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

Abstract

Resumo -O objetivo deste trabalho foi realizar uma análise bayesiana de modelos auto-regressivos de ordem p, AR(p), para dados em painel referentes às diferenças esperadas nas progênies (DEP) de touros da raça Nelore publicados de 2000 a 2006. Neste trabalho, adotou-se o modelo AR(2), indicado pela análise prévia da função de autocorrelação parcial. As comparações entre as prioris, realizadas por meio do Fator de Bayes e do Pseudo-Fator de Bayes, indicaram superioridade da priori independente t-Student multivariada -Gama inversa em relação à priori hierárquica Normal multivariada -Gama inversa e a priori de Jeffreys. Os resultados indicam a importância de se dividir os animais em grupos homogêneos de acordo com a acurácia. Constatou-se também que, em média, a eficiência de previsão dos valores de DEP para um ano futuro foi próxima de 80%.Termos para indexação: algoritmos MCMC, dados em painel, modelo auto-regressivo. Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breedingAbstract -The objective of this work was to accomplish a bayesian analysis of an autoregressive, AR(p), panel data model from Nelore sires' expected progenie difference (EPD) observed during 2000-2006. The AR(2) model was used due to the results of partial autocorrelation function analysis. The prior comparisons were performed through Bayes Factor and Pseudo-Bayes Factor, and the results showed the independent t-Student multivariate -inverse Gamma superiority in relation to the hierarchical multivariate Normal -inverse Gamma and Jeffreys prior. Results indicate the importance of sires grouping by accuracy values, and also show forecast efficiency around 80%.Index terms: MCMC algorithm, panel data, autoregressive model. IntroduçãoDados em estrutura de painel são representados por observações longitudinais de um conjunto de indivíduos, e, geralmente, a análise estatística desses dados é realizada por meio de modelos de regressão que utilizam informações de todo o conjunto para estimar coeficientes individuais. Entre esses modelos, destaca-se o autoregressivo, que se aplica a diversas situações práticas e apresenta boa qualidade, quando comparado com outros mais complexos em relação à previsão de dados futuros (Broemeling & Cook, 1993).Uma possível aplicação de modelos auto-regressivos para dados em painel está relacionada com a modelagem e previsão de diferenças esperadas nas progênies (DEP). Essa aplicação é possível porque as DEPs são calculadas e publicadas anualmente em sumários de touros, caracterizando assim séries temporais que podem ser descritas pelo modelo em questão. O conjunto de dados em painel é então caracterizado pelos touros e suas observações de DEPs ao longo dos anos, e a análise desses dados possibilita fazer previsões de DEPs de cada touro para anos futuros, promovendo assim um avanço tecnológico na área de melhoramento genético animal, uma vez que os pecuaristas poderão descartar precocemente touros que não correspondem às suas expectativas de produção em um ano futuro.A an...

Parâmetros e ganhos genéticos em características de crescimento de bovinos Tabapuã da Bahia

“…Em estudos bayesianos, metodologias apropriadas, como o fator de Bayes (FB) Newtone Raftery (1994) e o critério de informação da deviance (DIC) (Spiegelhalter et al, 2002), têm sido comumente empregadas na comparação de modelos (Cardoso et al, 2011;Nascimento et al, 2011). Estes métodos são mais informativos, pois permitem quantificar o grau de superioridade de um modelo em relação ao outro e podem ser utilizados na seleção de dois ou mais modelos, sejam eles discretos ou contínuos, simples ou complexos (Silva et al, 2008).…”

Análise bayesiana para modelos de degradabilidade ruminal

“…Alguns trabalhos, na área zootécnica, que abordam a estimação de parâmetros em modelos não lineares pelo método bayesiano (PAIVA et al, 2005;MUNIZ et al, 2007;SILVA et al, 2008) demonstram grande sucesso pela possibilidade de ser possível modelar da incerteza de todas as quantidades desconhecidas no modelo, o que é feito por meio da distribuição a priori atribuída aos parâmetros.…”

Modelo hierárquico bayesiano aplicado na avaliação genética de curvas de crescimento de bovinos de corte

“…Por meio das estimativas desses parâmetros, é possível obter informações sobre as fases de crescimento dos animais (Guedes et al, 2005, Silva et al, 2008a.…”

“…Portanto, faz-se necessário o uso de algoritmos especializados, que utilizam os métodos denominados Markov Chain -Monte Carlo (MCMC). Para a utilização desses algoritmos, é necessário que se obtenha, a partir da distribuição conjunta a posteriori, um conjunto de distribuições chamadas de distribuições condicionais completas (Silva et al, 2008a).…”