Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
(1)Universidade Federal de Lavras, Dep. de Cincias Exatas, Caixa Postal 37, CEP 37200-000 Lavras, MG. E-mail: fabyanobr@ufla.br,
Resumo O objetivo deste trabalho foi utilizar o mtodo Bayesiano no ajuste do modelo de Wood a dados de
produo de leite de cabras da raa Saanen. Dois grupos de animais da primeira e segunda lactao foram
considerados. Amostras das distribuies marginais a posteriori dos parmetros do modelo de Wood e das
funes de produo derivadas desses parmetros pico de produo, tempo do pico de produo, persistn-
cia e produo total de leite foram obtidas pelo algoritmo Gibbs Sampler. As inferncias foram feitas em cada
populao e os resultados mostraram diferenas na taxa de decrscimo da produo aps o pico e na persistn-
cia, indicando maior produo nos animais de segunda lactao. Realizou-se um estudo de simulao de dados
para avaliar o mtodo Bayesiano sob diferentes estruturas de matrizes de covarincias dos parmetros.
Os resultados desse estudo indicam que o mtodo eficiente no estudo das curvas de lactao quando a matriz
de covarincia apresenta alta correlao dos parmetros.
Termos para indexao: Gibbs Sampler, matriz de covarincia, produo de leite.
Abstract The objective of this work was to use the Bayesian method in the fitting of the Woods model for milk
production of Saanen goats. Two groups of animals from first and second lactation were considered in the
analysis. The posterior marginal distributions for each parameter and production functions, peak milk yield, time
of peak yield, persistency and total milk production, were obtained via Gibbs Sampler algorithm. The inference
was done for each population. The results showed differences in the slope of the curve after the peak and in
persistency, indicating highest production for the second lactation. The data were simulated for evaluating
Bayesian method under several covariance matrices structures. The simulation results indicate the efficiency of
this method for lactation curves studies when the covariance matrices show high correlation for parameters.
Index terms: Gibbs Sampler, covariance matrix, dairy production.
lactao podem ser obtidas, como a produo de leite sendo Sn = {y1, y2,..., yn}. Como o denominador no
no pico e o tempo de permanncia, a produo total de depende de , tem-se que P( Sn) L( Sn)P(), ou
leite e a persistncia da lactao (Groenewald et al., seja, Posteriori Verossimilhana x Priori.
1996). Para se inferir com relao a qualquer elemento de
O mtodo freqentista (quadrados mnimos) de ajus- , a distribuio a posteriori conjunta dos parmetros,
tar modelos no-lineares baseado em processos P( Sn), deve ser integrada em relao a todos os ou-
iterativos, ou, alternativamente, utilizam-se meios visan- tros elementos que a constituem, ou seja, devem ser
do a linearizar o modelo mediante transformao obtidas as distribuies marginais de cada parmetro
logartmica. Porm, em muitos casos, devido s irregu- (Rosa, 1998). Esta integrao geralmente no analti-
laridades nos dados longitudinais e s correlaes exis- ca e necessita de algoritmos iterativos especializados,
tentes entre os parmetros do modelo (Gallant, 1987), como o Gibbs Sampler (Amostrador de Gibbs), que faz
esses mtodos produzem estimativas irreais, levando uso da simulao de Monte Carlo e da teoria das Cadei-
confeco de curvas de lactao atpicas (Lopes, 1994). as de Markov (Sorensen, 1996).
Em recentes estudos envolvendo curvas de lactao O objetivo deste trabalho foi utilizar o mtodo
(Rekaya et al., 2000; Chang et al., 2001; Jamrozik et al., Bayesiano no ajuste do modelo de Wood em dados de
2001; Groenewald & Viljoen, 2003), o mtodo Bayesiano produo de leite de cabras da raa Saanen de primeira
foi utilizado com sucesso uma vez que considera todos e segunda lactao.
os parmetros como variveis aleatrias, o que reduz,
substancialmente, o nmero de curvas atpicas. Alm Material e Mtodos
disso, esse mtodo requer um nmero menor de dados
de produo por animal, pois os conceitos probabilsticos A produo esperada de leite em kg dia-1, no tempo t,
envolvidos diminuem a dependncia do ajuste do mode- foi modelada pela funo de Wood (Wood, 1967), cuja
lo em relao ao nmero de dados utilizados (Goodall & expresso a seguinte:
Sprevak, 1985). E[Yij]=tijbiexp(ai+tij),
O mtodo Bayesiano tambm permite a obteno ai>0, 0<bi<1 e -1<ci<0, i=1,2,...,k e j=1,2,...,n (1)
imediata de intervalos de credibilidade, levando em con- em que Yij representa a produo de leite do animal i no
ta a incerteza existente nos parmetros simultaneamen- tempo de lactao tij; ai corresponde produo inicial
te, sendo, portanto, a estimao por intervalo geralmen- de leite; bi a taxa crescente de produo at o pico; e
te mais precisa em relao quela apresentada pelo ci indica a taxa de declnio da produo aps o pico.
mtodo freqentista (Gelman et al., 1997). Alm disso, Supondo que os resduos do modelo descrito pela
os resultados deste mtodo so mais informativos quan- equao 1 sejam multiplicativos e independentes, e ado-
do se trata de comparaes de curvas provenientes de tando a transformao logartmica, este modelo pode
tratamentos diferentes, pois na maioria das vezes, a dis- ser reescrito da seguinte maneira:
tribuio dos parmetros de modelos no-lineares, e prin- Zij = ln(Yij) = ai +biln(tij) + citij + ij, (2)
cipalmente de funes obtidas a partir desses parmetros, sendo ij o erro experimental, normalmente e indepen-
no segue uma distribuio normal, o que torna comple- dentemente distribudo com mdia 0 e varincia e2.
xo o processo de formulao de testes estatsticos por Outras importantes caractersticas econmicas da
meio do mtodo freqentista (Groenewald et al., 1996). curva de lactao foram determinadas por funes dos
Segundo Box & Tiao (1973), o mtodo Bayesiano parmetros a, b e c, sendo elas a produo de leite no
consiste em uma informao a priori, P(), a respeito pico (), = (b/c)b exp(a b); o tempo de ocorrncia
dos parmetros, de uma funo de verossimilhana dos
do pico (), ; a produo total de leite
dados, L(y1,...,yn | ), e do clculo da distribuio de
probabilidade a posteriori para os parme- (), , sendo L a durao da
tros. Pelo Teorema de Bayes, a distribuio da densida-
de a posteriori de , P(|Sn), dada por: lactao em dias e w o intervalo de tempo entre os
controles leiteiros; e a persistncia da lactao (),
= (b + 1) ln(c).
;
As distribuies a priori utilizadas para os parmetros
mi, mi =[ai, bi,ci]; , =[,,], sendo , e , respecti- em que N, W e IG representam respectivamente as distri-
vamente, as mdias dos parmetros ai, bi e ci; , a ma- buies Normal Multivariada, Wishart e Gama Inversa.
triz de covarincia para os parmetros , e ; e e2 so O algoritmo Gibbs Sampler foi implementado utilizan-
representadas respectivamente pelas expresses 3 a 6: do-se a linguagem IML (Interactive Matrix Language)
disponvel no software estatstico SAS (SAS Institute, 1990).
(3) Considerou-se, em todas as anlises efetuadas, um n-
mero fixo de 10.000 iteraes, com espaamento entre
p() constante; os pontos amostrados (thin) de 20 observaes, e no
(4)
aquecimento (burn-in) desprezou-se as 4.000 primeiras
; (5) iteraes. As inferncias foram realizadas, portanto, con-
siderando as 6.000 iteraes restantes.
(6) Amostras das distribuies marginais a posteriori para
as funes (pico de lactao, tempo de pico, produo
em que a expresso 3 uma normal multivariada; a total de leite e persistncia da lactao) dos parmetros
expresso 5 uma distribuio de Wishart invertida com do modelo de Wood foram obtidas pela substituio de
matriz escala vR; e a expresso 6 a priori no infor- a, b e c pelas suas respectivas estimativas (, e ) a
mativa de Jeffreys (Jeffreys, 1961). cada iterao do Gibbs Sampler, obtendo-se assim, ao
De acordo com as definies apresentadas, obtm- final do processo, um conjunto de valores representati-
se a seguinte distribuio conjunta a posteriori: vos dessas distribuies.
Para verificar a convergncia do algoritmo Gibbs
Sampler, usou-se o critrio informal (visualizao grfi-
(7) ca da convergncia) e o critrio de Gelman & Rubin
Descrevendo algebricamente a equao 7, tem-se: (1992), os quais foram aplicados pelo pacote
computacional BOA (Bayesian Output Analysis), dis-
ponvel no software R, utilizando os resultados obtidos
do programa em linguagem SAS.
Os dados foram obtidos na Fazenda Nevada, no
Municpio de Carmpolis, MG, e constaram de sete con-
troles leiteiros mensais de 16 cabras da raa Saanen de
primeira lactao e de 15 dias da segunda lactao, nas-
cidas entre setembro e dezembro de 2001,
semiconfinadas e alimentadas com rao balanceada e
silagem de milho.
sendo H os hiperparmetros v e R. Um sistema de simulao de dados foi estruturado
As distribuies condicionais completas a posteriori, visando, primeiramente, a avaliar os recursos
necessrias implementao do algoritmo Gibbs computacionais empregados e tambm abordar alguns
Sampler, foram obtidas da equao (7) , e so apresen- aspectos do mtodo Bayesiano em relao a diferentes
tadas como segue:
estruturas de matrizes de covarincias assumidas para
(8) os parmetros.
No teste do algoritmo, elaborado em linguagem SAS,
(9) foram simulados dados de produo de leite pela opo
(10) RANNOR, utilizando-se os seguintes valores
paramtricos: = 0,5, = 0,5 e = -0,15. Considera- comportamento da produo de leite, em funo do tem-
ram-se dez experimentos com 32 animais, por experi- po, das cabras de primeira e de segunda ordens de par-
mento, e cada animal com dez controles leiteiros. to (Figura 1).
Os resultados foram avaliados para verificar se os va- A populao de cabras de segunda lactao mais
lores atribudos aos parmetros , e encontravam- produtiva, pois apresenta menor taxa de decrscimo da
se dentro da amplitude do intervalo de credibilidade de produo ps-pico () e maior persistncia () (Tabe-
la 1). Estes resultados concordam, em parte, com Gon-
95% em cada experimento. Nesse processo de anlise,
alves (1996), que aplicou testes de mdias aps a an-
o Gibbs Sampler foi implementado com 5.000 iteraes
lise de varincia nas estimativas dos parmetros do
e um intervalo entre os valores amostrados de 20 modelo de Wood ajustado a dados de cabras Saanen, e
iteraes. obteve diferenas significativas em todos eles, na com-
Na comparao das estimativas obtidas, em diferen- parao entre cabras de primeira e segunda lactaes.
tes estruturas de covarincia para os parmetros , e Por outro lado, Gipson & Grossman (1989) no encon-
, consideraram-se as matrizes auto-regressiva de pri- traram efeito significativo de ordem de parto sobre ne-
meira ordem, AR(1), e auto-regressiva heterocedstica nhum dos parmetros do modelo difsico ajustado s
de primeira ordem, ARH(1), cujas formas so dadas, lactaes de cabras leiteiras.
respectivamente, por 1 e 2.
das pelas mdias a posteriori das amostras das distribui- de parto; a produo inicial de leite; a taxa crescente de produ-
o; a taxa decrescente de produo; a produo de leite no pico;
es marginais dos parmetros em ambas as popula- o tempo de ocorrncia do pico; a produo total de leite; a
es, ou seja, elas representam as formas relativas do persistncia da lactao.
JAMROZIK, J.; GIANOLA, D.; SCHAEFFER, L.R. Bayesian es- REKAYA, R.; CARABNO, M.J.; TORO, M.A. Bayesian analy-
timation of genetic parameters for test day records in dairy cattle sis of lactation curves of Holstein-Friesian cattle using a nonlinear
using linear hierarchical models. Livestock Production Science, model. Journal of Dairy Science, v.83, p.2691-2701, 2000.
v.71, p.223-240, 2001. ROSA, G.J.M. Anlise Bayesiana de modelos lineares mistos
JEFFREYS, H. Theory of probability. Oxford: Clarendon, 1961. robustos via Amostrador de Gibbs. 1998. 57p. Tese (Doutorado) -
325p. Universidade de So Paulo, Piracicaba.
LOPES, M.A. Estudo da curva de lactao de um rebanho SAS INSTITUTE (Cary, Estados Unidos). SAS/STAT SAS/IML
Holands variedade preto e branco mantido em um sistema software: usage and reference: version 6. Cary, 1990. 501p.
intensivo de produo. 1994. 87p. Dissertao (Mestrado) - SORENSEN, D. Gibbs Sampling in quantitative genetics.
Universidade Federal de Lavras, Lavras. Copenhagen: Foulun, 1996. 186p.
MENDOZA, M. A Bayesian analysis of the slope ratio bioassay. WOOD, P.D.P. Algebraic model of the lactation curve in cattle.
Biometrics, v.46, p.1059-1069, 1990. Nature, v.216, p.164-165, 1967.