Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightMIVQUE yönteminde kovaryetenin modele dahil edilmesi sonucunda çevre varyansının artması, bu yöntemin olumsuz tarafı olarak tespit edilmiştir.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada, genetik parametre tahmininde sıkça kullanılan yöntemlerden REML, MINQUE ve MIVQUE yöntemlerinin, modele kovaryans faktör dahil edildiği durumda varyans unsurları tahminindeki etkinliklerinin belirlenmesi amaçlanmıştır. Çalışmada simülasyon ile elde edilen, dengeli ve normal dağılımlı veriler kullanılmıştır. Varyans unsurları tahmininde hem sabit hem de şansa bağlı faktörlerin bulunduğu karışık model kullanılmıştır. Süt verimi için kuruda kalma süresi, doğum ağırlığı için ananın canlı ağırlığı kovaryeteler olarak belirlenmiştir. Yöntemlerle elde edilen varyans unsurlarının karşılaştırılmasında, çevre varyansının küçük olması ve çevre varyansının toplam varyansa oranının küçük olması kriterleri esas alınmıştır. Yöntemler karşılaştırıldığında, kovaryetenin modele dahil edildiği durumda hem süt verimi için hem de doğum ağırlığı için en iyi sonuçlar MINQUE yöntemi ile elde edilmiştir. Fakat MINQUE yöntemi ile negatif varyans unsuru elde edilmiştir. MIVQUE yönteminde kovaryetenin modele dahil edilmesi sonucunda çevre varyansının artması, bu yöntemin olumsuz tarafı olarak tespit edilmiştir. Karışık modele kovaryans faktörlerin dahil edildiği ve edilmediği durumlarda, dengeli ve normal dağılımlı verilerde genetik parametre tahminlenirken REML yönteminin sonuçlarının MINQUE ve MIVQUE yöntemlerine göre daha iyi ve güvenilir sonuçlar verdiği tespit edilmiştir.
Abstract
In this study, it was aimed to determine the efficiency of REML, MINQUE and MIVQUE methods, which are frequently used methods in estimating genetic parameters, in the estimation of variance components when the covariance factor is included in the model. Balanced and normally distributed data obtained by simulation were used in the study. A mixed model with both fixed and chance factors was used in the estimation of variance components. Dry period for milk yield and dam’s live weight for birth weight were determined as covariates. In comparing the variance components obtained by the methods, the criteria of having a small environmental variance and a small ratio of environmental variance to total variance were taken as basis. When the methods were compared, the best results for both milk yield and birth weight were obtained with the MINQUE method when the covariate was included in the model. However, the negative variance was obtained with the MINQUE method. In the MIVQUE method, the increase in environmental variance as a result of the inclusion of the covariate in the model was determined as the negative side of this method. In cases where covariance factors were included or not included in the mixed model, the results of the REML method were found to be better and more reliable than the MINQUE and MIVQUE methods when estimating the genetic parameter in the balanced and normally distributed data.