Modelos matemáticos utilizados para descrever curvas de crescimento em aves aplicados ao melhoramento genético animal

A utilização de funções matemáticas para descrever o crescimento animal é antiga. Elas permitem resumir informações em alguns pontos estratégicos do desenvolvimento ponderal e descrever a evolução do peso em função da idade do animal. Também é possível comparar taxas de crescimento de diferentes indivíduos em estados fisiológicos equivalentes. Os modelos de curvas de crescimento mais utilizados na avicultura são os derivados da função Richards, pois apresentam parâmetros que possibilitam interpretação biológica e portanto podem fornecer subsídios para seleção de uma determinada forma da curva de crescimento em aves. Também pode-se utilizar polinômios segmentados para descrever as mudanças de tendência da curva de crescimento animal. Entretanto, existem importantes fatores de variação para os parâmetros das curvas, como a espécie, o sistema de criação, o sexo e suas interações. A adequação dos modelos pode ser verificada pelos valores do coeficiente de determinação (R2), do quadrado médio do resíduo (QM res), do erro de predição médio (EPm), da facilidade de convergência dos dados e pela possibilidade de interpretação biológica dos parâmetros. Estudos envolvendo modelagem e descrição da curva de crescimento e seus componentes são amplamente discutidos na literatura. Porém, programas de seleção que visem a progressos genéticos para a forma da curva não são mencionados. A importância da avaliação dos parâmetros dos modelos de curvas de crescimento é ainda mais relevante já que os maiores ganhos genéticos para peso estão relacionados com seleção para pesos em idades próximas ao ponto de inflexão. A seleção para precocidade pode ser auxiliada com base nos parâmetros do modelo associados à variáveis que descrevem esta característica genética dos animais. Esses parâmetros estão relacionados a importantes características produtivas e reprodutivas e apresentam magnitudes diferentes, de acordo com a espécie, o sexo e o modelo utilizados na avaliação. Outra metodologia utilizada são os modelos de regressão aleatória, permitindo mudanças graduais nas covariâncias entre idades ao longo do tempo e predizendo variâncias e covariâncias em pontos contidos ao longo da trajetória estudada. A utilização de modelos de regressões aleatórias traz como vantagem a separação da variação da curva de crescimento fenotípica em seus diferentes efeitos genético aditivo e de ambiente permanente individual, mediante a determinação dos coeficientes de regressão aleatórios para esses diferentes efeitos. Além disto, não há necessidade de utilizar fatores de ajuste para a idade. Esta revisão teve por objetivos levantar os principais modelos matemáticos frequentistas utilizados no estudo de curvas de crescimento de aves, com maior ênfase nos empregados com a finalidade de estimar parâmetros genéticos e fenotípicos.

Análise de fatores genéticos e ambientais que afetam a infestação de fêmeas bovinas da raça Caracu por carrapatos (Boophilus microplus)

Este trabalho foi conduzido com o objetivo de avaliar o efeito de fatores de meio sobre a infestação de bovinos Caracu pelo carrapato Boophilus microplus (Canestrini, 1887) e estimar parâmetros genéticos do grau de infestação por esse ectoparasita. Foram realizadas contagens em fêmeas de dois rebanhos, nas quatro estações, por dois anos consecutivos (setembro/1998 a julho/2000). Contou-se o número de carrapatos (NC) em um dos lados do animal e atribuiu-se escore visual (EC) de acordo com a quantidade de carrapatos no animal. Foram feitas de uma a oito avaliações, totalizando-se 4.079 e 3.994 observações de NC e EC, respectivamente, em 718 animais. Os dados foram analisados pelo método dos quadrados mínimos com um modelo que incluiu efeitos de rebanho (R), cor do animal (C), R x C, animal dentro de R x C como erro a, ano e estação da avaliação, espessura de pelame e idade do animal como covariável. As estimativas dos componentes de variância foram obtidas pelo método da máxima verossimilhança restrita livre de derivadas, utilizando-se um modelo que incluiu os efeitos fixos de grupo de contemporâneos (fazenda-ano-época), espessura do pelame e idade do animal como covariável e os efeitos aleatórios aditivos diretos e de ambiente permanente. Antes das análises, a variável NC foi transformada para log10 (n + 1) e EC para (x + 0,5)½, em que n é o número de carrapatos contados no animal e x, o escore (0 a 4). A incidência de carrapatos foi maior no verão e, quanto maior a espessura do pelame, maior o nível de infestação. As estimativas de herdabilidade e repetibilidade foram, respectivamente, 0,22 e 0,29 para NC e 0,15 e 0,21 para EC; a correlação genética entre NC e EC foi igual a 1,00. Os resultados sugerem que é possível obter progresso genético para resistência a carrapato pela seleção.

Estimation of (co)variance components and genetic parameters for weights of red-winged tinamou using random regression models

Com este trabalho objetivou-se determinar parâmetros genéticos para peso corporal de perdizes em cativeiro. Foram utilizados modelos de regressão aleatória na análise dos dados considerando os efeitos genéticos aditivos diretos (AD) e de ambiente permanente de animal (AP) como aleatórios. As variâncias residuais foram modeladas utilizando-se funções de variância de ordem 5. A curva média da população foi ajustada por polinômios ortogonais de Legendre de ordem 6. Os efeitos genéticos aditivos diretos e de ambiente permanente de animal foram modelados utilizando-se polinômios de Legendre de segunda a nona ordem. Os melhores resultados foram obtidos pelos modelos de ordem 6 de ajuste para os efeitos genéticos aditivos diretos e de ordem 3 para os de ambiente permanente pelo Critério de Informação de Akaike e ordem 3 para ambos os efeitos pelos Critério de Informação Bayesiano de Schwartz e Teste de Razão de Verossimilhança. As herdabilidades estimadas variaram de 0,02 a 0,57. O primeiro autovalor respondeu por 94 e 90% da variação decorrente de efeitos aditivos diretos e de ambiente permanente, respectivamente. A seleção de perdizes para peso corporal é mais efetiva a partir de 112 dias de idade.

Correlations between preweaning traits in Duroc swine

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Using error bounds to compare aggregated generalized transportation models

A comparative study of aggregation error bounds for the generalized transportation problem is presented. A priori and a posteriori error bounds were derived and a computational study was performed to (a) test the correlation between the a priori, the a posteriori, and the actual error and (b) quantify the difference of the error bounds from the actual error. Based on the results we conclude that calculating the a priori error bound can be considered as a useful strategy to select the appropriate aggregation level. The a posteriori error bound provides a good quantitative measure of the actual error.

An adaptive chart for monitoring the process mean and variance

Traditionally, an (X) over bar chart is used to control the process mean and an R chart is used to control the process variance. However, these charts are not sensitive to small changes in the process parameters. The adaptive ($) over bar and R charts might be considered if the aim is to detect small disturbances. Due to the statistical character of the joint (X) over bar and R charts with fixed or adaptive parameters, they are not reliable in identifing the nature of the disturbance, whether it is one that shifts the process mean, increases the process variance, or leads to a combination of both effects. In practice, the speed with which the control charts detect process changes may be more important than their ability in identifying the nature of the change. Under these circumstances, it seems to be advantageous to consider a single chart, based on only one statistic, to simultaneously monitor the process mean and variance. In this paper, we propose the adaptive non-central chi-square statistic chart. This new chart is more effective than the adaptive (X) over bar and R charts in detecting disturbances that shift the process mean, increase the process variance, or lead to a combination of both effects. Copyright (c) 2006 John Wiley & Sons, Ltd.

Synthetic control chart for monitoring the pprocess mean and variance

In this article, we consider the synthetic control chart with two-stage sampling (SyTS chart) to control the process mean and variance. During the first stage, one item of the sample is inspected; if its value X, is close to the target value of the process mean, then the sampling is interrupted. Otherwise, the sampling goes on to the second stage, where the remaining items are inspected and the statistic T = Sigma [x(i) - mu(0) + xi sigma(0)](2) is computed taking into account all items of the sample. The design parameter is function of X-1. When the statistic T is larger than a specified value, the sample is classified as nonconforming. According to the synthetic procedure, the signal is based on Conforming Run Length (CRL). The CRL is the number of samples taken from the process since the previous nonconforming sample until the occurrence of the next nonconforming sample. If the CRL is sufficiently small, then a signal is generated. A comparative study shows that the SyTS chart and the joint X and S charts with double sampling are very similar in performance. However, from the practical viewpoint, the SyTS chart is more convenient to administer than the joint charts.

Modelo de Gompertz com sazonalidade e autocorrelação nos erros para ajuste do crescimento ponderal em vaca leiteira

In recent work (Kroll, 1990) on dairy cattle growth using its monthly weights, a Gompertz function, first considering the autocorrelated error structure, and second, the independent error structure, was fitted. The last explained 25% more of the total variance than the former. In this work, a Gompertz function was fitted with autocorrelated error structure adding seasonality to the model. This was suggested taking into account the time series autocorrelation function. In order to estimate the six parameters, an iterative procedure was used, employing a matrix X = [G\S], where G is the usual matrix for fitting the Gompertz function, and S is a 0s, 1s, -1s matrix necessary to take into account seasonality. With this model, the adjustment was better in terms of the coefficient determination.

Difference variance dispersion graphs for comparing response surface designs with applications in food technology

Variance dispersion graphs have become a popular tool in aiding the choice of a response surface design. Often differences in response from some particular point, such as the expected position of the optimum or standard operating conditions, are more important than the response itself. We describe two examples from food technology. In the first, an experiment was conducted to find the levels of three factors which optimized the yield of valuable products enzymatically synthesized from sugars and to discover how the yield changed as the levels of the factors were changed from the optimum. In the second example, an experiment was conducted on a mixing process for pastry dough to discover how three factors affected a number of properties of the pastry, with a view to using these factors to control the process. We introduce the difference variance dispersion graph (DVDG) to help in the choice of a design in these circumstances. The DVDG for blocked designs is developed and the examples are used to show how the DVDG can be used in practice. In both examples a design was chosen by using the DVDG, as well as other properties, and the experiments were conducted and produced results that were useful to the experimenters. In both cases the conclusions were drawn partly by comparing responses at different points on the response surface.

X charts with supplementary samples to control the mean and variance

A standard X chart for controlling a process takes regular individual observations, for instance every half hour. This article proposes a modification of the X chart that allows one to take supplementary samples. The supplementary sample is taken (and the (X) over bar and R values computed) when the current value of X falls outside the control limits. With the supplementary sample, the signal of out-of-control is given by an (X) over bar value outside the (X) over bar chart's control limits or an R value outside the R chart's control limit. The proposed chart is designed to hold the supplementary sample frequency, during the in-control period, as low as 5% or less. In this context, the practitioner might prefer to verify an out-of-control condition by simply comparing the (X) over bar and R values with the control limits. In other words, without plotting the (X) over bar and R points. The X chart with supplementary samples has two major advantages when compared with the standard (X) over bar and A charts: (a) the user will be plotting X values instead of (X) over bar and R values; (b) the shifts in the process mean and/or changes in the process variance are detected faster.

Error function approximations of interest in electrochemistry.

The error function is present in several equations describing eletrode processes. But, only approximations of this function are used. In this work, these and other approximations are studied and evaluated according to precision.

Effects of direction and curvature on variable error pattern of reaching movements

A number of studies have analyzed various indices of the final position variability in order to provide insight into different levels of neuromotor processing during reaching movements. Yet the possible effects of movement kinematics on variability have often been neglected. The present study was designed to test the effects of movement direction and curvature on the pattern of movement variable errors. Subjects performed series of reaching movements over the same distance and into the same target. However, due either to changes in starting position or to applied obstacles, the movements were performed in different directions or along the trajectories of different curvatures. The pattern of movement variable errors was assessed by means of the principal component analysis applied on the 2-D scatter of movement final positions. The orientation of these ellipses demonstrated changes associated with changes in both movement direction and curvature. However, neither movement direction nor movement curvature affected movement variable errors assessed by area of the ellipses. Therefore it was concluded that the end-point variability depends partly, but not exclusively, on movement kinematics.

Fatores genéticos e de Meio na idade ao primeiro parto de caprinos leiteiros

Data on age at first kidding (IPP) were collected on seven farms in the Brazilian Southeastern region which explored breds. Least squares (LS) were used to evaluate the effects of environmental factors and to estimate variance components, and the derivative-free restricted maximum likelihood (DFREML) method was used to estimate the variance components of IPP and to genetically evaluate the goats used in the southest region of Brazil. The LS mean and standard error of IPP were 607.18 +/- 17.09 days. The interaction of year x kidding season had a significantly influenced IPP, indicating that management conditions varied among the seasons within each specific year, with a direct influence on body weight which is the main criterion adopted by farmers to decide when the animal is ready to breed. The effect of farm-breed combination influenced the IPP. The compararison among levels of farm-breed were done by cluster analysis. The results indicated that the individual goat management within each farm had a greater influence than breed, since goats of different breeds showed high and similar values on those farms having a high mean IPP. Heritability estimates obtained by LS using intraclass correlations among paternal half-sibs and those obtained by REML were 0.220 and 0.369, respectively.

Validity and reliability of the Portuguese version of Mandibular Function Impairment Questionnaire

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Monitoring the process mean and variance using a synthetic control chart with two-stage testing

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)