Aplicação do modelo de limiar utilizando a Inferência Bayesiana no melhoramento animal
DOI:
https://doi.org/10.22256/pubvet.v6n27.1427Palavras-chave:
amostragem de Gibbs, componentes de variância, dados categóricos, distribuição discreta, predisposiçãoResumo
A aplicação de metodologias modernas utilizando o modelo animal é imprescindível para a condução eficiente de qualquer programa de melhoramento. Os procedimentos aplicados para características nas quais a variação contínua é assumida não são adequados para aquelas com variação não contínua. No modelo de limiar assume-se o processo de resposta está associado a uma variável contínua subjacente que apresenta distribuição normal contínua. A representação probabilística de todo o conhecimento incerto é a essência da inferência Bayesiana, seja tal conhecimento relacionado ao futuro, quantidades observáveis ou parâmetros desconhecidos. Os conceitos de priori e posteriori são sempre relativos à observação considerada no momento. Assim, objetivou-se com esta revisão apresentar e discutir algumas tendências e aplicações de modelo de limiar sob o enfoque da inferência Bayesiana, aplicado ao melhoramento genético animal.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2012 Natanael Pereira da Silva Santos, José Lindenberg Rocha Sarmento, José Elivalto Guimarães Campelo, Aurino de Araujo Rego Neto, Luiz Antonio Silva Figueiredo Filho, Márcio da Silva Costa, Daniel Biagiotti, Fabrício Fernandes Guimarães
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Você tem o direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato
Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença. De acordo com os termos seguintes:
Atribuição
— Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso. Sem restrições adicionais
— Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.