Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding

Detalhes bibliográficos
Autor(a) principal: Silva, Fabyano Fonseca e
Data de Publicação: 2008
Outros Autores: Sáfadi, Thelma, Muniz, Joel Augusto, Aquino, Luiz Henrique de, Mourão, Gerson Barreto
Tipo de documento: Artigo
Idioma: por
Título da fonte: Pesquisa Agropecuária Brasileira (Online)
Texto Completo: https://seer.sct.embrapa.br/index.php/pab/article/view/7958
Resumo: 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%.
id EMBRAPA-4_25d00471d039d93999959c61391f2c28
oai_identifier_str oai:ojs.seer.sct.embrapa.br:article/7958
network_acronym_str EMBRAPA-4
network_name_str Pesquisa Agropecuária Brasileira (Online)
repository_id_str
spelling Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breedingComparação bayesiana de modelos de previsão de diferenças esperadas nas progênies no melhoramento genético de gado NeloreMCMC algorithm; panel data; autoregressive modelalgoritmos MCMC; dados em painel; modelo auto-regressivoThe 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%.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%.Pesquisa Agropecuaria BrasileiraPesquisa Agropecuária BrasileiraSilva, Fabyano Fonseca eSáfadi, ThelmaMuniz, Joel AugustoAquino, Luiz Henrique deMourão, Gerson Barreto2008-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://seer.sct.embrapa.br/index.php/pab/article/view/7958Pesquisa Agropecuaria Brasileira; v.43, n.1, jan. 2008; 37-45Pesquisa Agropecuária Brasileira; v.43, n.1, jan. 2008; 37-451678-39210100-104xreponame:Pesquisa Agropecuária Brasileira (Online)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPAporhttps://seer.sct.embrapa.br/index.php/pab/article/view/7958/4717info:eu-repo/semantics/openAccess2010-10-13T12:18:15Zoai:ojs.seer.sct.embrapa.br:article/7958Revistahttp://seer.sct.embrapa.br/index.php/pabPRIhttps://old.scielo.br/oai/scielo-oai.phppab@sct.embrapa.br || sct.pab@embrapa.br1678-39210100-204Xopendoar:2010-10-13T12:18:15Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false
dc.title.none.fl_str_mv Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding
Comparação bayesiana de modelos de previsão de diferenças esperadas nas progênies no melhoramento genético de gado Nelore
title Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding
spellingShingle Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding
Silva, Fabyano Fonseca e
MCMC algorithm; panel data; autoregressive model
algoritmos MCMC; dados em painel; modelo auto-regressivo
title_short Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding
title_full Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding
title_fullStr Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding
title_full_unstemmed Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding
title_sort Bayesian comparison of forecasting models to expected progenies difference in Nelore cattle genetic breeding
author Silva, Fabyano Fonseca e
author_facet Silva, Fabyano Fonseca e
Sáfadi, Thelma
Muniz, Joel Augusto
Aquino, Luiz Henrique de
Mourão, Gerson Barreto
author_role author
author2 Sáfadi, Thelma
Muniz, Joel Augusto
Aquino, Luiz Henrique de
Mourão, Gerson Barreto
author2_role author
author
author
author
dc.contributor.none.fl_str_mv

dc.contributor.author.fl_str_mv Silva, Fabyano Fonseca e
Sáfadi, Thelma
Muniz, Joel Augusto
Aquino, Luiz Henrique de
Mourão, Gerson Barreto
dc.subject.por.fl_str_mv MCMC algorithm; panel data; autoregressive model
algoritmos MCMC; dados em painel; modelo auto-regressivo
topic MCMC algorithm; panel data; autoregressive model
algoritmos MCMC; dados em painel; modelo auto-regressivo
description 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%.
publishDate 2008
dc.date.none.fl_str_mv 2008-01-01
dc.type.none.fl_str_mv
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://seer.sct.embrapa.br/index.php/pab/article/view/7958
url https://seer.sct.embrapa.br/index.php/pab/article/view/7958
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://seer.sct.embrapa.br/index.php/pab/article/view/7958/4717
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Pesquisa Agropecuaria Brasileira
Pesquisa Agropecuária Brasileira
publisher.none.fl_str_mv Pesquisa Agropecuaria Brasileira
Pesquisa Agropecuária Brasileira
dc.source.none.fl_str_mv Pesquisa Agropecuaria Brasileira; v.43, n.1, jan. 2008; 37-45
Pesquisa Agropecuária Brasileira; v.43, n.1, jan. 2008; 37-45
1678-3921
0100-104x
reponame:Pesquisa Agropecuária Brasileira (Online)
instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron:EMBRAPA
instname_str Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron_str EMBRAPA
institution EMBRAPA
reponame_str Pesquisa Agropecuária Brasileira (Online)
collection Pesquisa Agropecuária Brasileira (Online)
repository.name.fl_str_mv Pesquisa Agropecuária Brasileira (Online) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
repository.mail.fl_str_mv pab@sct.embrapa.br || sct.pab@embrapa.br
_version_ 1793416714344464384

Registros relacionados