Modelos de equações estruturais generalizados mistos aplicados à avaliação genética de codornas de corte

• Ano de defesa: 2014
• Autor(a) principal: Pacheco, Rodrigo de Oliveira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Genética e Melhoramento de Animais Domésticos; Nutrição e Alimentação Animal; Pastagens e Forragicul; Doutorado em Zootecnia; UFV
• Palavras-chave em Português: Codornas; Genética animal; Modelos lineares (Estatística); Modelo recursivo; Estrutura causal; Acurácia de predição; Quail; Animal genetics; Linear models (Statistics); Recursive model; Causal structure; Accuracy of Prediction; CNPQ::CIENCIAS AGRARIAS::ZOOTECNIA::GENETICA E MELHORAMENTO DOS ANIMAIS DOMESTICOS
• Link de acesso: http://locus.ufv.br/handle/123456789/1883

Os modelos de equações estruturais (MEE) são capazes de explicar a relação de causa e efeito entre as características. Os objetivos do presente estudo foram propor uma extensão destes modelos de equações estruturais sob o contexto dos modelos lineares generalizados mistos, a fim de consideram características com distribuição Poisson, e também avaliar o MEE generalizado sob o ponto de vista preditivo por meio da estimação da acurácia de predição. Foram avaliadas cinco características: Peso ao nascimento (PN), o peso aos 35 dias de idade (P35), a idade ao primeiro ovo (IPO), o peso médio dos ovos dos 42 aos 182 dias de idade (PMO) e o número de ovos produzidos dos 42 aos 182 dias de idade (NO). Foi determinada uma estrutura hipotética representando o relacionamento causal entre as características e os efeitos genéticos diretos sobre cada característica. Neste caso, foram desconsideradas as correlações genéticas entre estes efeitos genéticos. As equações do modelo estrutural recursivo foram estimadas seguindo formulação dos Modelos Lineares Generalizados Mistos, especificado. Os efeitos genéticos por si só não são suficientes para a determinação dos fenótipos, dessa forma esses efeitos devem ser associados com toda a informação que a estrutura causal pode oferecer em relação às características. Os valores da acurácia de predição foram considerados altos (0,87 0,99) para as características com exceção do número de ovos (0,355). De acordo com os valores de AIC e BIC, o modelo que considera o número de ovos (NO) com distribuição Poisson pode ser considerado o mais indicado do que o modelo que considera NO com distribuição normal. O modelo de equações estruturais lineares generalizados mistos é eficiente na descrição fenotípica e a avaliação do NO com distribuição Poisson foi melhor do que aquela que considera esta característica como sendo normalmente distribuída.