Modelos de regressão aleatória na seleção de codornas de corte para produção de ovos
AUTOR(ES)
Teixeira, Bruno Bastos, Euclydes, Ricardo Frederico, Silva, Luciano Pinheiro da, Torres, Robledo de Almeida, Silva, Felipe Gomes da, Carneiro, Antonio Policarpo Souza, Lehner, Helmut Gonçalves, Teixeira, Rafael Bastos
FONTE
Pesq. agropec. bras.
DATA DE PUBLICAÇÃO
2013-07
RESUMO
O objetivo deste trabalho foi avaliar modelos de regressão aleatória com diferentes ordens de polinômios de Legendre, quanto ao melhor ajuste para a produção de ovos de codornas de corte. Foram avaliados os grupos genéticos UFV1 e UFV2 de codornas de corte, de origens distintas, do programa de melhoramento genético da Universidade Federal de Viçosa. Determinou-se a produção semanal de ovos de 1.294 matrizes, da 6ª até a 57ª semana de idade, das quais 644 do grupo genético UFV1 e 650 do UFV2. Utilizou-se o modelo animal em regressão aleatória pelo programa Wombat e, para modelar as trajetórias das características com o tempo, aplicaram-se as funções polinomiais de Legendre. Foram feitas comparações pelo critério de informação de Akaike, critério de informação bayesiano de Schwarz, logaritmo da função de verossimilhança e teste da razão de verossimilhança. O modelo com K = 3, para efeitos fixos, Ka = 4, para efeitos genéticos, e Kc = 4, para efeito de ambiente, propicia melhor ajuste para ambas as linhagens, não provoca grandes alterações nos componentes de variância e fornece melhores estimativas de herdabilidade.
ASSUNTO(S)
coturnix coturnix herdabilidade polinômios de legendre wombat
Documentos Relacionados
- Modelos de regressão aleatória para descrição da curva de crescimento de codornas de corte
- Utilização de dados parciais na seleção de codornas de corte para produção de ovos
- Heterogeneidade de variância residual em modelos de regressão aleatória na descrição do crescimento de codornas de corte
- Estimativas da trajetória genética do crescimento de codornas de corte utilizando modelos de regressão aleatória
- Avaliação do crescimento de codornas de corte utilizando modelos de regressão aleatória