COMPARAÇÃO DE MÉTODOS NO AJUSTAMENTO DE CURVAS DE LACTAÇÃO DE BOVINOS POR MEIO DE SIMULAÇÃO

Ano: 2003 | Volume: 27 | Número: 4

Autores: E. B. Ferreira, E. Bearzoti

Palavras-chave: regressão aleatória, modelos mistos, curva de lactação

Resumo Português:

Curvas de lactação representam a produção
de leite de uma fêmea leiteira em função do tempo.
Uma vez que tais curvas variam aleatoriamente de animal
para animal, devido a fatores tanto genéticos quanto
ambientais, o modelo misto conhecido como regressão
aleatória é apropriado para ajustar os dados de produção
de um rebanho. A regressão aleatória foi avaliada neste
estudo mediante simulação de dados. Produções de cinco
animais em cinco idades foram simuladas em mil
conjuntos de dados independentes, em três níveis de
precisão, ou seja, a razão entre a variância de regressão
e a total igual a 0,9 (variância alta), 0,5 (variância média)
e 0,1 (variância baixa) e três graus médios de parentesco
entre os animais. A regressão aleatória foi utilizada
de duas maneiras, admitindo-se ou não que as variâncias
genéticas e de meio fossem conhecidas, comparando-
a com o método de quadrados mínimos ordinário.
Pelos resultados pode-se concluir que, com baixa precisão,
os modelos tiveram comportamento semelhante
quanto ao erro quadrático médio e desvios absolutos
médios. O nível de precisão foi o fator mais influente do
que o grau de parentesco no desempenho relativo dos
modelos. De maneira geral, a regressão aleatória com variâncias
conhecidas propiciou predições mais precisas, seguida
da regressão aleatória estimando-se tais variâncias.
Concluiu-se que a regressão aleatória é potencialmente útil
sob condições de alta variabilidade ambiental relativa,
mesmo com variâncias desconhecidas.

Resumo Inglês:

Lactation curves represent milk
production of a dairy dam as a function of time. Since
such curves vary randomly among individuals, due to
environment and genetic factors, the mixed model
known as random regression is suitable for fitting such
curves, and it was evaluated in this study through data
simulation. Milk production of five animals in five ages
was simulated in one thousand random and independent
data sets, considering three precision levels, variation
due to the model in relation to the residual variation of
0,9 (high variance), 0,5 (medium variance) and 0,1 (low
variance) and three average degrees of relationship.
Random regression was used in two ways, admitting or
not that the variances of the model (genetic and of
environment) were known, and compared to the
ordinary least squares method. Results showed that,
under low variance, the models had similar fits, with
regard mean square error and mean absolute deviation.
The level of precision was more influential than the
degree of relationship on relative performance of
models. In general, random regression with known
variances yielded the most precise predictions, followed
by random regression estimating such variances.
Results suggest that random regression is potentially
useful under high environmental heterogeneity, even if
variances are unknown.