1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Mestrado (Dissertações)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/3423
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, José Waldemar da-
dc.date.accessioned2014-09-02T21:36:02Z-
dc.date.available2014-09-02T21:36:02Z-
dc.date.issued2014-09-02-
dc.date.submitted2004-02-03-
dc.identifier.citationSILVA, 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.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/3423-
dc.descriptionEsta dissertação/tese está disponível online com base na Resolução CEPE nº 090, de 24 de março de 2015, disponível em http://www.biblioteca.ufla.br/wordpress/wp-content/uploads/res090-2015.pdf, que dispõe sobre a disponibilização da coleção retrospectiva de teses e dissertações online no Repositório Institucional da UFLA, sem autorização prévia dos autores. Parágrafo Único. Caberá ao autor ou orientador a solicitação de restrição quanto à divulgação de teses e dissertações com pedidos de patente ou qualquer embargo similar. Art. 5º A obra depositada no RIUFLA que tenha direitos autorais externos à Universidade Federal de Lavras poderá ser removida mediante solicitação por escrito, exclusivamente do autor, encaminhada à Comissão Técnica da Biblioteca Universitária./ Arquivo gerado por meio da digitalização de material impresso. Alguns caracteres podem ter sido reconhecidos erroneamente.-
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectComponentes da variânciapt_BR
dc.subjectInferência bayesianapt_BR
dc.subjectModelos lineares generalizados mistospt_BR
dc.subjectModelo poissonpt_BR
dc.subjectBayesian inferencept_BR
dc.subjectVariance components-
dc.subjectGeneralized mixed linear models-
dc.subjectPoisson models-
dc.subjectPotato-
dc.titleAnálise bayesiana de um modelo linear generalizado misto: emprego no melhoramento de plantaspt_BR
dc.title.alternativeBayesian annalysis of a generalized linear mixed model in plant breedingpt_BR
dc.typedissertaçãopt_BR
dc.publisher.programDEX - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Bueno Filho, Júlio Sílvio de Sousa-
dc.contributor.referee1Ferreira, Daniel Furtado-
dc.contributor.referee1Ramalho, Magno Antonio Patto-
dc.contributor.referee1Muniz, Joel Augusto-
dc.description.resumoA 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.pt_BR
dc.description.resumoAnalysing 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.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_Analise bayesiana de um modelo linear generalizado misto: emprego no melhoramento de plantas.pdf3,86 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.