Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-06-27T11:41:09Z No. of bitstreams: 1 texto completo.pdf: 376017 bytes, checksum: 40339e192628ee46bcc68029ed1095bd (MD5) / Made available in DSpace on 2017-06-27T11:41:09Z (GMT). No. of bitstreams: 1 texto completo.pdf: 376017 bytes, checksum: 40339e192628ee46bcc68029ed1095bd (MD5) Previous issue date: 2001-02-12 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Com base no banco de dados usado na avaliação genética, em nível nacional, da raça Tabapuã, objetivou-se verificar a importância de efeitos maternos e a influência da heterogeneidade de variâncias na avaliação genética de bovinos de corte. Dados de pesos corrigidos aos 120, 240 e 420 dias de idade, referentes a estratificados 35.478, com 34.303 base no e 26.892 animais, desvio-padrão respectivamente, fenotípico dos foram grupos de contemporâneos, com peso aos 120 dias, em três classes: baixo (< 14,9 kg), médio (de 14,9 a 18,3 kg) e alto (>18,3 kg) desvios-padrão. Avaliaram-se modelos com e sem efeitos maternos pelo teste da razão de verossimilhança. Em análises de característica única geral, as herdabilidades diretas foram de 0,17, 0,15 e 0,12, em modelos co m efeitos maternos, e de 0,28, 0,29 e 0,15, em modelos sem efeitos maternos, para pesos aos 120, 240 e 420 dias, respectivamente. Os efeitos maternos mostraram-se mais importantes nos pesos nas fases da pré-desmama e da desmama, com herdabilidades de 0,13 e 0,17, respectivamente. Constatou-se antagonismo entre os efeitos genéticos direto e materno, com correlações de – 0,40, - 0,48 e – 0,21 para pesos aos 120, 240 e 420 dias, respectivamente. No estudo da heterogeneidade de variâncias recorreu- se à utilização de transformações para a escala logarítmica e à padronização, dividindo-se o valor do registro pelo desvio-padrão fenotípico da classe. Ao constatar a ineficiência das transformações, realizaram-se análises de características múltiplas, sendo o peso, em cada classe de desvio-padrão fenotípico, considerado característica distinta. Nas análises de múltiplas características, em que o peso foi considerado característica distinta em cada classe de desvio-padrão fenotípico, constatou-se que variâncias genéticas e residuais aumentaram com o aumento do desvio-padrão fenotípico da classe, implicando herdabilidades nas classes de baixo, médio e alto desvio -padrão fenotípico iguais, respectivamente, a 0,26, 0,32 e 0,37 (peso aos 120 dias), 0,28, 0,35 e 0,35 (peso aos 240 dias) e 0,14, 0,18 e 0,18 (peso aos 420 dias). As correlações genéticas entre o mesmo peso, nas classes de baixo e alto desvios- padrão fenotípicos (classes representativas de ambientes mais contrastantes), foram inferiores a 0,80. As correlações entre os valores genéticos, obtidos de análises múltiplas e de análise geral (sem as classes), foram superiores a 0,93. Nas classes de maior desvio-padrão fenotípico, foram observados maiores médias e desvios-padrão dos valores genéticos dos reprodutores. Ao selecionar 10% dos melhores reprodutores, observou-se maior percentual de touros em comum, classificados por análise de característica geral (sem as classes), quando comparados com os classificados na classe de alto desvio -padrão das análises de características múltiplas. / Data of Tabapuã cattle were used to verify the influence of maternal effects and heterogeneity of variance on genetic evaluation of beef cataleto. Data of adjusted weight of 35,478, 34,303 and 26,892 animals, at 120, 240 and 420 days of age, respectively, were used to classify contemporary groups among three classes of phenotypic standard deviation: low (< 14.9 kg), medium (from 14.9 to 18.3 kg) and high (> 18.3 kg). The likelihood ratio test was applied to evaluate models with or without maternal effects. In a general analysis with single trait, the direct heritabilities were 0.17, 0.15 and 0.12, in the models with maternal effects, and 0.28, 0.29 and 0.15 in the models without maternal effects, for weightsat 120, 240 and 420 days, respectively. The inclusion of the maternal effects was more important on pre-weaned and weaned weights, with heritabilities of 0.13 and 0.17, respectively. An antagonism between genetic direct and maternal effects was verified, with correlations of -0.40, -0.48 and – 0.21 for weights at 120, 240 and 420 days, respectively. The data were transformed to base 10 logarithmic and standardized as a ratio of the phenotypic standard deviation of the class. Data transformation did not eliminate the heterogeneity of variance among classes. Multiple trait analysis, considering each class of phenotypic standard deviation as a distinct trait, were realized. The genetic and residual variances increased with the increase on phenotypic standard deviation of the class. Heritabilities on low, medium and high standard deviation classes were 0.26, 0.32 and 0.37 (weight at 120 days), 0.28, 0.35 and 0.35 (weight at 240 days) and 0.14, 0.18 and 0.18 (weight at 420 days), respectively. Genetic correlations between the same weight, on low and high phenotypic standard deviation, were lower than 0.80. The correlations between breeding values, obtained from multiple analysis, and from general analysis (without classes), were greater than 0.93. In the classes of higher phenotypic standard greater means and standard deviations of the sire’s breeding values deviation were observed. Selecting 10% of the top sires, it was observed a greater percentage of common sires, classified by general trait analysis (without classes), when compared with sires classified on the high standard deviation class of the multiple traits analysis. / Tese importada do Alexandria

A meta principal desse trabalho foi comparar métodos de estimação para coeficientes de herdabilidade para os modelos inteiramente ao acaso e em blocos casualizados. Para os dois casos foram utilizadas as definições de coeficiente de herdabilidade (h2) no sentido restrito, dadas respectivamente, por h2=4 &#963;2t/(&#963;2+&#963;2t) e h2=4 &#963;2t/(&#963;2+&#963;2t+&#963;2b). . Portanto, é preciso estimar os componentes de variância relativos ao erro experimental (&#963;2) e ao efeito de tratamentos (&#963;2t) quando se deseja estimar h2 para o modelo inteiramente ao acaso. Para o modelo para blocos casualizados, além de estimar os últimos dois componentes, é necessário estimar o componente de variância relativo ao efeito de blocos (&#963;2b). Para atingir a meta estabelecida, partiu-se de um conjunto de dados cujo coeficiente de herdabilidade é conhecido, o que foi feito através da simulação de dados. Foram comparados dois métodos de estimação, o método da análise da variância e método da máxima verossimilhança. Foram feitas 80 simulações, 40 para cada ensaio. Para os dois modelos, as 40 simulações foram divididas em 4 casos contendo 10 simulações. Cada caso considerou um valor distinto para h2, esses foram: h2=0,10; 0,20; 0,30 e 0,40; para cada um desses casos foram fixados 10 valores distintos para o &#963;2, a saber: &#963;2=10; 20; 30; 40; 50; 60; 70; 80; 90; 100. Os valores relativos ao &#963;2 foram encontrados através da equação dada para os coeficientes de herdabilidade, sendo que, para o modelo em blocos casualizados, foi fixado &#963;2b=20 para todas os 40 casos. Após realizadas as 80 simulações, cada uma obtendo 1000 conjunto de dados, e por conseqüência 1000 estimativas para cada componente de variância e coeficiente de herdabilidade relativos a cada um dos casos, foram obtidas estatísticas descritivas e histogramas de cada conjunto de 1000 estimativas. A comparação dos métodos foi feita através da comparação dessas estatísticas descritivas e histogramas, tendo como referência os valores dos parâmetros utilizados nas simulações. Para ambos os modelos observou-se que os dois métodos se aproximam quanto a estimação de &#963;2. Para o delineamento inteiramente casualizado, o método da máxima verossimilhança forneceu estimativas que, em média, subestimaram os valores de &#963;2t, e por conseqüência, tendem a superestimar o h2, o que não acontece para o método da análise da variância. Para o modelo em blocos casualizados, ambos os métodos se assemelham, também, quanto à estimação de &#963;2t, porém o método da máxima verossimilhança fornece estimativas que tendem a subestimar o &#963;2b, e e por conseqüência, tendem a superestimar o h2, o que não acontece para o método da análise da variância. Logo, o método da análise da variância se mostrou mais confiável quando se objetiva estimar componentes de variância e coeficientes de herdabilidade para ambos os modelos considerados. / The main aim of this work was to compare methods of estimation of heritability for the 1- way classification and the 2-way crossed classification without interaction. For both cases the definition of heritability (h2) in the narrow sense was used, given respectively, by h2=4&#963;2t/(&#963;2+&#963;2t) e h2=4&#963;2t/(&#963;2+&#963;2t+&#963;2b). Therefore, there is a need to estimate the components of variance related to the residual (&#963;2) and the effect of treatments (&#963;2t) in order to estimate (h2) for the 1-way classification. For the 2-way classification without interaction, there is a need to estimate the component of variance related to the effect of blocks (&#963;2b) as well as the other two components. To achieve the established aim, a data set with known heritability was used, produced by simulation. Two methods of estimation were compared: the analysis of variance method and the maximum likelihood method. 80 simulations were made, 40 for each classification. For both models, the 40 simulations were divided into 4 different groups containing 10 simulations. Each group considered a different value for h2 (h2=0,10; 0,20; 0,30 e 0,40) and for each one of those cases there were 10 different values fixed for) &#963;2 (&#963;2=10; 20; 30; 40; 50; 60; 70; 80; 90; 100). The values for &#963;2t were found using the equations for the heritability, and for the 2-way crossed classification without interaction, &#963;2b=20 for all the 40 cases. After the 80 simulations were done, each one obtaining 1000 data sets, and therefore 1000 estimates of each component of variance and the heritability, descriptive statistics and histograms were obtained for each set of 1000 estimates. The comparison of the methods was made based on the descriptive statistics and histograms, using as references the values of the parameters used in the simulations. For both models, the estimates of &#963;2 were close to the true values. For the 1-way classification, the maximum likelihood method gave estimates that, on average, underestimated the values of &#963;2t, and therefore the values of h2. This did not happen with the analysis of variance method. For the 2-way crossed classification without interaction, both methods gave similar estimates of &#963;2t, although the maximum likelihood method gave estimates that tended to underestimate &#963;2b and therefore to overestimate h2. This did not happen with the analysis of variance method. Hence, the analysis of variance method proved to be more accurate for the estimation of variance components and heritability for both classifications considered in this work.

A meta principal desse trabalho foi comparar métodos de estimação para coeficientes de herdabilidade para os modelos inteiramente ao acaso e em blocos casualizados. Para os dois casos foram utilizadas as definições de coeficiente de herdabilidade (h2) no sentido restrito, dadas respectivamente, por h2=4 &#963;2t/(&#963;2+&#963;2t) e h2=4 &#963;2t/(&#963;2+&#963;2t+&#963;2b). . Portanto, é preciso estimar os componentes de variância relativos ao erro experimental (&#963;2) e ao efeito de tratamentos (&#963;2t) quando se deseja estimar h2 para o modelo inteiramente ao acaso. Para o modelo para blocos casualizados, além de estimar os últimos dois componentes, é necessário estimar o componente de variância relativo ao efeito de blocos (&#963;2b). Para atingir a meta estabelecida, partiu-se de um conjunto de dados cujo coeficiente de herdabilidade é conhecido, o que foi feito através da simulação de dados. Foram comparados dois métodos de estimação, o método da análise da variância e método da máxima verossimilhança. Foram feitas 80 simulações, 40 para cada ensaio. Para os dois modelos, as 40 simulações foram divididas em 4 casos contendo 10 simulações. Cada caso considerou um valor distinto para h2, esses foram: h2=0,10; 0,20; 0,30 e 0,40; para cada um desses casos foram fixados 10 valores distintos para o &#963;2, a saber: &#963;2=10; 20; 30; 40; 50; 60; 70; 80; 90; 100. Os valores relativos ao &#963;2 foram encontrados através da equação dada para os coeficientes de herdabilidade, sendo que, para o modelo em blocos casualizados, foi fixado &#963;2b=20 para todas os 40 casos. Após realizadas as 80 simulações, cada uma obtendo 1000 conjunto de dados, e por conseqüência 1000 estimativas para cada componente de variância e coeficiente de herdabilidade relativos a cada um dos casos, foram obtidas estatísticas descritivas e histogramas de cada conjunto de 1000 estimativas. A comparação dos métodos foi feita através da comparação dessas estatísticas descritivas e histogramas, tendo como referência os valores dos parâmetros utilizados nas simulações. Para ambos os modelos observou-se que os dois métodos se aproximam quanto a estimação de &#963;2. Para o delineamento inteiramente casualizado, o método da máxima verossimilhança forneceu estimativas que, em média, subestimaram os valores de &#963;2t, e por conseqüência, tendem a superestimar o h2, o que não acontece para o método da análise da variância. Para o modelo em blocos casualizados, ambos os métodos se assemelham, também, quanto à estimação de &#963;2t, porém o método da máxima verossimilhança fornece estimativas que tendem a subestimar o &#963;2b, e e por conseqüência, tendem a superestimar o h2, o que não acontece para o método da análise da variância. Logo, o método da análise da variância se mostrou mais confiável quando se objetiva estimar componentes de variância e coeficientes de herdabilidade para ambos os modelos considerados. / The main aim of this work was to compare methods of estimation of heritability for the 1- way classification and the 2-way crossed classification without interaction. For both cases the definition of heritability (h2) in the narrow sense was used, given respectively, by h2=4&#963;2t/(&#963;2+&#963;2t) e h2=4&#963;2t/(&#963;2+&#963;2t+&#963;2b). Therefore, there is a need to estimate the components of variance related to the residual (&#963;2) and the effect of treatments (&#963;2t) in order to estimate (h2) for the 1-way classification. For the 2-way classification without interaction, there is a need to estimate the component of variance related to the effect of blocks (&#963;2b) as well as the other two components. To achieve the established aim, a data set with known heritability was used, produced by simulation. Two methods of estimation were compared: the analysis of variance method and the maximum likelihood method. 80 simulations were made, 40 for each classification. For both models, the 40 simulations were divided into 4 different groups containing 10 simulations. Each group considered a different value for h2 (h2=0,10; 0,20; 0,30 e 0,40) and for each one of those cases there were 10 different values fixed for) &#963;2 (&#963;2=10; 20; 30; 40; 50; 60; 70; 80; 90; 100). The values for &#963;2t were found using the equations for the heritability, and for the 2-way crossed classification without interaction, &#963;2b=20 for all the 40 cases. After the 80 simulations were done, each one obtaining 1000 data sets, and therefore 1000 estimates of each component of variance and the heritability, descriptive statistics and histograms were obtained for each set of 1000 estimates. The comparison of the methods was made based on the descriptive statistics and histograms, using as references the values of the parameters used in the simulations. For both models, the estimates of &#963;2 were close to the true values. For the 1-way classification, the maximum likelihood method gave estimates that, on average, underestimated the values of &#963;2t, and therefore the values of h2. This did not happen with the analysis of variance method. For the 2-way crossed classification without interaction, both methods gave similar estimates of &#963;2t, although the maximum likelihood method gave estimates that tended to underestimate &#963;2b and therefore to overestimate h2. This did not happen with the analysis of variance method. Hence, the analysis of variance method proved to be more accurate for the estimation of variance components and heritability for both classifications considered in this work.

O objetivo principal deste trabalho é introduzir os modelos log-Birnbaum-Saunders mistos (log-BS mistos) e estender os resultados para os modelos log-Birnbaum-Saunders t-Student mistos (log-BS-t mistos). Os modelos log-BS são bastante conhecidos desde o trabalho de Rieck e Nedelman (1991) e particularmente receberam uma grande atenção nos últimos 10 anos com vários trabalhos publicados em periódicos internacionais. Contudo, o enfoque desses trabalhos tem sido em modelos log-BS ou log-BS generalizados com efeitos fixos, não havendo muita atenção para modelos com efeitos aleatórios. Inicialmente, apresentamos no trabalho uma revisão das distribuições Birnbaum-Saunders e Birnbaum-Saunders generalizada (BSG) e em seguida discutimos os modelos log-BS e log-BS-t com efeitos fixos, para os quais revisamos alguns resultados de estimação e diagnóstico. Os modelos log-BS mistos são então apresentados precedidos de uma revisão dos métodos de quadratura de Gauss Hermite (QGH). Embora a estimação dos parâmetros nos modelos log-BS mistos seja efetuada através do procedimento Proc NLMIXED do SAS (Littell et al, 1996), aplicamos o método de quadratura não adaptativa a fim de obtermos aproximações para o logaritmo da função de verossimilhança do modelo log-BS de intercepto aleatório. Com essas aproximações derivamos as funções escore e a matriz hessiana, além das curvaturas normais de influência local (Cook, 1986) para alguns esquemas de perturbação usuais. Os mesmos procedimentos são aplicados para os modelos log-BS-t de intercepto aleatório. Discussões sobre a predição dos efeitos aleatórios, teste para o componente de variância dos modelos com intercepto aleatório e análises de resíduos são também apresentados. Finalmente, comparamos os ajustes de modelos log-BS e log-BS mistos a um conjunto de dados reais. Métodos de diagnóstico são utilizados na comparação dos modelos ajustados. / The aim of this work is to introduce the log-Birnbaum-Saunders mixed models (log-BS mixed models) and to extend the results to log-Birnbaum-Saunders Student-t mixed models (log-BS-t mixed models). The log-BS models are well-known since the work by Rieck and Nedelman (1991) and particularly have received great attention in the last 10 years with various published papers in international journals. However, the emphasis given in such works has been in fixed-effects models with few attention given to random-effects models. Firstly, we present in this work a review on Birnbaum-Saunders and generalized Birnbaum-Saunders distributions and so we discuss log-BS and log-BS-t fixed-effects models for which some results on estimation and diagnostic are presented. Then, we introduce the log-BS mixed models preceded by a review on Gauss-Hermite quadrature. Although the parameter estimation of the marginal log-BS and log-BS-t mixed models are performed in the procedure NLMIXED of SAS (Littell et al., 1996), we apply the quadrature methods in order to obtain approximations for the likelihood function of the log-BS and log-BS-t random intercept models. These approximations are used to derive the respective score functions, observed information matrices as well as the normal curvature of local influence (Cook, 1986) under some usual perturbation schemes. Discussions on the prediction of the random effects, variance component tests and residual analysis are also given. Finally, we compare the fits of log-BS and log-BS-t mixed models to a real data set. Diagnostic methods are used in the comparisons.

O objetivo principal deste trabalho é introduzir os modelos log-Birnbaum-Saunders mistos (log-BS mistos) e estender os resultados para os modelos log-Birnbaum-Saunders t-Student mistos (log-BS-t mistos). Os modelos log-BS são bastante conhecidos desde o trabalho de Rieck e Nedelman (1991) e particularmente receberam uma grande atenção nos últimos 10 anos com vários trabalhos publicados em periódicos internacionais. Contudo, o enfoque desses trabalhos tem sido em modelos log-BS ou log-BS generalizados com efeitos fixos, não havendo muita atenção para modelos com efeitos aleatórios. Inicialmente, apresentamos no trabalho uma revisão das distribuições Birnbaum-Saunders e Birnbaum-Saunders generalizada (BSG) e em seguida discutimos os modelos log-BS e log-BS-t com efeitos fixos, para os quais revisamos alguns resultados de estimação e diagnóstico. Os modelos log-BS mistos são então apresentados precedidos de uma revisão dos métodos de quadratura de Gauss Hermite (QGH). Embora a estimação dos parâmetros nos modelos log-BS mistos seja efetuada através do procedimento Proc NLMIXED do SAS (Littell et al, 1996), aplicamos o método de quadratura não adaptativa a fim de obtermos aproximações para o logaritmo da função de verossimilhança do modelo log-BS de intercepto aleatório. Com essas aproximações derivamos as funções escore e a matriz hessiana, além das curvaturas normais de influência local (Cook, 1986) para alguns esquemas de perturbação usuais. Os mesmos procedimentos são aplicados para os modelos log-BS-t de intercepto aleatório. Discussões sobre a predição dos efeitos aleatórios, teste para o componente de variância dos modelos com intercepto aleatório e análises de resíduos são também apresentados. Finalmente, comparamos os ajustes de modelos log-BS e log-BS mistos a um conjunto de dados reais. Métodos de diagnóstico são utilizados na comparação dos modelos ajustados. / The aim of this work is to introduce the log-Birnbaum-Saunders mixed models (log-BS mixed models) and to extend the results to log-Birnbaum-Saunders Student-t mixed models (log-BS-t mixed models). The log-BS models are well-known since the work by Rieck and Nedelman (1991) and particularly have received great attention in the last 10 years with various published papers in international journals. However, the emphasis given in such works has been in fixed-effects models with few attention given to random-effects models. Firstly, we present in this work a review on Birnbaum-Saunders and generalized Birnbaum-Saunders distributions and so we discuss log-BS and log-BS-t fixed-effects models for which some results on estimation and diagnostic are presented. Then, we introduce the log-BS mixed models preceded by a review on Gauss-Hermite quadrature. Although the parameter estimation of the marginal log-BS and log-BS-t mixed models are performed in the procedure NLMIXED of SAS (Littell et al., 1996), we apply the quadrature methods in order to obtain approximations for the likelihood function of the log-BS and log-BS-t random intercept models. These approximations are used to derive the respective score functions, observed information matrices as well as the normal curvature of local influence (Cook, 1986) under some usual perturbation schemes. Discussions on the prediction of the random effects, variance component tests and residual analysis are also given. Finally, we compare the fits of log-BS and log-BS-t mixed models to a real data set. Diagnostic methods are used in the comparisons.