Abordagem Bayesiana da curva de lactao de cabras Saanen 27

Abordagem Bayesiana da curva de lactao de cabras Saanen

de primeira e segunda ordem de parto
Fabyano Fonseca e Silva(1), Joel Augusto Muniz(1), Luiz Henrique de Aquino(1) e Thelma Sfadi(1)

(1)Universidade Federal de Lavras, Dep. de Cincias Exatas, Caixa Postal 37, CEP 37200-000 Lavras, MG. E-mail: fabyanobr@ufla.br,

jamuniz@ufla.br, lhaquino@ufla.br, safadi@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.

Bayesian approach in the lactation curve of Saanen goats

from first and second calving orders

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.

Introduo distintos de animais, com diferentes composies raci-

O rgido controle da produo um fator determinante
para o sucesso da explorao leiteira e uma forma pr-
tica e consistente de obter este controle pelo estudo
da curva de lactao dos animais, a qual pode ser defi-
nida como a representao da produo de leite de um
animal no decorrer do tempo em cada lactao (Cobuci
et al., 2001).
O conhecimento das curvas de lactao de um reba-
nho auxilia na adequao de tcnicas de alimentao e
manejo, e no descarte e seleo de animais de acordo
com um padro desejvel, preestabelecido de acordo
com a capacidade de produo (Gonalves, 1994). Dessa
maneira, a comparao da forma da curva entre grupos
ais, idades ao parto, rebanhos e outros tratamentos de
interesse, seria de grande importncia, pois, mediante
essas comparaes, poderiam ser obtidas informaes
sobre a eficincia desses grupos, propiciando um me-
lhor controle de produo (Groenewald & Viljoen, 2003).
Modelos estatsticos no-lineares so normalmente
utilizados na descrio de curvas de lactao, quando
ajustados a dados decorrentes de produo de leite em
intervalos consecutivos de tempo. Estes modelos geral-
mente apresentam parmetros relacionados com taxas
crescentes e decrescentes, as quais lhes conferem a
no linearidade paramtrica. Por meio de funes des-
ses parmetros, outras caractersticas da curva de

Pesq. agropec. bras., Braslia, v.40, n.1, p.27-33, jan. 2005

28
lactao podem ser obtidas, como a produo de leite
no pico e o tempo de permanncia, a produo total de
leite e a persistncia da lactao (Groenewald et al.,
1996).
O mtodo freqentista (quadrados mnimos) de ajus-
tar modelos no-lineares baseado em processos
iterativos, ou, alternativamente, utilizam-se meios visan-
do a linearizar o modelo mediante transformao
logartmica. Porm, em muitos casos, devido s irregu-
laridades nos dados longitudinais e s correlaes exis-
tentes entre os parmetros do modelo (Gallant, 1987),
esses mtodos produzem estimativas irreais, levando
confeco de curvas de lactao atpicas (Lopes, 1994).
Em recentes estudos envolvendo curvas de lactao
(Rekaya et al., 2000; Chang et al., 2001; Jamrozik et al.,
2001; Groenewald & Viljoen, 2003), o mtodo Bayesiano
foi utilizado com sucesso uma vez que considera todos
os parmetros como variveis aleatrias, o que reduz,
substancialmente, o nmero de curvas atpicas. Alm
disso, esse mtodo requer um nmero menor de dados
de produo por animal, pois os conceitos probabilsticos
envolvidos diminuem a dependncia do ajuste do mode-
lo em relao ao nmero de dados utilizados (Goodall &
Sprevak, 1985).
O mtodo Bayesiano tambm permite a obteno
imediata de intervalos de credibilidade, levando em con-
ta a incerteza existente nos parmetros simultaneamen-
te, sendo, portanto, a estimao por intervalo geralmen-
te mais precisa em relao quela apresentada pelo
mtodo freqentista (Gelman et al., 1997). Alm disso,
os resultados deste mtodo so mais informativos quan-
do se trata de comparaes de curvas provenientes de
tratamentos diferentes, pois na maioria das vezes, a dis-
tribuio dos parmetros de modelos no-lineares, e prin-
cipalmente de funes obtidas a partir desses parmetros,
no segue uma distribuio normal, o que torna comple-
xo o processo de formulao de testes estatsticos por
meio do mtodo freqentista (Groenewald et al., 1996).
Segundo Box & Tiao (1973), o mtodo Bayesiano
consiste em uma informao a priori, P(), a respeito
dos parmetros, de uma funo de verossimilhana dos
dados, L(y1,...,yn | ), e do clculo da distribuio de
probabilidade a posteriori para os parme-
tros. Pelo Teorema de Bayes, a distribuio da densida-
de a posteriori de , P(|Sn), dada por:
Pesq. agropec. bras., Braslia, v.40, n.1, p.27-33, jan. 2005
F.F. e Silva et al.
sendo Sn = {y1, y2,..., yn}. Como o denominador no
depende de , tem-se que P( Sn) L( Sn)P(), ou
seja, Posteriori Verossimilhana x Priori.
Para se inferir com relao a qualquer elemento de
, a distribuio a posteriori conjunta dos parmetros,
P( Sn), deve ser integrada em relao a todos os ou-
tros elementos que a constituem, ou seja, devem ser
obtidas as distribuies marginais de cada parmetro
(Rosa, 1998). Esta integrao geralmente no analti-
ca e necessita de algoritmos iterativos especializados,
como o Gibbs Sampler (Amostrador de Gibbs), que faz
uso da simulao de Monte Carlo e da teoria das Cadei-
as de Markov (Sorensen, 1996).
O objetivo deste trabalho foi utilizar o mtodo
Bayesiano no ajuste do modelo de Wood em dados de
produo de leite de cabras da raa Saanen de primeira
e segunda lactao.
Material e Mtodos
A produo esperada de leite em kg dia-1, no tempo t,
foi modelada pela funo de Wood (Wood, 1967), cuja
expresso a seguinte:
E[Yij]=tijbiexp(ai+tij),
ai>0, 0<bi<1 e -1<ci<0, i=1,2,...,k e j=1,2,...,n (1)
em que Yij representa a produo de leite do animal i no
tempo de lactao tij; ai corresponde produo inicial
de leite; bi a taxa crescente de produo at o pico; e
ci indica a taxa de declnio da produo aps o pico.
Supondo que os resduos do modelo descrito pela
equao 1 sejam multiplicativos e independentes, e ado-
tando a transformao logartmica, este modelo pode
ser reescrito da seguinte maneira:
Zij = ln(Yij) = ai +biln(tij) + citij + ij, (2)
sendo ij o erro experimental, normalmente e indepen-
dentemente distribudo com mdia 0 e varincia e2.
Outras importantes caractersticas econmicas da
curva de lactao foram determinadas por funes dos
parmetros a, b e c, sendo elas a produo de leite no
pico (), = (b/c)b exp(a b); o tempo de ocorrncia
do pico (), ; a produo total de leite
(), , sendo L a durao da
lactao em dias e w o intervalo de tempo entre os
controles leiteiros; e a persistncia da lactao (),
= (b + 1) ln(c).
 Abordagem Bayesiana da curva de lactao de cabras Saanen
A funo de verossimilhana obtida da expresso 2
dada por:
As distribuies a priori utilizadas para os parmetros
mi, mi =[ai, bi,ci]; , =[,,], sendo , e , respecti-
vamente, as mdias dos parmetros ai, bi e ci; , a ma-
triz de covarincia para os parmetros , e ; e e2 so
representadas respectivamente pelas expresses 3 a 6:
p() constante;
; (5)
em que a expresso 3 uma normal multivariada; a
expresso 5 uma distribuio de Wishart invertida com
matriz escala vR; e a expresso 6 a priori no infor-
mativa de Jeffreys (Jeffreys, 1961).
De acordo com as definies apresentadas, obtm-
se a seguinte distribuio conjunta a posteriori:
(7)
Descrevendo algebricamente a equao 7, tem-se:
sendo H os hiperparmetros v e R.
As distribuies condicionais completas a posteriori,
necessrias implementao do algoritmo Gibbs
Sampler, foram obtidas da equao (7) , e so apresen-
tadas como segue:
(10)
29
(11)
Nas equaes 7 a 11:
;
em que N, W e IG representam respectivamente as distri-
buies Normal Multivariada, Wishart e Gama Inversa.
O algoritmo Gibbs Sampler foi implementado utilizan-
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
os pontos amostrados (thin) de 20 observaes, e no
(4)
aquecimento (burn-in) desprezou-se as 4.000 primeiras
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
total de leite e persistncia da lactao) dos parmetros
do modelo de Wood foram obtidas pela substituio de
a, b e c pelas suas respectivas estimativas (, e ) a
cada iterao do Gibbs Sampler, obtendo-se assim, ao
final do processo, um conjunto de valores representati-
vos dessas distribuies.
Para verificar a convergncia do algoritmo Gibbs
Sampler, usou-se o critrio informal (visualizao grfi-
ca da convergncia) e o critrio de Gelman & Rubin
(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.
Um sistema de simulao de dados foi estruturado
visando, primeiramente, a avaliar os recursos
computacionais empregados e tambm abordar alguns
aspectos do mtodo Bayesiano em relao a diferentes
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
RANNOR, utilizando-se os seguintes valores
Pesq. agropec. bras., Braslia, v.40, n.1, p.27-33, jan. 2005
30 F.F. e Silva et al.

paramtricos: = 0,5, = 0,5 e = -0,15. Considera-
ram-se dez experimentos com 32 animais, por experi-
mento, e cada animal com dez controles leiteiros.
Os resultados foram avaliados para verificar se os va-
lores atribudos aos parmetros , e encontravam-
se dentro da amplitude do intervalo de credibilidade de
95% em cada experimento. Nesse processo de anlise,
o Gibbs Sampler foi implementado com 5.000 iteraes
e um intervalo entre os valores amostrados de 20
iteraes.
Na comparao das estimativas obtidas, em diferen-
tes estruturas de covarincia para os parmetros , e
, consideraram-se as matrizes auto-regressiva de pri-
meira ordem, AR(1), e auto-regressiva heterocedstica
de primeira ordem, ARH(1), cujas formas so dadas,
respectivamente, por 1 e 2.
comportamento da produo de leite, em funo do tem-
po, das cabras de primeira e de segunda ordens de par-
to (Figura 1).
A populao de cabras de segunda lactao mais
produtiva, pois apresenta menor taxa de decrscimo da
produo ps-pico () e maior persistncia () (Tabe-
la 1). Estes resultados concordam, em parte, com Gon-
alves (1996), que aplicou testes de mdias aps a an-
lise de varincia nas estimativas dos parmetros do
modelo de Wood ajustado a dados de cabras Saanen, e
obteve diferenas significativas em todos eles, na com-
parao entre cabras de primeira e segunda lactaes.
Por outro lado, Gipson & Grossman (1989) no encon-
traram efeito significativo de ordem de parto sobre ne-
nhum dos parmetros do modelo difsico ajustado s
lactaes de cabras leiteiras.

Na matriz AR(1) assumiram-se as seguintes situa-

es: = 0,2, 0,3, 0,5, 0,7, 0,9 e 2 = 0,05. J na matriz
ARH(1), considerou-se que = 0,2, 0,3, 0,5, 0,7, 0,9 e Figura 1. Produo de leite, em funo do tempo, pelas cabras
de primeira ( ) e segunda ( ) lactao.
12 = 0,05, 22 = 0,03, 23 = 0,01.
As estimativas obtidas a partir desses parmetros
foram comparadas com os valores paramtricos indica- Tabela 1. Estimativas das diferenas entre os parmetros das
duas populaes, desvios-padro e intervalo de credibilidade
dos no pargrafo anterior pelo erro quadrtico mdio
de 95%.
(EQM), definido pela frmula , em Diferena (1) Mdia Desvio- Limite Limite
padro inferior superior
que Q o nmero de experimentos simulados. 1 - 2 -0,2025 0,2852 -0,3457 0,7612
1 - 2 0,0604 0,1065 -0,1489 0,2720
1 - 2 -0,0054 0,0020 -0,0094 -0,0015
Resultados e Discusso 1 - 2 -0,4418 0,3718 -1,1360 0,3101
1 - 2 -7,4282 71,5749 -31,1545 24,4529
1 - 2 -91,7070 74,6205 -232,7780 58,9990
As curvas de lactao estimadas nas duas popula- 1 - 2 -0,6644 0,2805 -1,2134 -0,1256
es no so as curvas mdias, mas meramente gera- (1)Subscritos 1 e 2 indicam, respectivamente, primeira e segunda ordem

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.

Pesq. agropec. bras., Braslia, v.40, n.1, p.27-33, jan. 2005

 Abordagem Bayesiana da curva de lactao de cabras Saanen 31

O algoritmo Gibbs Sampler convergiu, em relao a

todos os parmetros, em ambas as populaes, pois os
valores do coeficiente de convergncia (R) esto muito
prximos ao valor unitrio, o que, segundo Gelman &
Rubin (1992), indica que o processo convergiu (Tabe-
la 2). Alm disso, a anlise informal da convergncia,
aspecto visual, mostrou a estabilizao do processo (Fi-
gura 2) e a forma caracterstica da distribuio margi-
nal (Figura 3), como mostrado para a varincia do erro
de cabras de primeira lactao. Dessa maneira, pode-
se acreditar que as estimativas dos parmetros so,
verdadeiramente, as mdias das distribuies marginais a
posteriori, pois a condio de estacionaridade foi atingida.
O mtodo Bayesiano implementado em linguagem Figura 3. Histograma da amostra da distribuio marginal a
SAS mostrou-se eficiente na estimao dos parmetros posteriori para a varincia do erro da populao de cabras de
primeira lactao.
, e , pois os valores paramtricos utilizados na si-
mulao ( = 0,5, = 0,5 e = -0,15) encontram-se, em
todos os experimentos simulados, dentro do intervalo de
Tabela 3. Estimativas pontuais e intervalo de credibilidade de
95% de credibilidade (Tabela 3). Resultados semelhan- 95% para os parmetros , e nos dez experimentos simula-
tes foram obtidos por Mendoza (1990), que tambm uti- dos.
lizou este sistema de simulao de dados para avaliar Experimento Mdia Desvio- Limite Limite
padro inferior superior
Parmetro ( o = 0,5)(1)
Tabela 2. Estimativas do coeficiente de convergncia ( R ) de
Gelman e Rubin para os parmetros das duas populaes(1). 1 0,4594 0,1453 0,1752 0,7459
2 0,4551 0,1371 0,1868 0,7241
Parmetros R 3 0,4745 0,1414 0,1926 0,7504
Parmetros R
1
4 0,1519 0,8779
1
0,5267 0,2605
1,0000470 1,0026689 5 0,1278 0,7858
2
0,5289 0,2796
1,0000120 2 0,9999110 6 0,5671 0,1578 0,2652 0,8864
1 1,0003553 1 1,0005890 7 0,5295 0,1332 0,2777 0,7926
2 1,0002435 2 0,9999702 8 0,4876 0,1382 0,2257 0,7599
1 1,0003925 1 1,0004589 9 0,4608 0,1589 0,1540 0,7740
2 1,0020534 2 1,0000308 10 0,5252 0,1471 0,2452 0,8212
1 1,0005197 12 0,9999115 Parmetro (o = 0,5) (1)
2 1,0002463 22 1,0001096 1 0,5146 0,1781 0,1707 0,8711
2 0,5475 0,1909 0,1635 0,9213
(1)Subscritos 1 e 2 indicam, respectivamente, primeira e segunda ordem 3 0,5478 0,1672 0,2152 0,8776
de parto; a produo inicial de leite; a taxa crescente de produ- 4 0,4653 0,1935 0,0645 0,8244
o; a taxa decrescente de produo; a produo de leite no pico; 5 0,4823 0,1442 0,1931 0,7611
o tempo de ocorrncia do pico; a produo total de leite; a 6 0,3950 0,1818 0,0329 0,7488
persistncia da lactao. 7 0,4443 0,1790 0,0941 0,7965
8 0,5455 0,1940 0,1604 0,9060
9 0,5391 0,2488 0,0563 1,0239
10 0,4719 0,1516 0,1762 0,7650
Parmetro ( o = -0,15) (1)
1 -0,1511 0,0345 -0,2241 -0,0881
2 -0,1562 0,0336 -0,2231 -0,0907
3 -0,1549 0,0288 -0,2106 -0,0968
4 -0,1440 0,0357 -0,2144 -0,0746
5 -0,1479 0,0282 -0,2054 -0,0937
6 -0,1382 0,0339 -0,2023 -0,0698
7 -0,1434 0,0341 -0,2108 -0,0786
8 -0,1601 0,0431 -0,2367 -0,0677
9 -0,1594 0,0418 -0,2401 -0,0788
Figura 2. Gibbs Sampler para a varincia do erro da popula- 10 -0,1427 0,0285 -0,1974 -0,0872
o de cabras de primeira lactao. (1) Valores paramtricos utilizados na simulao de dados.

Pesq. agropec. bras., Braslia, v.40, n.1, p.27-33, jan. 2005

32
resultados de anlises Bayesianas, recomendando sua
utilizao na avaliao de ensaios de carter biolgico.
medida que o coeficiente de correlao aumenta,
no se verifica uma tendncia crescente no valor da
raiz quadrada do EQM (Figura 4), que se caracteriza
num comportamento tpico dos estimadores freqentistas.
Este fato pode estar relacionado com uma menor varia-
bilidade dos estimadores Bayesianos (mdia da distri-
buio marginal a posteriori) quando os parmetros so
altamente relacionados. Portanto, estes estimadores
podem ser uma alternativa nos estudos de modelos de
regresso em que os parmetros apresentam esta ca-
racterstica.
No houve grande diferena nos valores da raiz qua-
drada do EQM, portanto as diferentes varincias e coe-
ficientes de correlao assumidos em relao aos
Figura 4. Erro quadrtico mdio (EQM) em funo dos coe-
ficientes de correlao nas estimativas dos parmetros ( ),
( ) e ( ), considerando a matriz de covarincia auto-
regressiva de primeira ordem.
Figura 5. Erro quadrtico mdio (EQM) em funo dos coe-
ficientes de correlao nas estimativas dos parmetros ( ),
( ) e ( ), considerando a matriz de covarincia auto-
regressiva heterocedstica de primeira ordem.
Pesq. agropec. bras., Braslia, v.40, n.1, p.27-33, jan. 2005
F.F. e Silva et al.
parmetros no influenciaram, diretamente, o compor-
tamento do estimador Bayesiano, mostrando-se robusto
nas situaes de heterogeneidade (Figura 5).
Concluses
1. A populao de cabras de segunda lactao mais
produtiva que a de primeira lactao.
2. O mtodo Bayesiano eficiente no estudo das cur-
vas de lactao quando os parmetros so correlacionados
entre si.
Referncias
BOX, G.E.P.; TIAO, G.C. Bayesian inference in statistical
analysis. New York: J. Wiley, 1973. 360p.
CHANG, Y.M.; REKAYA, R.; GIANOLA, D.; THOMAS, D.L.
Genetic variation of lactation curves in dairy sheep: a Bayesian
analysis of Woods function. Livestock Production Science, v.71,
p.241-251, 2001.
COBUCI, J.A.; EUCLYDES, R.F.; TEODORO, R.L.; VERNEQUE,
R.S.; LOPES, P.S.; SILVA, M.A. Aspectos genticos e ambientais da
curva de lactao de vacas da raa Guzer. Revista da Sociedade
Brasileira de Zootecnia, v.30, p.1204-1211, 2001.
GALLANT, A.R. Nonlinear statistical models. New York: J.
Wiley, 1987. 610p.
GELMAN, A.; CARLIN, J.B.; STERN, H.S.; RUBIN, D.B.
Bayesian data analysis. London: Chapman Hall, 1997. 526p.
GELMAN, A.; RUBIN, D.B. Inference from iterative simulation
using multiple sequences. Statistical Science, v.7, p.457-511, 1992.
GIPSON, G.S.; GROSSMAN, M. Diphasic analysis of lactation
curves in dairy goats. Journal of Dairy Science, v.72, p.1035-
1044, 1989.
GONALVES, H.C. Fatores genticos e de meio em algumas
caractersticas produtivas e reprodutivas de caprinos. 1996. 141p.
Tese (Doutorado) - Universidade Federal de Viosa, Viosa.
GONALVES, T.M. Estudo da curva de lactao de vacas da
raa Gir. 1994. 66p. Dissertao (Doutorado) - Universidade Federal
de Viosa, Viosa.
GOODALL, A.E.; SPREVAK, D. A Bayesian estimation of lactation
curve of dairy cow. Animal Production, v.40, p.189-193, 1985.
GROENEWALD, P.C.N.; FERREIRA, A.V.; MERWE, H.J. van
der; SLIPPERS, S.C. Application of Bayesian inference in the
comparison of lactation curves of Merino ewes. Animal Science,
v.62, p.63-69, 1996.
GROENEWALD, P.C.N.; VILJOEN, C.S. A Bayesian model for
analysis of lactation curves of dairy goats. Journal of Agricultural,
Biological and Environmental Statistics, v.8, p.75-83, 2003.
 Abordagem Bayesiana da curva de lactao de cabras Saanen 33

JAMROZIK, J.; GIANOLA, D.; SCHAEFFER, L.R. Bayesian es-
timation of genetic parameters for test day records in dairy cattle
using linear hierarchical models. Livestock Production Science,
v.71, p.223-240, 2001.
JEFFREYS, H. Theory of probability. Oxford: Clarendon, 1961.
325p.
LOPES, M.A. Estudo da curva de lactao de um rebanho
Holands variedade preto e branco mantido em um sistema
intensivo de produo. 1994. 87p. Dissertao (Mestrado) -
Universidade Federal de Lavras, Lavras.
MENDOZA, M. A Bayesian analysis of the slope ratio bioassay.
Biometrics, v.46, p.1059-1069, 1990.
REKAYA, R.; CARABNO, M.J.; TORO, M.A. Bayesian analy-
sis of lactation curves of Holstein-Friesian cattle using a nonlinear
model. Journal of Dairy Science, v.83, p.2691-2701, 2000.
ROSA, G.J.M. Anlise Bayesiana de modelos lineares mistos
robustos via Amostrador de Gibbs. 1998. 57p. Tese (Doutorado) -
Universidade de So Paulo, Piracicaba.
SAS INSTITUTE (Cary, Estados Unidos). SAS/STAT SAS/IML
software: usage and reference: version 6. Cary, 1990. 501p.
SORENSEN, D. Gibbs Sampling in quantitative genetics.
Copenhagen: Foulun, 1996. 186p.
WOOD, P.D.P. Algebraic model of the lactation curve in cattle.
Nature, v.216, p.164-165, 1967.

Recebido em 11 de novembro de 2003 e aprovado em 8 de setembro de 2004

Pesq. agropec. bras., Braslia, v.40, n.1, p.27-33, jan. 2005