Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/866226
Full metadata record
DC FieldValueLanguage
dc.contributor.authorCARNEIRO JUNIOR, J. M.pt_BR
dc.contributor.authorASSIS, G. M. L. dept_BR
dc.contributor.authorEUCLYDES, R. F.pt_BR
dc.contributor.authorMARTNS, W. M. de O.pt_BR
dc.contributor.authorWOLTER, P. F.pt_BR
dc.date.accessioned2011-04-10T11:11:11Zpt_BR
dc.date.available2011-04-10T11:11:11Zpt_BR
dc.date.created2010-11-06pt_BR
dc.date.issued2010pt_BR
dc.identifier.citationActa Scientiarum. Animal Sciences, Maringá, v. 32, n. 3, p. 337-344, 2010.pt_BR
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/866226pt_BR
dc.descriptionDados simulados foram utilizados para comparar as metodologias Eblup e Bayesiana, em dados com homogeneidade de variâncias, heterogeneidade de variância genética e heterogeneidade de variância genética e ambiental. Para obtenção dessas estruturas foram feitos descartes estratégicos dos valores genéticos aditivos e ambientais de acordo com o tipo de heterogeneidade e o nível de variabilidade desejada (alta, média ou baixa), sendo utilizados dois tamanhos de população (grande e pequena). Para a metodologia Bayesiana foram utilizados três níveis de informação a priori: não informativo, pouco informativo e informativo. A presença da heterogeneidade de variâncias causa problemas para a seleção dos melhores indivíduos, principalmente se a heterogeneidade estiver nos componentes de variância genética e ambiental, sendo os animais selecionados equivocadamente do ambiente mais variável. Os métodos comparados tiveram resultados semelhantes, quando distribuições a priori não informativas foram utilizadas, e as populações de tamanho grande, de modo geral, apresentaram melhores predições de valores genéticos. Foi observado, para a metodologia Bayesiana, que o aumento no nível de informação a priori influencia positivamente as predições dos valores genéticos, principalmente para as populações pequenas. O método Bayesiano é indicado para populações de tamanho pequeno quando há disponibilidade de distribuições a priori informativas.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectAvaliação genéticapt_BR
dc.subjectGenetic parameterspt_BR
dc.subjectInferência Bayesianapt_BR
dc.subjectBayesian inferencept_BR
dc.subjectMetodologia Ebluppt_BR
dc.subjectInformação a prioript_BR
dc.subjectHeterogeneidade de variânciapt_BR
dc.subjectComponentes de variânciapt_BR
dc.subjectAnálisis estadísticopt_BR
dc.subjectCruce de animalespt_BR
dc.subjectHeterogeneidad genéticapt_BR
dc.subjectSimulación por computadorapt_BR
dc.subjectVarianza genéticapt_BR
dc.titlePredição de valores genéticos utilizando inferência bayesiana e frequência em dados simulados.pt_BR
dc.typeArtigo de periódicopt_BR
dc.date.updated2019-01-09T11:11:11Zpt_BR
dc.subject.thesagroMelhoramento genético animalpt_BR
dc.subject.thesagroParâmetro genéticopt_BR
dc.subject.thesagroEstimativapt_BR
dc.subject.thesagroAnálise estatísticapt_BR
dc.subject.thesagroMétodo estatísticopt_BR
dc.subject.thesagroModelo de simulaçãopt_BR
dc.subject.nalthesaurusAnimal breedingpt_BR
dc.subject.nalthesaurusGenetic variancept_BR
dc.subject.nalthesaurusGenetic heterogeneitypt_BR
dc.subject.nalthesaurusStatistical analysispt_BR
dc.subject.nalthesaurusComputer simulationpt_BR
riaa.ainfo.id866226pt_BR
riaa.ainfo.lastupdate2019-01-09 -02:00:00pt_BR
dc.identifier.doihttp://dx.doi.org/10.4025/actascianimsci.v32i3.7862pt_BR
dc.contributor.institutionJOSE MARQUES CARNEIRO JUNIOR, CPAF-AC; GISELLE MARIANO LESSA DE ASSIS, CPAF-AC; Ricardo Frederico Euclydes, Universidade Federal de Viçosa (UFV); Williane Maria de Oliveira Martins, Embrapa Acre; Priscila Ferreira Wolter, Embrapa Acre.pt_BR
Appears in Collections:Artigo em periódico indexado (CPAF-AC)

Files in This Item:
File Description SizeFormat 
23714.pdf106.04 kBAdobe PDFThumbnail
View/Open
Show simple item record

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace