Estimação de parâmetros genéticos para produção de leite de vacas da raça Holandesa via regressão aleatória

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

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.

Polinômios fracionários em modelos de regressão

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Modelos de análise de dados de provas de ganho em peso de bovinos da raça Nelore

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Modelos de regressão aplicado no absenteísmo em uma empresa do setor sucroalcooleiro

Pós-graduação em Engenharia de Produção - FEB

Comparação entre os estimadores de mínimos quadrados ordinários e mínimos desvios absolutos em modelos de regressão linear simples -: uma aplicação na energia na agricultura

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Modelagem da produção acumulada de biogás em biodigestores tipo batelada segundo a porcentagem de inóculo adicionada utilizando os modelos de regressão não-linear de Gompertz e expoencial

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Modelos genéticos para a produção no dia do controle em bovinos Gir Leiteiro (Bos indicus)

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Modelos para estimação de componentes de (co)variância para produção de leite no dia do controle de vacas da raça Holandesa

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Estimação de parâmetros genéticos para características de crescimento em bovinos da raça Canchim com modelos de dimensão finita e infinita

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

Modelos de regressão para identificação de marcadores preditivos de asma na descendência de mulheres com atopia

Trabalho de projecto de mestrado, Bioestatística, Universidade de Lisboa, Faculdade de Ciências, 2016

Quantificação de riscos climáticos via modelos de regressão de Cox.

O gerenciamento de riscos climáticos requer informação sobre estados futuros de variáveis climáticas, geralmente representada por funções de distribuição de probabilidade acumulada (FDPA, P(Y?y) ou por sua funções complementares (P(Y>y)), ditas funções probabilidade de exceder (FPE). Uma variedade de métodos estatísticos tem sido utilizada para estimação de FPE, incluindo, modelos de regressão linear múltipla, regressão logística e métodos não paramétricos (MAIA et al, 2007; LO et al, 2008). Apesar de parecer intuitivo que a incerteza associada às estimativas das FPE é fundamental para os tomadores de decisão, esse tipo de informação raramente é fornecido. Modelos estatísticos de previsão baseados em séries históricas da variável de interesse (chuva, temperatura) e de preditores derivados de estados do oceano e da atmosfera (índices climáticos tais como: temperaturas da superfície do mar ? TSM, índice de oscilação sul, IOS, El Nino/Oscilação Sul - ENSO) se constituem em alternativas promissoras para auxílio às tomada de decisão, em escalas locais e regionais. O uso de tais indicadores permite incorporar mudanças de padrão derivadas de mudanças climáticas em modelos estatísticos que utilizam informação histórica. Neste trabalho, mostramos como o Modelo de Regressão de Cox (MRC; COX, 1972), tradicionalmente utilizado para modelagem de tempos de falha, em investigações na área médica e em ciências sociais, pode ser de grande utilidade para avaliação probabilística de riscos climáticos, mesmo para variáveis que não representam tempos de falha tais como chuva, produtividade de culturas, lucros, entre outras. O MRC pode ser utilizado para avaliar a influência de preditores (índices climáticos) sobre riscos de interesse (representados pelas FPE), estimar FPE para combinações específicas de preditores e incertezas associadas além de fornecer informação sobre riscos relativos, de grande valor para tomadores de decisão. Apresentamos dois estudos de caso nos quais o Modelo de Cox foi usado para investigar: a) o efeito do IOS e de um índice derivado de TSM do Pacífico sobre o início da estação chuvosa em Cairns (Austrália) e b) a influência o índice Nino 3.4, derivado de estados da TSM no Pacífico Equatorial sobre o chuva acumulada no período de Março a Junho em Limoeiro do Norte (Ceará, Brasil). O objetivo da apresentação desses estudos é meramente didático, para demonstrar o potencial do método proposto como ferramenta de auxílio à tomada de decisão.

Quantificação de riscos climáticos via modelos de regressão de COX.

2008

Funções de covariância para produção de leite no dia do controle em bovinos Gir leiteiro

O objetivo deste trabalho foi estimar funções de covariância para a produção de leite no dia do controle (PLDC). Foram analisados 27 mil registros de PLDC de 3.362 primeiras lactações de vacas da raça Gir leiteira, paridas entre 1990 e 2007. As PLDC foram agrupadas em vinte classes quinzenais, analisadas por modelos de regressão aleatória, cujos efeitos aleatórios, genético-aditivo e de ambiente permanente foram modelados pelas funções de Wilmink (W) ou Ali & Schaeffer (AS). A modelagem da variância residual (VR) foi ajustada por meio de 1, 4, 6 ou 10 classes. As estimativas de herdabilidade para a PLDC variaram de 0,12 a 0,32, para a função AS, e de 0,09 a 0,33, para a função W, e foram maiores ao início da lactação. As correlações genéticas entre as PLDC decresceram de valores próximos à unidade, entre controles adjacentes, para valores negativos entre as PLDC da primeira e duas últimas quinzenas da lactação. O modelo que empregou a função AS com quatro classes de VR é uma opção parcimoniosa para o ajuste das PLDC de vacas Gir leiteira no Brasil.