Efeito da escala e do modelo de análise na avaliação genética de escores visuais: estudo de simulação

• Ano de defesa: 2011
• Autor(a) principal: Barichello, Fabiana [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Bovino de corte; Escores visuais; Simulação; Beef cattle; Scale of evaluation; Threshold mold; Transformed data
• Link de acesso: http://hdl.handle.net/11449/102787

Várias características são avaliadas por meio de escores visuais nos programas de avaliação genética no Brasil. Os sistemas de atribuição dos escores variam quanto ao número de classes de notas, ao referencial adotado para atribuição das notas e à frequência das notas nas diferentes classes e ao modelo empregado na análise dos dados. O objetivo neste estudo foi avaliar o impacto de diferentes escalas de atribuição dos escores, modelos de análise dos dados e sua interação na identificação dos genótipos superiores para essas características, por meio de dados simulados. Foram simulados dados de uma característica contínua na escala subjacente, transformados em valores (1 a 6) na escala discreta observada, com diferentes escalas (relativa uniforme, relativa normal, relativa assimétrica e fixa), dois valores de herdabilidade (0,25 e 0,49) e duas variâncias de grupos de contemporâneos (0,25 e 1,00). Estimaram-se os valores genéticos utilizando modelos de limiar, linear e linear após transformação dos dados. Análises com modelo de limiar e notas com escala relativa normal apresentaram melhores acurácias para a predição dos valores genéticos. A utilização do modelo de limiar incrementa a acurácia das estimativas, mas em razão da demanda computacional e de problemas de implementação, o modelo linear pode ser empregado na análise de dados categóricos avaliados sob escala relativa normal com seis classes. A transformação de dados proposta foi eficiente em algumas situações, podendo ser considerada como alternativa ao modelo linear, dependendo da estrutura dos dados