Avaliação de métodos de estimação de componentes de variância com aplicação em bovinos Nelore /
Foram avaliados quatro métodos clássicos de estimação de componentes de variância: em modelos aleatórios, em classificação simples e aninhada, em dois estágios e misto em classificação cruzada com interação de dois fatores, através de simulação, na qual foi empregada uma variedade de situações envol...
Na minha lista:
| Principais autores: | , , |
|---|---|
| Formato: | Dissertação |
| Publicado em: |
|
| Assuntos: | |
| Endereço do item: | https://app.bczm.ufrn.br/home/#/item/74160 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| Resumo: | Foram avaliados quatro métodos clássicos de estimação de componentes de variância: em modelos aleatórios, em classificação simples e aninhada, em dois estágios e misto em classificação cruzada com interação de dois fatores, através de simulação, na qual foi empregada uma variedade de situações envolvendo cinco razões de variâncias ,σ2a/σ2e, sendo σ2ß a variância dos efeitos aleatórios (exceto o erro) e σ2e a variância do erro, três níveis crescentes de não balanceamento e três tamanhos de amostra. Foram expostos alguns aspectos teóricos do método Bayesiano, seguidos de um exemplo ilustrativo. Estimativas dos componentes de variância de cada modelo foram obtidas pelo método da análise de variância, ANOVA; por máxima verossimilhança, ML; por máxima verossimilhança restrita, REML; e por estimação quadrática não tendenciosa de variação mínima, MIVQUE(0). Também é apresentada uma aplicação em bovinos Nelore. Os estimadores foram avaliados pelas estatísticas viés e erro quadrático médio. O estimador ML foi o mais indicado para o modelo aleatório em classificação simples e razão de variância igual a 0,05 por ser menos tendencioso e mais eficiente que os outros estimadores. Ele também foi recomendado para os outros dois modelos pelo seu melhor desempenho em todas razões de variância, níveis de não balanceamento e tamanhos de amostra, embora seja mais tendencioso, revele alguma dificuldade de convergência e exija maior tempo de processamento computacional. Os estimadores REML e ANOVA são aconselhados como outras opções por serem menos tendenciosos e apresentarem pequenos erros quadráticos médios. O MIVQUE(0) constituiu o método menos eficaz. O método Bayesiano, disponível no programa SAS, mostrou ser uma alternativa viável, flexível e promissora para usuários menos familiarizados com a metodologia Bayesiana. |
|---|