Abordagem Bayesiana da curva de lactação de cabras Saanen de primeira e segunda ordem de parto

Abstract

Resumo -O objetivo deste trabalho foi utilizar o método Bayesiano no ajuste do modelo de Wood a dados de produção de leite de cabras da raça Saanen. Dois grupos de animais da primeira e segunda lactação foram considerados. Amostras das distribuições marginais a posteriori dos parâmetros do modelo de Wood e das funções de produção derivadas desses parâmetros -pico de produção, tempo do pico de produção, persistên-cia e produção total de leite -foram obtidas pelo algoritmo Gibbs Sampler. As inferências foram feitas em cada população e os resultados mostraram diferenças na taxa de decréscimo da produção após o pico e na persistên-cia, indicando maior produção nos animais de segunda lactação. Realizou-se um estudo de simulação de dados para avaliar o método Bayesiano sob diferentes estruturas de matrizes de covariâncias dos parâmetros. Os resultados desse estudo indicam que o método é eficiente no estudo das curvas de lactação quando a matriz de covariância apresenta alta correlação dos parâmetros.Termos para indexação: Gibbs Sampler, matriz de covariância, produção de leite. Bayesian approach in the lactation curve of Saanen goats from first and second calving ordersAbstract -The objective of this work was to use the Bayesian method in the fitting of the Wood´s model for milk production of Saanen goats. Two groups of animals from first and second lactation were considered in the analysis. The posterior marginal distributions for each parameter and production functions, peak milk yield, time of peak yield, persistency and total milk production, were obtained via Gibbs Sampler algorithm. The inference was done for each population. The results showed differences in the slope of the curve after the peak and in persistency, indicating highest production for the second lactation. The data were simulated for evaluating Bayesian method under several covariance matrices structures. The simulation results indicate the efficiency of this method for lactation curves studies when the covariance matrices show high correlation for parameters.

Modelagem hierárquica Bayesiana na avaliação de curvas de crescimento de suínos genotipados para o gene halotano

“…Se o valor zero estiver contido neste intervalo, conclui-se que os parâmetros das duas populações envolvidas no contraste são estatisticamente iguais. Essa metodologia foi apresentada por SILVA et al (2005) para comparar parâmetros de curvas de lactação de cabras referentes a duas diferentes populações, e posteriormente utilizada para comparar curvas de crescimento de gado Nelore de diferentes grupos genéticos (SILVA et al, 2007).…”

“…Segundo SILVA et al (2005), em estudos envolvendo ajuste de modelos de regressão não-linear a dados zootécnicos (curvas de crescimento e de lactação), a inferência Bayesiana pode ser utilizada com sucesso, pois reduz, substancialmente, o número de estimativas viesadas na presença de poucas observações, e fornece estimação por intervalo mais precisas em relação à obtida pela metodologia Frequentista. Além disso, sua principal vantagem é permitir que as estimativas dos parâmetros do modelo não-linear sejam estimadas simultaneamente com os efeitos de possíveis fatores que as afetam, isto é, sob o enfoque de modelagem hierárquica Bayesiana (SILVA et al, 2007).…”

Análise bayesiana para modelos de degradabilidade ruminal

“…A diminuição da dependência do ajuste do modelo em relação ao número de dados utilizados devese principalmente ao fato de que o conceito de graus de liberdade residuais não se aplica para tal abordagem (SILVA et al, 2005;SILVA et al, 2006;MARTINS FILHO et al, 2008), uma vez que o ajuste pode ser sustentado por distribuições a priori altamente informativas, as quais refletem diretamente a falta de informação proveniente dos dados amostrais. PAULINO et al (2003) consideram que, em algumas situações, o conhecimento a priori é pouco significativo em relação à informação amostral, e o pesquisador é conduzido a adotar distribuições a priori minimamente informativas, também chamadas de distribuições a priori não informativas.…”

Comparação bayesiana de modelos de previsão de diferenças esperadas nas progênies no melhoramento genético de gado Nelore

“…A teoria bayesiana está fundamentada em uma distribuição conjunta dos dados amostrais, denominada função de verossimilhança, e nas distribuições a priori a respeito dos parâmetros. Esses componentes determinam a distribuição a posteriori, posteriori ∝ verossimilhança x priori, na qual se realiza a inferência (Silva et al, 2005).…”