Comparação bayesiana de modelos de previsão de diferenças esperadas nas progênies no melhoramento genético de gado Nelore Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding

• Main Authors: Fabyano Fonseca e Silva, Thelma Sáfadi, Joel Augusto Muniz, Luiz Henrique de Aquino, Gerson Barreto Mourão
• Format: Article
• Language: English
• Published: Embrapa Informação Tecnológica 2008-01-01
• Series: Pesquisa Agropecuária Brasileira
• Subjects: algoritmos MCMC; dados em painel; modelo auto-regressivo; MCMC algorithm; panel data; autoregressive model
• Online Access: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-204X2008000100006

O objetivo deste trabalho foi realizar uma análise bayesiana de modelos auto-regressivos de ordem p, AR(p), para dados em painel referentes às diferenças esperadas nas progênies (DEP) de touros da raça Nelore publicados de 2000 a 2006. Neste trabalho, adotou-se o modelo AR(2), indicado pela análise prévia da função de autocorrelação parcial. As comparações entre as prioris, realizadas por meio do Fator de Bayes e do Pseudo-Fator de Bayes, indicaram superioridade da priori independente t-Student multivariada - Gama inversa em relação à priori hierárquica Normal multivariada - Gama inversa e a priori de Jeffreys. Os resultados indicam a importância de se dividir os animais em grupos homogêneos de acordo com a acurácia. Constatou-se também que, em média, a eficiência de previsão dos valores de DEP para um ano futuro foi próxima de 80%.<br>The objective of this work was to accomplish a bayesian analysis of an autoregressive, AR(p), panel data model from Nelore sires' expected progenie difference (EPD) observed during 2000-2006. The AR(2) model was used due to the results of partial autocorrelation function analysis. The prior comparisons were performed through Bayes Factor and Pseudo-Bayes Factor, and the results showed the independent t-Student multivariate - inverse Gamma superiority in relation to the hierarchical multivariate Normal - inverse Gamma and Jeffreys prior. Results indicate the importance of sires grouping by accuracy values, and also show forecast efficiency around 80%.