SciELO - Scientific Electronic Library Online

 
vol.34 issue6  suppl.Modeling the growth of Brazilian cattle populationEstimates of genetic gain based on selection differentials and population parameters in a herd of Caracu cattle author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

Share


Revista Brasileira de Zootecnia

Print version ISSN 1516-3598On-line version ISSN 1806-9290

R. Bras. Zootec. vol.34 no.6 suppl.0 Viçosa Nov./Dec. 2005

http://dx.doi.org/10.1590/S1516-35982005000700010 

MELHORAMENTO, GENÉTICA E REPRODUÇÃO

 

Alternativas de análises em dados de medidas repetidas de bovinos de corte

 

Alternative analyses of repeated weight measurements of beef cattle

 

 

Alfredo Ribeiro de FreitasI; Cátia Valéria PresottiII; Fábio Luiz Buranelo ToralIII

IPesquisador da Embrapa Pecuária Sudeste, Caixa Postal 339,CEP: 13560-970 - São Carlos, SP. Bolsista do CNPq.
E.mail: ribeiro@cppse.embrapa.br
IIPós-graduanda do curso de Estatística da UFSCar - São Carlos, SP. Email: catia_v_p@hotmail.com
IIIZootecnista - Doutorando em Melhoramento Genético Animal - UFV

 

 


RESUMO

Objetivou-se estudar duas alternativas de análises de variâncias e covariâncias para dados de pesagens de bovinos. Foram utilizados dados de animais Nelore, Guzerá, Gir e Indubrasil, machos e fêmeas, pertencentes à Associação Brasileira de Criadores de Zebu - ABCZ. De cada indivíduo, foram obtidas, em intervalos trimestrais, nove medidas repetidas de pesos, do nascimento aos dois anos de idade. Na primeira análise, a variável resposta yi foi transformada por meio da família de transformação de Box-Cox yil = (yl-l)/l, (l ¹ 0) ou yi = log yi, (l = 0). Essa transformação foi efetiva na redução dos coeficientes de assimetria e da heterogeneidade de variância para todas as pesagens e raças. Na segunda análise, foi selecionada a estrutura de covariâncias mais adequada para representar a variabilidade dentro de indivíduo, considerando-se um modelo misto usual para medidas repetidas. Utilizando-se os critérios fornecidos pelo procedimento MIXED do SAS: distribuição de c2, AIC ("Akaike's Information Criterion") e SBC ("Schwarz's Bayesian Criterion"), a estrutura de covariância mais adequada para todas as raças foi a Não-Estruturada, seguida da estrutura Fator-Analítico para Nelore, Gir e Indubrasil e Simetria Composta Heterogênea para Guzerá.

Palavras-chave: Critério bayesiano de Schwarz, critério de informação de Akaikes, estruturas de covariâncias, heterogeneidade de variâncias, transformação de Box-Cox


ABSTRACT

Data consisting of individual records of male and female animals of purebred Bos Indicus beef cattle (Nellore, Guzerá, Gir and Indubrasil) weighted every three months from birth to 24 months of age available from National Archive of Brazilian Zebu Breeders Association (ABCZ) were used to evaluate two alternatives (co)variance analyses for body weight. In the first analysis the Box-Cox family transformation yil = (yl-l)/l (l ¹ 0) or yi = log yi, for l=0 was effective in reducing the asymmetry of the coefficients and variance heterogeneity for all weights and breeds. In the second analysis a usual standard mixed model for repeated measures was used to evaluate covariance structures which accounted for the within-individual variances using the goodness of fit criteria provided by PROC MIXED: c² distribution for the null hypothesis, Akaike's Information Criterion and Schwarz's Bayesian Criterion. The best covariance structure for all breeds was the Unstructured followed by the Factor-Analytic for Nellore, Gir and Indubrasil breeds and the Heterogeneous Composed Symmetry for the Guzera breed.

Key Words: Akaike's Information Criterion, beef cattle, Box-Cox transformation, covariance structures selection, Schwarz's Bayesian Criterion


 

 

Introdução

No estudo do desenvolvimento ponderal de bovinos de corte, a análise das pesagens realizadas no indivíduo, dentro de determinado período, pode compreender três aplicações:

1) produzir testes estatísticos para efeitos fixos em regressão e análises de variância (ANAVA), univariada e multivariada e estimar variâncias e covariâncias de efeitos aleatórios; o procedimento tradicionalmente adotado é o GLM do SAS (SAS, 1999-2001), que utiliza o método de quadrados mínimos (Azzalini, 1994; Littel et al., 1998; Troxel et al., 1998, SAS, 1999-2001).

2) estimar parâmetros genéticos de dados de pesos e de ganhos de peso padronizados à determinada idade e, mais recentemente, utilizando-se todos os pesos em análise de regressão aleatória (Nobre, 2001; El Faro, 2002; Cyrillo, 2003; Dias, 2004). Nesse caso, para a estimação de componentes de variâncias e covariâncias, utilizam-se programas em linguagem FORTRAN TROXEL e os métodos da Máxima Verossimilhança Restrita (Boldman et al., 1995) e Inferência Bayesiana (Van Tassel & Van Vleck, 1995).

3) analisar de medidas repetidas (Azzalini, 1994; Troxel et al., 1998; Reiezigel, 1999) quando as respostas ou condições de avaliação são avaliadas na mesma unidade experimental ou no mesmo indivíduo, que são classificados dentro de subpopulações ou tratamentos. O modelo misto comumente utilizado é: yijk = µ + ai +dij + gk + (ag)ik + eijk, em que yijk é a resposta no tempo k do indivíduo j no grupo de tratamento i; µ, o efeito médio geral; ai, o efeito fixo do tratamento i; dij, o efeito aleatório do indivíduo j no grupo de tratamento i; gk, o efeito fixo do tempo k; (ag)ik, o efeito da interação fixa do tratamento i com o tempo k; eijk, o erro aleatório (Littel et al., 1998). Essas análises são importantes para comparar tratamentos ou grupos de tratamentos entre si considerando-se tempos específicos, médias dos tempos, todas as medidas repetidas (profile analysis), como os estudos de curvas de crescimento, entre outros (Lambert, 1996; Paz, 2004).

Nas aplicações 1, 2 e 3 a dados de desenvolvimento ponderal de bovinos, devem-se considerar algumas características inerentes aos dados e que interferem nas análises: a) são irregulares no tempo; b) possuem estrutura incompleta; c) as avaliações adjacentes são mais estreitamente correlacionadas que as demais; d) a variabilidade da resposta dos indivíduos em função do tempo é crescente.

O uso do GLM nas aplicações em 1 proporciona resultados incorretos e limitados, principalmente porque não permite modelar a estrutura de covariância dos dados. O GLM é válido somente para os testes univariados e no caso de medidas repetidas quando a matriz de variância covariância dentro de indivíduos é do tipo Simetria Composta ou Huynh-Feldt (Littel et al., 1998).

Nas aplicações 1 e 2, para minimizar os problemas supracitados, recomenda-se transformar a variável resposta y por meio da família de transformação de Box-Cox (Peltier et al., 1998), que utiliza o parâmetro de transformação l, de modo que yil = (yl-l)/l (l ¹ 0) ou yil = log yi, (l=0). Segundo Freitas et al. (2002), esta transformação foi eficiente para reduzir os coeficientes de assimetria e de curtose de dados de nove pesagens, do nascimento até os dois anos de idade, de bovinos da raça Gir, machos e fêmeas, pertencentes ao arquivo da ABCZ.

Uma das formas de se utilizar todos os recursos da análise de medidas repetidas (aplicação 3) é o procedimento MIXED do SAS, que possibilita selecionar a estrutura de covariância mais adequada da variação de medidas dentro de indivíduos.

Objetivou-se neste estudo propor alternativas de análises para as aplicações 1, 2 e 3 em dados de pesagens de bovinos, considerando-se dois tipos de análises: a) estimar l por máxima verossimilhança, de modo que yl = (yl-l)/l, para l ¹ 0, seja aproximadamente normal; avaliar a eficiência desta transformação na estabilização das variâncias e na redução dos coeficientes de assimetria e de curtose; e b) selecionar, por meio do procedimento MIXED, as estruturas de covariâncias mais adequadas para representar a variabilidade dentro de indivíduo.

 

Material e Métodos

Foram analisados dados de nove pesagens (uma ao nascimento [P0] e oito [P1 a P8] realizadas em intervalos trimestrais, até os dois anos de idade) de bovinos Nelore, Guzerá, Gir e Indubrasil, machos e fêmeas, pertencentes à Associação Brasileira de Criadores de Zebu - ABCZ.

Na primeira análise, a variável resposta yi foi analisada na escala yil, em que l é obtido da família de transformação de Box-Cox, em que yil = (yl-1)/l, (l ¹ 0). Para cada raça foi obtida uma estimativa de l para os dados de pesagens do animal, independentemente de medidas repetidas. Para a estimativa de l, utilizou-se uma adaptação da macro BOXGLM.SAS, disponível no SAS (2004).

Na segunda análise, utilizando-se dados de pesos para cada raça bovina, foram avaliadas as estruturas de covariâncias descritas na Tabela 1 (Bozdogan, 1987; Wolfinger, 1993; Littell al., 1996), por meio do procedimento MIXED do SAS. Nas estruturas citadas, em dimensão 4 x 4, q é a dimensão da matriz; t, o número de parâmetros diferentes; g, o componente de média móvel; r, o parâmetro autorregressivo; s2, a variância residual; s2i, a i-ésima variância; e dij, a distância euclidiana entre a i-ésima e a j-ésima medida repetida no indivíduo. Foram selecionadas, para cada raça, as duas estruturas mais adequadas para representar a variabilidade dentro de indivíduo. Foi adotado o modelo misto usual para análises de medidas repetidas (Littell et al., 1998):

yijk = µ + ai + dij + tk + (at)ik + eijk

em que yijk é a resposta da avaliação k no indivíduo j no sexo i; µ, a média global; ai, o efeito fixo de sexo i; dij, o efeito aleatório do animal j no sexo i; tk, o efeito fixo do tempo k; (at)ik, o efeito de interação; e eijk, o erro aleatório. O efeito fixo ai foi considerado fator de variação entre os animais e as medidas repetidas dentro do animal foram consideradas condições de avaliação (CA), as quais refletem a estrutura de correlação dentro dos animais. Os efeitos dij são considerados independentes e com variância s2d.

 

 

Sob enfoque matricial, o modelo misto acima é descrito por y = Xb + Zu + e, atribuindo-se o número de observações, de efeitos fixos e aleatórios por n, p e q, respectivamente, em que ynx1 é o vetor de dados observados; Xnxp, a matriz de incidência para os efeitos fixos; bnx1, o vetor que contém os efeitos fixos µ, ai, tk e (at)ik; Znxq, a matriz de incidência dos efeitos aleatórios; uqx1, o vetor que contém os efeitos aleatórios dij; e enx1, o vetor que contém os erros aleatórios (variação dentro do animal). Os vetores u e e são assumidos por terem distribuição normal, com média zero e variância V(u) = G e V(e) = R, respectivamente, ao passo que o vetor y é assumido por ter distribuição normal com variância V = V(y) = V(Zu + e) = ZGZ'+R.

Na estrutura de medidas repetidas deste trabalho, os dados do animal j e do grupo contemporâneo i são dados por yij1, yij2 , ..., yij9, em que a covariância entre a k-ésima e a l-ésima pesagem (k ¹ 1) do mesmo animal é dada por s2d + cov(eijk, eijl). Para os dados de pesagens dos animais de cada raça, foram testadas as estruturas de covariâncias da Tabela 1, por meio do procedimento MIXED do SAS (SAS, 1999-2001), resultando na estimativa da matriz R = cov(eijk, eijl).

As estruturas de covariâncias foram selecionadas por três critérios: distribuição de c², que compara o modelo associado à estrutura de covariância, em particular, com a estrutura do erro do modelo misto clássico (R = s2I), em que s2 é a estimativa da variância residual e I a matriz de identidade de ordem n; AIC ("Akaike's Information Criterion", AIC = -2LR + 2q; e SBC ("Schwarz's Bayesian Criterion" e SBC=-LR(q/y)+qlog(n - p); q é o vetor de parâmetros em V; e LR é Log da função de Máxima Verossimilhança Restrita avaliada no ponto de máximo (Wolfinger, 1993), dada por: -2LR(q/y) = log|V(q)| + [y-Xb(q)]'V-1(q)[y-Xb(q)] +log|X'V-1(q)X|+(n-p)log2p.

 

Resultados e Discussão

Constam na Tabela 2 a média e o número de observações correspondentes às nove pesagens, do nascimento até dois anos de idade, das raças Nelore, Guzerá, Gir e Indubrasil, que foram utilizados para montagem da Figura 1. O número de observações ilustra o comportamento típico de pesagem em bovinos, ou seja, a grande redução de animais em pesagens subseqüentes, implicando em estrutura incompleta dos dados.

 

 

 

 

Na Tabela 3 encontram-se os coeficientes de assimetria e de curtose: à esquerda, constam os valores obtidos dos pesos observados y e, à direita, os valores obtidos dos pesos transformados por meio da família de transformação de Box-Cox yl = (yl-l)/l, (l ¹ 0) ou yl = log y, (l = 0). As estimativas de l obtidas por máxima verossimilhança foram: 0,12302 (Nelore), 0,15201 (Guzerá), 0,04082 (Gir) e 0,12245 (Indubrasil), indicando que a transformação logaritmica, normalmente utilizada para dados de pesos, não é adequada, pois, nesse caso, ter-se-ia l = 0. Observa-se que a transformação yl foi efetiva na redução dos coeficientes de assimetria para todas as pesagens e raças.

Informações valiosas sobre os dados originais e transformados podem ser obtidas também por meio dos gráficos Box-Plot (Figura 1), como, por exemplo, a evolução do crescimento de animais segundo a idade e a existência de heterogeneidade de variâncias, denominada "inflação de variância" (Davidian & Giltinan, 1996). No gráfico de caixa (Box-Plot), a linha horizontal no meio da caixa representa a mediana, enquanto as partes inferior e superior indicam, respectivamente, o primeiro (Q1) e terceiro (Q3) quartis, correspondendo aos elementos das posições 25º e 75º da amostra de dados em ordem crescente. As caixas estreitas (whiskers) acima e abaixo da caixa central possuem distância não superior a 1,5 vezes a distância interquartílica (Q3 - Q1), sendo que os valores mais extremos isolados são considerados outliers.

Observando-se os dados analisados na escala original (Figura 1, esquerda), verifica-se para todas as pesagens das quatro raças bovinas, que a caixa estreita é mais alongada na parte acima da caixa central e com comprimento superior a 1,5(Q3 -Q1). Esse aspecto da Figura comprova que os dados de pesagens possuem assimetria positiva e que a variância é crescente na resposta dos animais com a idade. Verificam-se também alguns valores extremos e isolados nos dados de pesos da raça Gir, indicando a presença de outliers. Utilizando-se raciocínio análogo com os dados transformados por meio dos valores de l (Figura 1, direita), observa-se redução acentuada da assimetria e com homogeneidade de variâncias entre as pesagens.

Analisando-se a Tabela 3 e a Figura 1, nota-se que a utilização dos valores de l para analisar dados em uma nova escala foi efetiva para a melhoria da qualidade dos dados de pesagens de bovinos, com reflexo positivo na ANAVA. Na análise de variância, houve evidências de que os valores da assimetria e da curtose, assim como os desvios de normalidade dos dados e a heterogeneidade da variância, influenciam as inferências obtidas (Brownie et al., 1990). Desse modo, é possível a obtenção de inferências mais precisas de efeitos fixos em análises de variâncias e a estimação de parâmetros genéticos mais eficientes de efeitos aleatórios. Teoricamente, essa melhoria na qualidade dos dados de pesagens após o uso desta transformação já era esperada, pois, em uma ANAVA com os dados na escala yl, o valor de l obtido por máxima verossimilhança representa o valor máximo para a estatística F e o valor mínimo para o quadrado mínimo residual.

Na Tabela 4 são apresentados os resultados das estruturas de covariâncias sob três critérios de ajuste proporcionados pelo procedimento MIXED: distribuição de c², para o teste da razão de verossimilhança para a hipótese nula de AIC e SBC. Para todas as situações, o teste de esfericidade, o qual testa se a matriz se variância-covariância dentro de sujeito tem estrutura de covariância do tipo HF (Huynh-Feldt), foi altamente significativo (Pr > c² < 0,0001), indicando para esses conjuntos de dados que a análise univariada, normalmente feita pelo procedimento GLM, considerando-se medidas repetidas como subparcelas, não é apropriada. Na forma fornecida pelo PROC MIXED (Littell et al., 1998), se os valores são negativos para AIC e SBC, quanto maior o valor, mais apropriada é a estrutura de covariâncias; se são positivos, os menores são os melhores. Assim, a estrutura de covariâncias mais adequada (Tabela 4) para todas as raças foi a Não-Estruturada, seguida da estrutura Fator-Analítico para Nelore, Gir e Indubrasil e da Simetria Composta Heterogênea para Guzerá.

 

 

Nas Tabelas 5 a 8 são apresentadas, respectivamente, para Nelore, Guzerá, Gir e Indubrasil, as duas estruturas de covariâncias, conforme descritas na Tabela 4. A partir da estrutura UN, foi possível modelar as tendências de variâncias e covariâncias observadas em dados de pesos de bovinos como medidas repetidas, ou seja, variâncias crescentes com o tempo. Embora a UN tenha sido adequada nesse trabalho, vale ressaltar que essa estrutura, conforme citam Litell et al. (1998), requer estimativas de grande número de variâncias e covariâncias implicando em dificuldades computacionais principalmente com dados desbalanceados e arquivos grandes, como neste caso.

 

 

 

 

 

 

 

 

Na estrutura FA(1), para Nelore, as variâncias tenderam a crescer na diagonal, com as covariâncias associadas aos últimos pesos tendendo a ser maiores; as variâncias foram iguais na diagonal e as pesagens mais próximas, mais estreitamente correlacionadas na FA(1). Para Guzerá, em ambas as estruturas (UN e CSH), as variâncias foram crescentes na diagonal, as covariâncias com os últimos pesos tenderam a ser maiores e as pesagens mais próximas foram mais estreitamente correlacionadas. As estruturas UN e FA(1) nas raças Gir e Indubrasil, apresentaram resultados semelhantes aos obtidos para a raça Guzerá, com as estruturas UN e CSH. De modo geral, à exceção de FA(1) para Nelore, os resultados sugerem que as covariâncias são crescentes na diagonal e as correlações entre duas avaliações diminuem com o aumento do intervalo de tempo (lag), isto é, as variações elevam em função da idade, exibindo o fenômeno da inflação de variância, observado em estudos de curvas de crescimento em animais (Davidian & Giltinan, 1996).

Na Tabela 9 são apresentadas, no formato de saída do procedimento MIXED do SAS, as estimativas de covariâncias da estrutura FA(1), para as raças Nelore, Gir e Indubrasil, e de CSH, para Guzerá. Essas estimativas foram utilizadas na elaboração das matrizes constantes nas Tabelas 5 a 8. Foram omitidas as estimativas de covariâncias para a estrutura UN, uma vez que não necessitam de cálculos intermediários.

 

 

Nas Tabelas 10 a 12 são fornecidos os resultados do ajuste do procedimento MIXED para a estrutura de covariância FA(1) para o rebanho Nelore, utilizando-se os procedimentos abaixo:

 

 

 

 

 

 

Na Tabela 10 são fornecidas algumas informações do modelo e a história do processo iterativo utilizando-se a estrutura FA(1), a qual indica que seis iterações foram necessárias para a convergência na obtenção dos parâmetros, sendo produzido o valor máximo do logaritmo da verossimlihança multiplicado por -2 (-2Res Log Likelihood = 361995,95997964). Foi utilizado o critério de convergência default do procedimento MIXED, com número de tolerância n:

g'k H-1k gk / | fk | < 1E-8,

em que, gk é o gradiente (primeira derivada) e Hk, a matriz Hessiana (segunda derivada) da função objetivo, ambos na iteração k. De acordo com o resultado, obteve-se, na primeira iteração, g'k H-1k gk / | fk | < 0,04132504 e, na iteração número 5, g'k H-1k gk / |fk| < 0,00000000, tendo-se a convergência.

Duas estimativas parciais de matrizes (de Covariância e de Correlação R são apresentadas na Tabela 11; sob o título Matriz de Covariância R Estimada para ANIMAL (SEXO) 760609 1, que significa uma submatriz de covariância para medidas repetidas do animal de número 760609 no arquivo de dados e pertencente ao tratamento 1 (sexo = 1); por hipótese, todos os outros animais possuem essa mesma estrutura; por exemplo, a covariância entre as pesagens 9 e 2 (linha 9 e coluna 3) é igual a 4126,72. Com o título Matriz de Correlação R Estimada para ANIMAL(SEXO) 760609 1, é apresentada a submatriz de correlação do mesmo animal, com a correlação entre as pesagens 9 e 2 igual a 0,1252. Também, por hipótese, todos os outros animais possuem essa mesma estrutura de correlação.

Na Tabela 12 constam as estimativas dos oito componentes de variâncias associados à estrutura FA(1), utilizadas para construir a matriz triangular superior da Tabela 5 para a raça Nelore, destacando-se a variabilidade crescente na resposta dos indivíduos em função do tempo, denominada inflação de variância.

Com o Ajuste Estatístico, são fornecidos três critérios pelo procedimento MIXED para comparar modelos: -2Res Log Likelihood, AIC e SBC. Por exemplo, -2Res Log Likelihood = 361996,0 serve para construir testes de razão de verossimilhança restrita e comparar duas estruturas de variância. O resultado é uma distribuição de Qui-quadrado com graus de liberdade igual à diferença do número de parâmetros. Na forma fornecida pelo procedimento MIXED (Littell et al., 1998), os valores para AIC e SBC são positivos (AIC = 362014,0 e SBC = 362068.4), de modo que, na comparação de diferentes estruturas de covariâncias, as que possuem os menores valores para AIC e SBC são as mais apropriadas.

A saída Teste de Razão de Verossimilhança para o Modelo Nulo mostra a estatística de qui-quadrado com dois graus de liberdade e a probabilidade de esse valor ser maior que o tabelado (Pr>ChiSq). Esse resultado equivale ao teste de razão de verossimilhança restrita comparando-se o modelo associado à matriz FA(1), em uso, versus o modelo nulo ajustado pelo procedimento GLM do SAS (I = Is2). O resultado (Pr>c² = 7185,20<0,0001) comprova que o modelo que estima a matriz a FA(1) é significativamente (P<0,0001) melhor que o modelo simples nulo. Finalmente, tem-se o Teste de Efeitos Fixos do Tipo 3. Houve significância (P<0,0001) do efeito global de tratamento (SEXO), considerando-se a média das nove avaliações e do efeito das avaliações dentro do animal, independentemente de sexo. Essa significância entre avaliações ou pesagens é uma constatação de que os pesos avaliados no mesmo animal têm resposta crescente com a idade. O último resultado reflete a interação de medidas repetidas com o sexo. Os resultados das Tabelas de 10 a 12 comprovam que o procedimento MIXED atua em duas etapas: na primeira, estima as estruturas de variâncias e covariâncias; uma vez obtidas, estas estruturas são colocadas no lugar dos parâmetros verdadeiros. A segunda e a última etapas consistem no cálculo das probabilidades utilizando-se as distribuições t e F, conforme apresentadas no Teste de Efeitos Fixos do Tipo 3.

 

Conclusões

A transformação de dados de pesos de bovinos Nelore, Guzerá, Gir e Indubrasil por meio da família de transformação de Box-Cox foi efetiva na redução dos coeficientes de assimetria e da heterogeneidade de variância para todas as pesagens e raças.

A análise dos dados de pesos de bovinos por meio do modelo misto usual para análises de medidas repetidas foi mais eficiente que pelo modelo simples nulo ajustado pelo procedimento GLM do SAS (R = Is2e), indicando, para esses conjuntos de dados, que a análise univariada, normalmente feita pelo procedimento GLM considerando-se medidas repetidas como subparcela, não é apropriada ou, mais comedidamente, "tem fortes competidores".

A estrutura de covariância mais adequada para modelar dados de pesos, do nascimento até dois anos de idade, para todas as raças foi a Não-Estruturada, seguida da estrutura Fator-Analítico para Nelore, Gir e Indubrasil, e da Simetria Composta Heterogênea, para Guzerá.

 

Literatura Citada

AZZALINI, A. Logistic regression for auto correlated data with application to repeated measures. Biometrics, v.8, p.767-775, 1994.         [ Links ]

BOLDMAN, K.G.; KRIESE, L.A.; Van VLECK, L.D. et al. A manual for use of MTDFREML. A set of programs to obtain estimates of variance and covariance (DRAFT). Lincoln: Department of Agriculture, Agriculture Research Service, 1995. 120p.         [ Links ]

BOZDOGAN, H. Model selection and Akaike's information criterion (AIC): the general theory and its analytical extensions. Psychometrika, v.52, n.3, p.345-370, 1987.         [ Links ]

BROWNIE, C.; BOOS, D.D.; OLIVER, J.H. Modifying the t and ANOVA F tests when treatment is expected to increase variability relative to controls. Biometrics, v.46, n.1, p.259-266, 1990.         [ Links ]

CAMERON, N.D. Selection indices and prediction of genetics merit in animal breeding. Edinburgh: CAB International, 1997. 202p.         [ Links ]

CYRILLO, J.N.S.G. Estimativas de funções de covariância para crescimento de animais machos Nelore utilizando modelos de regressão aleatória. Jaboticabal: Universidade do Estado de São Paulo, 2003. 75p. Tese (Doutorado em Zootecnia) - Universidade do Estado de São Paulo, 2003.         [ Links ]

DAVIDIAN, M.; GILTINAN, D.M. Nonlinear models for repeated measurement data. 2.ed. London: Chapman Hall, 1996. 359p.         [ Links ]

DIAS, L.T. Modelos de regressão aleatória para características de crescimento de bovinos da raça Tabapuã. Jaboticabal: Universidade Estadula de São Paulo, 2004. 59p. Tese (Doutorado em Zootecnia) - Universidade do Estado de São Paulo, 2004.         [ Links ]

EL FARO, L. Estimação de componentes de (co) covariâncias para produção de leite no dia do controle de primeiras lactações de vacas Caracu, aplicando-se "Test-Day Models"de dimensão finita e modelos de regressão aleatória. Jaboticabal: Universidade do Estado de São Paulo, 102p. Tese (Doutorado em Zootecnia) - Universidade do Estado de São Paulo, 2002.         [ Links ]

FREITAS, A.R.; SILVA, L.O.C.; EUCLIDES FILHO, K. et al. Estudo de dados de pesagens de bovinos usando a transformação de box-cox. In: SOCIEDADE BRASILEIRA DE MELHORAMENTO ANIMAL, 4., 2002, Campo Grande. Anais... Campo Grande: SBMA, 2002. p.212-214.         [ Links ]

FRIENDLY, M. friendly@YorkU.ca. Power transformations by Box-Cox method for GLMs. Disponível em: http://www.math.yorku.ca/SCS/sasmac/boxglm.html. Acesso em: 20/03/2004.         [ Links ]

LAMBERT, P. Modelling of repeated series of count data measured at unequally spaced times. Applied Statistics, v.45, n.1, p.31-38, 1996.         [ Links ]

LITTELL, R.C.; HENRY, P.R.; AMMERMAN, C.B. Statistical analysis of repeated measures data using SAS procedures. Journal of Animal Science, v.76, 1216-1231, 1998.         [ Links ]

LITTELL, R.C.; MILLIKEN, G.A.; STROUP, W.W. et al. SAS system for mixed models. Cary: 1996. 633p.         [ Links ]

NOBRE, P.R. Analysis of sequential weights of Nellore cattle using multiple trait and random regression models. Viçosa, MG: Universidade Federal de Viçosa, 2001. 137p. Tese (Doutorado em Melhoramento Animal) - Universidade Federal de Viçosa, 2001.         [ Links ]

PAZ, C.C.P.; PACKER, I.U.; FREITAS, A.R. et al. Influência dos polimorfismos genéticos sobre os parâmetros da curva de crescimento em bovinos de corte. Revista Brasileira de Zootecnia, v.33, n.4, p.858-869, 2004.         [ Links ]

PELTIER, M.R.; WILCOX, C.J.; SHARP, D.C .Technical note: Application of the Box-Cox data transformation to animal science experiments. Journal of Animal Science, v.76, n.3, p.847-849, 1998.         [ Links ]

REIEZIGEL, J. Analysis of experimental data with repeated measurement. Biometrics, v.55, p.1059-1063, 1999.         [ Links ]

SATISTICAL ANALYSES SYSTEM - SAS. SAS/STAT 1999-2001 User's guide: statistics. version 8, v.2, Cary: 1999-2001.         [ Links ]

TROXEL, A.B.; LIPSITZ, S.R.; HARRINGTON, D.P. Marginal models for the analysis of longitudinal measurements. Biometrika, v.85, n.3, p.661-672, 1998.         [ Links ]

VAN TASSEL, C.P.; Van VLECK, L.D. A manual for use of MTGSAM. A set of fortran programs to apply gibbs sampling to animal models for variance component estimation. (DRAFT). Lincoln: Department of Agriculture/ Agriculture Research Service, 1995. 86p.         [ Links ]

WOLFINGER, R. Covariance structure selection in general mixed models. Communications in Statistics, Simulation and Computation, v.22, n.4, p.1079-1106. 1993.        [ Links ]

 

 

Recebido em: 14/10/03
Aceito em: 07/07/05

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License