Return to search

Modelos de regressão aleatória usando como bases as funções polinomiais de Legendre, de Jacobi modificadas e trigonométricas, com uma aplicação na análise genética dos pesos de bovinos da raça Nelore / Random coefficient regression models using the Legendre polynomials, modified Jacobi polynomials and trigonometric functions as bases, with an application to genetic analysis of the weight of cattle from the Nellore breed

Com o objetivo de avaliar o desempenho dos modelos mistos quando se assumem bases de funções ortonormais de Legendre, Jacobi modificadas e trigonométricas como covariáveis dos coeficientes aleatórios, os dados referentes à pesagem corporal de animais da raça Nelore do nascimento aos 800 dias, foram analisados com modelos que assumiram inicialmente coeficientes aleatórios de efeito genético direto e efeito permanente animal (dois fatores aleatórios), em seguida foi acrescentado o efeito genético materno (três fatores aleatórios) e finalmente assumiram-se também os coeficientes aleatórios de efeito permanente materno (quatro fatores aleatórios). Foram considerados como efeitos fixos, as idades da mãe ao parto, os grupos contemporâneos e uma regressão linear por polinômios de Legendre. Os dados oriundos da fazenda Mundo Novo fornecidos pelo Grupo de Melhoramento Animal da FZEA/USP continham 61.975 pesagens corporais de 20.543 animais e informações de 26.275 animais da raça Nelore no "pedigree". O número de pesagem por animal não ultrapassou a seis e cada animal forneceu apenas uma medida em cada um dos seguintes intervalos de idade (em dias): 1 – 69, 70 – 159, 160 – 284, 285 – 454, 455 – 589 e 590 – 800. O propósito desse estudo foi comparar o ajuste da curva média de crescimento dos animais por intermédio de modelos mistos sob influência das funções ortonormais com dois, três e quatro fatores aleatórios. Um segundo propósito do trabalho foi investigar o comportamento das curvas dos componentes aleatórios estimados por meio dos modelos selecionados em cada base de funções nos três grupos distintos de efeitos aleatórios e examinar o comportamento das curvas dos coeficientes de herdabilidade obtidas a partir das curvas dos componentes aleatórios. Por meio do aplicativo WOMBAT, as análises foram realizadas usando-se o algoritmo PX-AI. Em função da parcimônia, o critério de informação bayesiano de Schwarz (BIC) foi adotado para selecionar os modelos que melhor se adequaram aos dados, que em ordem crescente de seus valores foram: com dois fatores aleatórios, os modelos de Legendre com seis covariáveis (ML26), de Jacobi Modificado com cinco covariáveis (MJ25) e o trigonométrico com seis covariáveis (MT26); com três fatores aleatórios, os modelos com seis covariáveis (MJ36, ML36, MT36); e com quatro fatores aleatórios, os modelos de Jacobi Modificado com cinco covariáveis (MJ45), de Legendre com cinco covariáveis (ML45), e o trigonométrico com seis covariáveis (MT46). Dentre os nove modelos selecionados, o modelo com o menor BIC foi o modelo MJ36, porém o modelo MJ45 apresentou estimativas de componentes de variância muito próximas do modelo MJ36. As estimativas dos componentes de variância e dos coeficientes de herdabilidade obtidas pelos modelos com funções de Jacobi modificadas, nos extremos do intervalo, ficaram abaixo das obtidas pelos modelos com funções de Legendre e no interior do intervalo elas foram concordantes, ficando entre 0,2 e 0,3. As estimativas obtidas dos modelos com funções trigonométricas se diferenciaram dos demais e foram muito baixas no extremo do intervalo para modelos com mais de dois fatores aleatórios. A média das curvas de crescimento que mais se aproximou da tendência média dos dados em cada ponto do intervalo foi obtida pelo modelo MJ26. / This work's statistical objective is to assess the performance of random coef- ficient regression models when Legendre, modified Jacobi and trigonometric functions are used as the covariate basis. This was studied with an application to a genetic analysis of the body weight of cattle from the Nellore breed. In the period 1981 to 2002 body weight data of animals were collected from the birth to the 800th day of life. An initial two random factor model used random coefficients for the direct genetic and environment animal effects. A second three random factors model introduced an additional random term for coefficients maternal genetic effects. Our final model, with four random factors, included environment maternal effects. Average growth curve was modeled by a fixed linear regression on days of age nested within contemporary group and ages of dams at calving. The data come from the Mundo Novo farm, and were provided by the Animal Breeding Genetic Group of the FZEA/USP. There were 61,975 body weights measured on 20,543 animals. In addition, information from 26,275 pedigree Nellore animals was included. No animal was weighed more than six times, and each animal supplied at most one measure within each of the following age intervals (in days): 1-69, 0-159, 160-284, 285-454, 455-589 and 590-800. This study aimed to compare the animal's mean growth curve using mixed models with the orthonormal function bases, in the case of two, three and four random factors. A second aim was to investigate the estimated random components curve behaviour using the selected models with each base of functions in the three distinct random effect groups and to examine the behaviour of the heritability coefficient curves obtained through the random component curves. The analysis was done using the PX-AI and the WOMBAT device. For parsimony, the Schwartz Bayesian information criterion (BIC) was adopted to select the best models. This criterion suggested two random factors, the for Legendre model, six covariates (ML26), for the Modified Jacobi model, five covariates (MJ25) and for the trigonometric model, six covariates (MT26). With three random factors, the models all required six covariates (MJ36, ML36, MT36). Finally, with four random factors, the Modified Jacobi model required five covariates (MJ45), the Legendre model required five covariates (ML45), and the trigonometric model required six covariates (MT46). Within the nine selected models, the MJ36 model was the one with the smaller BIC, however the MJ45 model presented variance components estimates very similar to the MJ36 model. The variance components and heritability coefficient estimates from the models with modified Jacobi functions were bellow the ones obtained with Legendre functions even at the extreme end of the intervals. In the interior of the interval, however, they were in agreement, staying between 0.2 and 0.3. The estimates obtained with trigonometric functions differed from the others and were much lower at the interval extremes for models with more than two random factors.

Identiferoai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-12122007-091638
Date01 November 2007
CreatorsOsmar Jesus Macedo
ContributorsDecio Barbin, Lucia Galvão de Albuquerque, Joanir Pereira Eler, Gerson Barreto Mourão, Walter Veriano Valerio Filho
PublisherUniversidade de São Paulo, Agronomia (Estatística e Experimentação Agronômica), USP, BR
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Sourcereponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.003 seconds