Comparação bayesiana de modelos com uma aplicação para o equilíbrio de Hardy-Weinberg usando o coeficiente de desequilíbrio

• Autor(a) principal: Reis, Ricardo Luis dos
• Data de Publicação: 2011
• Outros Autores: Muniz, Joel Augusto, Silva, Fabyano Fonseca e, Sáfadi, Thelma, Aquino, Luiz Henrique de
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://dx.doi.org/10.1590/S0103-84782011000500016; http://www.locus.ufv.br/handle/123456789/24743
• topic: Fator de Bayes; Genética de populações; Simulação de dados; Bayes factor; Population genetics; Simulation data

O equilíbrio de Hardy-Weinberg é um dos principais assuntos estudados pela Genética de populações. Neste contexto, o presente trabalho aborda a análise e a comparação bayesiana de modelos utilizando o coeficiente de desequilíbrio (D A ). Para isso, realizou-se um estudo de simulação no qual as seguintes distribuições a priori foram consideradas: Dirichlet (modelo 1); beta - função degrau uniforme (modelo 2); uniforme - função degrau uniforme (modelo 3); e as prioris independentes uniformes (modelo 4). Exemplos de aplicação a dados reais de grupos raciais também são apresentados e discutidos. As amostras das distribuições marginais a posteriori para os parâmetros de interesse foram obtidas mediante o algoritmo Metropolis-Hastings, o qual foi implementado no software livre R. A convergência das cadeias geradas por este algoritmo foi monitorada pelos critérios de Geweke e Gelman & Rubin, os quais estão implementados no pacote BOA do R. Quanto às comparações entre os modelos, efetuadas por meio do fator de Bayes, observa-se que, para os dados simulados, o modelo 4 é o mais indicado para os casos de D A =0,146, D A =0,02 e D A =-0,02 com n=200; o modelo 2 é o mais indicado para D A =-0,02 e n=50 e o modelo 3 é o mais indicado para D A =-0,02 e n=1000. Para os dados reais, em cada caso analisado, nota-se uma grande diferenciação na escolha de modelos, em que apenas o modelo 1 não é recomendado.