| |
|
|
| Registros recuperados : 644 | |
| 2. |  | RESENDE, M. D. V. de. Estatística. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 56-129.| Biblioteca(s): Embrapa Florestas. |
|   |
| 3. | | RESENDE, M. D. V. de. Estatística espacial, séries temporais e competição (interação social). In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 504-558.| Biblioteca(s): Embrapa Florestas. |
| |
| 10. | | RESENDE, M. D. V. de. REML e componentes de variância. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 395-448.| Biblioteca(s): Embrapa Florestas. |
| |
| 20. | | RESENDE, M. D. V. de. Matemática. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 7-55.| Biblioteca(s): Embrapa Florestas. |
| |
| Registros recuperados : 644 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Café. |
|
Data corrente: |
10/01/2023 |
|
Data da última atualização: |
10/01/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
B - 1 |
|
Autoria: |
EVANGELISTA, J. S. P. C.; PEIXOTO, M. A.; COELHO, I.; ALVES, R.; RESENDE, M. D. V. de; SILVA, F. F. e; LAVIOLA, B.; BHERING, L. L. |
|
Afiliação: |
JENIFFER SANTANA PINTO COELHO EVANGELISTA, UNIVERSIDADE FEDERAL DE VIÇOSA; MARCOS ANTONIO PEIXOTO, UNIVERSIDADE FEDERAL DE VIÇOSA; IGOR COELHO, UNIVERSIDADE FEDERAL DE VIÇOSA; RODRIGO ALVES, UNIVERSIDADE FEDERAL DE VIÇOSA; MARCOS DEON VILELA DE RESENDE, CNPCa; FABYANO FONSECA E SILVA, UNIVERSIDADE FEDERAL DE VIÇOSA; BRUNO LAVIOLA, EMBRAPA AGROENERGIA; LEONARDO LOPES BHERING, UNIVERSIDADE FEDERAL DE VIÇOSA. |
|
Título: |
Genetic evaluation and selection in jatropha curcas through frequentist and bayesian inferences. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Bragantia, v. 81, 2022. |
|
Páginas: |
12 p. |
|
DOI: |
https://doi.org/10.1590/1678-4499.20210262 |
|
Idioma: |
Inglês |
|
Conteúdo: |
An accurate and efficient statistical method for genetic evaluation is a key requirement for progress in any breeding program. Thus, the present study aimed to evaluate the performance of Frequentist and Bayesian inferences for repeated measures analysis in Jatropha curcas breeding. To this end, 730 individuals from 73 half-sib families were evaluated for grain yield trait, over six crop years. Frequentist and Bayesian analyses were made considering repeatability models with different residual variance structures. Variance components were estimated through restricted maximum likelihood (REML) and Markov Chain Monte Carlo (MCMC). Genetic values were predicted through best linear unbiased prediction (BLUP) and estimated through MCMC. Variance components and genetic and non-genetic parameters estimated by the Frequentist inference presented values similar to those estimated by the Bayesian inference. The selective accuracy presented high magnitude (0.84) by the Frequentist and Bayesian inferences, indicating high reliability. Confidence and highest posterior density (HPD) intervals were similar for the genetic parameters, however the HPD intervals range was slightly short. This study highlighted the importance of testing the residual variance structure and pointed out that the Frequentist and Bayesian inferences presented similar results when using non-informative prior. Then, both inferences can be efficiently applied in Jatropha curcas breeding. |
|
Thesaurus NAL: |
Bayesian theory; Genetic variance; Jatropha; Plant breeding; Plant selection guides. |
|
Categoria do assunto: |
G Melhoramento Genético |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1150826/1/Genetic-evaluation-and-selection.pdf
|
|
Marc: |
LEADER 02302naa a2200289 a 4500
001 2150826
005 2023-01-10
008 2022 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1590/1678-4499.20210262$2DOI
100 1 $aEVANGELISTA, J. S. P. C.
245 $aGenetic evaluation and selection in jatropha curcas through frequentist and bayesian inferences.$h[electronic resource]
260 $c2022
300 $a12 p.
520 $aAn accurate and efficient statistical method for genetic evaluation is a key requirement for progress in any breeding program. Thus, the present study aimed to evaluate the performance of Frequentist and Bayesian inferences for repeated measures analysis in Jatropha curcas breeding. To this end, 730 individuals from 73 half-sib families were evaluated for grain yield trait, over six crop years. Frequentist and Bayesian analyses were made considering repeatability models with different residual variance structures. Variance components were estimated through restricted maximum likelihood (REML) and Markov Chain Monte Carlo (MCMC). Genetic values were predicted through best linear unbiased prediction (BLUP) and estimated through MCMC. Variance components and genetic and non-genetic parameters estimated by the Frequentist inference presented values similar to those estimated by the Bayesian inference. The selective accuracy presented high magnitude (0.84) by the Frequentist and Bayesian inferences, indicating high reliability. Confidence and highest posterior density (HPD) intervals were similar for the genetic parameters, however the HPD intervals range was slightly short. This study highlighted the importance of testing the residual variance structure and pointed out that the Frequentist and Bayesian inferences presented similar results when using non-informative prior. Then, both inferences can be efficiently applied in Jatropha curcas breeding.
650 $aBayesian theory
650 $aGenetic variance
650 $aJatropha
650 $aPlant breeding
650 $aPlant selection guides
700 1 $aPEIXOTO, M. A.
700 1 $aCOELHO, I.
700 1 $aALVES, R.
700 1 $aRESENDE, M. D. V. de
700 1 $aSILVA, F. F. e
700 1 $aLAVIOLA, B.
700 1 $aBHERING, L. L.
773 $tBragantia$gv. 81, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Café (CNPCa) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
