data are obtained when we measure a number of different response variables in the same experimental unit repeatedly over time; in this case, we should also observe a correlation between the different response variables. One way to analyze bivariate longitudinal data is to use a mixed model for each of the response variables, and unite them in bivariate mixed models specifying the joint distribution for random effects. Parameter estimates of this common distribution may be used to evaluate the relationship between different responses. As an example of the use of the technique, UHT milk storage data were used. Models were fitted using SAS software and the graphical analysis was done with software R. To model selection, Akaike Information Criterion (AIC) and Bayesian Information Criterion (BIC) were used, and maximum likelihood ratio test was used to compare nested models. The use of bivariate mixed linear model allowed to model the heteroscedasticity of the occasions, the correlation between the different measurements in the same experimental unit and also the correlation between the different response variables.