Objetivou-se com esse trabalho comparar estimativas de componentes de variâncias obtidas por meio de modelos lineares mistos Gaussianos e Robustos, via Amostrador de Gibbs, em dados simulados. Foram simulados 50 arquivos de dados com 1.000 animais cada um, distribuídos em cinco gerações, em dois níveis de efeito fixo e três valores fenotípicos distintos para uma característica hipotética, com diferentes níveis de contaminação. Exceto para os dados sem contaminação, quando os modelos foram iguais, o modelo Robusto apresentou melhores estimativas da variância residual. As estimativas de herdabilidade foram semelhantes em todos os modelos, mas as análises de regressão mostraram que os valores genéticos preditos com uso do modelo Robusto foram mais próximos dos valores genéticos verdadeiros. Esses resultados sugerem que o modelo linear normal contaminado oferece uma alternativa flexível para estimação robusta em melhoramento genético animal.
componentes de variância; estimação robusta; inferência Bayesiana; valor genético
