Return to search

Aspectos Computacionais da Estimação e Predição em Modelos Lineares Mistos para Seleção de Híbridos de Milho em Ensaios Premilinares.

Made available in DSpace on 2018-08-01T22:57:26Z (GMT). No. of bitstreams: 1
tese_10029_Dissertação Final Tiago de Souza Marçal.pdf: 1829947 bytes, checksum: 97df059fea5ce8331745b5840ac8d15c (MD5)
Previous issue date: 2016-06-30 / O milho (Zea mays L.) é uma espécie da família Poaceae, diplóide e alógama. Para esta cultura
verifica-se o aumento do vigor com o acúmulo de loci heterozigotos, justificando assim a produção
dos híbridos. Com o advento das drásticas previsões de mudanças climáticas e aumento
populacional para os próximos anos é necessária à adoção, desenvolvimento e aprimoração de
métodos que permitam maior eficiência na seleção e alcance de maior progresso genético em
programas de melhoramento de culturas de importância agrícola poderão auxiliar na mitigação dos
desafios para sustentar a segurança alimentar ainda neste século. Diante do exposto, este trabalho
teve por objetivo implementar os algoritmos de primeira e segunda derivadas para o método REML
(máxima verossimilhança restrita) em R, generalizáveis para diferentes modelos lineares mistos e
capazes de incorporar matrizes de parentesco. Além de avaliar o impacto de simplificações
matemáticas, matrizes esparsas, e diferentes taxas de erro de convergência na eficiência
computacional destes algoritmos, visando a minimização do custo computacional para viabilizar o
REML, em estudos com grande número de híbridos de milho e modelos complexos, em
computadores de configuração simples. Os dados experimentais utilizados neste trabalho foram
obtidos na safra 2013/14 em ensaio conduzido no delineamento de blocos aumentados com cinco
testemunhas e 3352 híbridos simples de milho na Embrapa (Empresa Brasileira de Pesquisa
Agropecuária) Milho e Sorgo situada em Sete Lagoas - MG. A variável analisada foi o rendimento
de grãos, sendo esta submetida a análise através de modelos mistos com e sem a incorporação do
pedigree utilizando-se diferentes algoritmos REML, em R, e a resposta computacional foi avaliada
quanto aos critérios de convergência, taxas de erro de convergência, matrizes esparsas,
computadores com diferentes capacidades de processamento, diferentes estimativas iniciais dos
componentes de variância e número crescente de passos EM (Expectation Maximization) nos
algoritmos combinados. Os algoritmos propostos foram equivalentes aos softwares testados
(ASReml, Selegen e lme4) quanto as estimativas dos componentes de variância, indicando a
coerência dos mesmos. Além disso, o uso de matrizes esparsas em associação com as otimizações
propostas diminuíram o custo computacional dos algoritmos utilizando os coeficientes de
determinação como critério de convergência e taxa de erro de convergência igual a 10-5. A
combinação híbrida do algoritmo EM, em dez passos, com o NR (Newton Raphson) reduziu o custo
computacional e aumentou o percentual de convergência médio. Ainda observou-se que pesos
uniformes para as estimativas iniciais dos componentes de variância devem ser evitados.

Identiferoai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/7836
Date30 June 2016
CreatorsMARCAL, T. S.
ContributorsPASTINA, M. M., GUIMARAES, L. J. M., SOUZA, T. S., SANTOS, P. H. A. D., FERREIRA, A.
PublisherUniversidade Federal do Espírito Santo, Mestrado em Genética e Melhoramento, Programa de Pós-Graduação em Genética e Melhoramento, UFES, BR
Source SetsIBICT Brazilian ETDs
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0018 seconds