Comparação numérica de três estimadores de componentes de variância em alguns modelos genético-estatísticos de cruzamentos

• Autor(a) principal: Seraphin, José Carlos
• Data de Publicação: 1984
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://teses.usp.br/teses/disponiveis/11/11134/tde-20220207-234204/
• topic: COMPONENTES DE VARIÂNCIA; CRUZAMENTOS; ESTIMADORES; MODELOS

A literatura estatística em geral, embora apresente muitos estudos e discussões sobre os estimadores de componentes de variância, pouco, ou quase nada, traz sobre as comparações destes. Neste trabalho fez-se a comparação numérica de três estimadores de componentes de variância em dois modelos lineares genéticos-estatísticos de cruzamentos, usando como medida de eficiência, de cada estimador, o erro quadrático médio, além do tempo gasto em CPU (Unidade Central de Processamento) e outras características, tais como: estimativas médias para cada componente de variância, com o valor mínimo e o máximo encontrado, número de estimativas negativas e experimentos cujo processo numérico de estimação não convergiu. Os estimadores estudados foram: ajuste de constantes ou método 3 de Henderson, estimadores de máxima verossimilhança e os estimadores quadráticos não tendenciosos de mínima variância - MIVQUE, enquanto que os modelos foram os de: classificação hierárquica, aleatório (Modelo I) e o fatorial, misto, com interação (Modelo II), referenciados em HALLAUER e MIRANDA FILHO (1981) como "Design I" e "Design III", respectivamente. Os dados foram simulados a partir da distribuição normal, para cada modelo estudado, considerando-se duas relações de variâncias, σ2i/σ2, onde σ2i é a variância do efeito aleatório, exceção do erro, e σ2 variância do erro, tomando-se para cada uma os casos balanceados e não balanceados, com 5% de parcelas ou "células" vazias. Uniformemente nenhum dos métodos, ajuste de constantes e MIVQUE, é melhor do que o outro para os modelos estudados, embora deve-se preferir o método MIVQUE caso os recursos computacionais sejam de fácil acesso, dada sua rapidez e eficiência como estimador. Caso contrário, deve-se preferir o método de ajuste de constantes, tão eficiente como o anterior e de cálculo relativamente fácil para os modelos estudados. Já o método de máxima verossimilhança, baseado somente nos dados de eficiência, foi mais eficiente que os dois apenas no modelo II, podendo, portanto, ser empregado para esse modelo, desde que não se considere de fundamental importância a tendenciosidade e os problemas de convergência e tempo.