Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DEX - Departamento de Ciências Exatas >
DEX - Programa de Pós-graduação >
DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações) >

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/3423

Title: Análise bayesiana de um modelo linear generalizado misto: emprego no melhoramento de plantas
Other Titles: Bayesian annalysis of a generalized linear mixed model in plant breeding
???metadata.dc.creator???: Silva, José Waldemar da
???metadata.dc.contributor.advisor1???: Bueno Filho, Júlio Sílvio de Sousa
???metadata.dc.contributor.referee1???: Ferreira, Daniel Furtado
Ramalho, Magno Antonio Patto
Muniz, Joel Augusto
???metadata.dc.description.concentration???: Estatística e Experimentação Agropecuária
Keywords: Componentes da variância
Inferência bayesiana
Modelos lineares generalizados mistos
Modelo poisson
Bayesian inference
Variance components
Generalized mixed linear models
Poisson models
Potato
???metadata.dc.date.submitted???: 3-Feb-2004
Issue Date: 2-Sep-2014
Citation: SILVA, J. W. Analise bayesiana de um modelo linear generalizado misto: emprego no melhoramento de plantas. 2004. 77 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)- Universidade Federal de Lavras, Lavras, 2004.
???metadata.dc.description.resumo???: A análise de dados experimentais freqüentemente envolve tratamentos de efeitos aleatórios. São também relativamente frequentes dados de contagens para características de interesse, que em geral apresentam distribuição Poisson. Nestes casos a forma adequada de analise é ajustar modelos lineares generalizados mistos (MLGM). É comum a realização de inferências de forma assintótica usando aproximações normais do modelo descrito acima. Embora muitas vezes tais aproximações sejam satisfatórias, a inferência bayesiana permite a obtenção de distribuições exatas a posteriori para cada parâmetro. Neste trabalho foi aplicada a amostragem Gibbs para o ajuste de um MLGM usando a inferência bayesiana em um ensaio envolvendo dados de contagens de tubérculos graúdos em batata, visando a obtenção de estimativas de parâmetros genéticos como herdabilidades, componentes da variância e valores genéticos. Para ilustrar a metodologia foram utilizados dados experimentais do Programa de Melhoramento Genético de Batata da Universidade Federal de Lavras (UFLA). Implementou-se um algoritmo no software R para a amostragem Gibbs das distribuições a posteriori nas quais se pôde estimar os parâmetros genéticos e fenotípicos de interesse. Foram também tomadas amostras de combinações lineares e não lineares dos parâmetros originais do modelo, gerando novas distribuições a posteriori e respectivas inferências. Em virtude dos resultados apresentados, pode-se atestar que a inferência bayesiana é uma forma adequada e confiável para a análise de dados experimentais em genética.
Analysing experimental data in genetics is a common assumption that treatment effects comes from a probability distribution. Count data that shows Poisson distribution are also common responses for many economic important traits. In this case the correct analysis is based on fitting a generalized mixed linear model (GMLM). Assimptotic inference using normal approximation of the above model is a common choice. Although this usually results in good analysis, bayesian inference makes possible to get the exact posterior distributions for each parameter. In this work we had implemented Gibbs sampling to fit a GMLM using bayesian inference on data from a field trial on numbers of large tubers in potato, to get estimates of genetic parameters as heritabilities, variance components and genetic values. As an example it was used experimental data from the potato breeding program of the Universidade Federal de Lavras (UFLA). A Gibbs Sampling algorithm was implemented on R to get the posterior distributions on which inference on each genetic and phenotypic parameter can be done. Samples from linear and non-linear combinations of the original parameters of the model wer also taken, getting addictional posterior distributions and respective inferences. Results support the idea that bayesian inference is na elegant and reliable way to annalyse genetic experiments.
URI: http://repositorio.ufla.br/jspui/handle/1/3423
Publisher: UNIVERSIDADE FEDERAL DE LAVRAS
???metadata.dc.language???: pt_BR
Appears in Collections:DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Files in This Item:

There are no files associated with this item.

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback