BLUP. Zdeňka Veselá

Podobné dokumenty
Předpověď plemenné hodnoty. Zdeňka Veselá

LINEÁRNÍ MODELY. Zdeňka Veselá

Předpověď plemenné hodnoty Něco málo z praxe. Zdeňka Veselá

Popis modelu pro odhady PH mléčné užitkovosti

Hodnocení plemenných + chovných + užitkových prasat

Popis modelu pro odhady PH mléčné užitkovosti

Odhad plemenné hodnoty

8 Odhad plemenné hodnoty (OPH)

Hodnocení plemenných + chovných + užitkových prasat

Zdeňka Veselá Tel.: Výzkumný ústav živočišné výroby, v.v.i.

Proč nový systém odhadu plemenných hodnot?

Popis stanovení plemenné hodnoty pro plodnost u plemene H

Katedra speciální zootechniky, FAPPZ ČZU Praha

Selekce. Zdeňka Veselá

8.2 PLEMENÁŘSKÁ PRÁCE V CHOVU SKOTU

Souhrn základních výpočetních postupů v Excelu probíraných v AVT listopad r r. . b = A

Bodové a intervalové odhady parametrů v regresním modelu

7. Analýza rozptylu.

4EK211 Základy ekonometrie

Zdeňka Veselá Tel.: Výzkumný ústav živočišné výroby, v.v.i.

Statistická analýza jednorozměrných dat

SPOLEHLIVOST PŘEDPOVĚDI PLEMENNÝCH HODNOT PRO SKOKOVOU VÝKONNOST U TEPLOKREVNÝCH PLEMEN KONÍ

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu

SPOLEHLIVOST PŘEDPOVĚDI PLEMENNÝCH HODNOT PRO ZNAKY ZEVNĚJŠKU HODNOCENÝCH LINEÁRNÍM POPISEM U TEPLOKREVNÝCH PLEMEN KONÍ

PRAVDĚPODOBNOST A STATISTIKA

Katedra speciální zootechniky, FAPPZ ČZU Praha. Šlechtění masného skotu v ČR

Odhady Parametrů Lineární Regrese

Regresní analýza 1. Regresní analýza

ŠLECHTĚNÍ MASNÉHO SKOTU

Odhad plemenné hodnoty u plemene Salers

Základní principy šlechtění a hodnocení skotu v ČR

7. Biometrické metody v genetice lineární modely

Matice. a B =...,...,...,...,..., prvků z tělesa T (tímto. Definice: Soubor A = ( a. ...,..., ra

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

1. LINEÁRNÍ ALGEBRA 1.1. Matice

AVDAT Klasický lineární model, metoda nejmenších

Smíšené regresní modely a možnosti jejich využití. Karel Drápela

CERTIFIKOVANÁ METODIKA

Pruty namáhané. prostým tahem a tlakem. staticky neurčité úlohy

Členské shromáždění Jiří Motyčka. Novelizace svazových dokumentů

ANALYTICKÁ GEOMETRIE V PROSTORU

VÝZKUMNÝ ÚSTAV ŽIVOČIŠNÉ VÝROBY,

Odhad parametrů N(µ, σ 2 )

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Regresní a korelační analýza

Realizace ŠP, Rada PK, ŠK

Experiment s dlouhodobou selekcí krav na ukazatele produkce a zdravotního stavu v Norsku Ing. Pavel Bucek, Českomoravská společnost chovatelů, a.s.

Genetické parametry a plemenná hodnota pro hodnocení JUT skotu systémem SEUROP

PRAVDĚPODOBNOST A STATISTIKA

AVDAT Nelineární regresní model

Selekční efekt. Úvod do šlechtění zvířat 1

Zvyšování kvality výuky technických oborů

odpovídá jedna a jen jedna hodnota jiných

AVDAT Geometrie metody nejmenších čtverců

Normální (Gaussovo) rozdělení

Metoda backward výběru proměnných v lineární regresi a její vlastnosti

Metoda nejmenších čtverců Michal Čihák 26. listopadu 2012

část 8. (rough draft version)

Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Odhad parametrů N(µ, σ 2 )

Regresní analýza. Eva Jarošová

Design Experimentu a Statistika - AGA46E

Statistika (KMI/PSTAT)

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

Využití plemenných hodnot v chovech masného skotu

PŘEDPOVĚĎ PLEMENNÝCH HODNOT PRO ZNAKY ZEVNĚJŠKU HODNOCENÝCH LINEÁRNÍM POPISEM U TEPLOKREVNÝCH PLEMEN KONÍ

AKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A

3.2.1 Shodnost trojúhelníků I

PRAVDĚPODOBNOST A STATISTIKA

=10 =80 - =

ší ší šířen ší ší ení Modelování Klasifikace modelů podle formy podobnosti Sestavení fyzikálního modelu

( 5 ) 6 ( ) 6 ( ) Přijímací řízení ak. r. 2010/11 Kompletní znění testových otázek - matematický přehled

Normální (Gaussovo) rozdělení

Rutinní předpověď PH a její spolehlivost

je pravoúhlý BNa ose y najděte bod, který je vzdálený od bodu A = [ 4;

- Definice inbreedingu a jeho teorie

4. Aplikace matematiky v ekonomii

KGG/STG Statistika pro geografy

Regresní a korelační analýza

Kontrola užitkovosti a dědičnosti

jevu, čas vyjmutí ze sledování byl T j, T j < X j a T j je náhodná veličina.

4. Determinanty. Výpočet: a11. a22. a21. a12. = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31. a 11 a 23 a 32 a 12 a 21 a 33

Možnosti selekce na zlepšenou konverzi krmiva u ovcí

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

LINEÁRNÍ REGRESE. Lineární regresní model

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

Matematické modelování Náhled do ekonometrie. Lukáš Frýd

Ing. Antonín Lopatář

II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal

Algoritmus pro hledání vlastních čísel kvaternionových matic

Z D E Ň K A V E S E L Á, V E S E L A. Z D E N K V U Z V. C Z

Riemannův určitý integrál.

Aproximace binomického rozdělení normálním

TERMINOLOGIE ... NAMĚŘENÁ DATA. Radek Mareček PŘEDZPRACOVÁNÍ DAT. funkční skeny




Transkript:

BLUP deňk Veselá vesel.zdenk@vuzv.cz

BLUP V prxi předpověď plemenné hodnot pomocí BLUP Best Liner Unised Prediction Sstém rovnic lineárních modelů se smíšenými efekt Fixní efekt npř. věk mtk, pohlví, plemeno, rok Náhodné efekt npř. plemenná hodnot, mternální efekt, trvlé prostředí

BLUP Modifikovné rovnice zoecněných nejmenších čtverců Momentálně nejčstější nejrozšířenější metod předpovědi PH Doporučená litertur: MODE.A.: Liner models for the prediction for niml reeding vlues JAKUBEC V. kol.: Odhd plemenné hodnot hospodářských zvířt

BLUP Lineární model se smíšenými efekt = + + e n vektor pozorování, n = počet pozorování p vektor fixních efektů, p = počet úrovní fixních efektů q vektor náhodných efektů, q = počet úrovní náhodných efektů e n vektor náhodných residuálních efektů incidenční (strukturní, designová) mtice dimense n p incidenční mtice dimense n q

BLUP Lineární model se smíšenými efekt = + + e Lze znázornit i sklárním zápisem ijk = μ + i + β j + e ijk ijk užitkovost jedince μ průměr populce i - fixní efekt i β j náhodný efekt j s průměrem vrincí σ β e eik náhodný chový efekt (reziduum)

BLUP Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G Trnsponovné mtice

BLUP Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G Užitkovost

BLUP Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G ncidenční mtice fixních efektů

BLUP Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G ncidenční mtice náhodných efektů

BLUP Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G Odhdovné fixní efekt

BLUP Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G Předpovídné náhodné efekt

BLUP Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G ozptlová mtice reziduálních efektů prvidl sklární mtice σ e (rezidu nejsou korelovná mjí konstntní vrinci) Oě strn rovnice lze vnásoit

BLUP Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G e ozptlová mtice náhodných efektů ůzná struktur podle toho, jké náhodné efekt předpovídáme

Předpovídáme PH pro plemeník (otce) dle užitkovostí jejich potomků Náhodný efekt v modelu je otec Předpokládáme-li, že plemeníci mezi seou nejsou příuzní mjí stejnou vrinci σ s ozptlová mtice náhodného efektu (otec) ude G = σ s G - = (/σ s)

Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G e G - σ e = (σ e / σ s) = α α = σ e / σ s = (4 h ) / h

Soustv normálních rovnic (Henderson) Mixed Model Eqution (MME) G - σ e = (σ e / σ s) = α α = σ e / σ s = (4 h ) / h

PŘÍKLAD Máme k dispozici produkci mlék dcer 5 ýků z denní zkrácenou první lktci. Dcer se ncházejí ve 3 stádech (viz t). Cílem cvičení je odhdnou fixní efekt stád předpovědět plemennou hodnotu otců. Otcovské efekt předstvují náhodný výěr z množin otců se střední hodnotou rovnjící se s vrincí 45 kg. Kždá užitkovost oshuje vedle stádových otcovských efektů jeden náhodný reziduální efekt se střední hodnotou vrincí 4655 kg. Předpokládáme, že otcovské efekt jsou n soě nezávislé, tj. otcové nejsou mezi seou příuzní. Dále vpočítejte stndrdní chu předpovědi, spolehlivost přesnost předpovědi plemenných hodnot ýk. Číslo dcer Stádo Otec Produkce mlék v kg 3 4 5 7 3 3 4 3 5 5 3 6 3 9 7 3 3 8 8 3 4 38 9 3 4 4 3 5 35

PŘÍKLAD ozptlová mtice náhodných efektů σ s = 45 kg σ e = 4655 kg α = σ e / σ s = 4655 / 45 = 9 9 9 9 9 9

PŘÍKLAD ncidenční mtice pevného efektu stádo Dcer v. stádě Dcer v. stádě Dcer 3 v. stádě

PŘÍKLAD ncidenční mtice náhodného efektu otec Dcer po otci 3 Dcer po otci 5 Dcer 3 po otci

PŘÍKLAD ncidenční mtice náhodného efektu otec Dcer po otci 3 Dcer po otci 5 Dcer 3 po otci

PŘÍKLAD 5 3

PŘÍKLAD 5 3 V. stádě jedinci V. stádě 3 jedinci Ve 3. stádě 5 jedinců Žádný jedinec není zároveň ve stádech

PŘÍKLAD Otec má ve stádě dcer Otec 3 má ve stádě dceru Ve stádě je: dcer po otci dcer po otci dcer po otci 5 Otec 4 5 nemjí Žádnou dceru ve Stádě Otec 4 má dcer ve stádě 3

PŘÍKLAD 3 Otec má dceru Otec má dcer

PŘÍKLAD 7 93 69 35 4 38 8 9 3 3 3 7 4 Součet užitkovosti plemenic ve stádě je: 4 + 7 = 69

PŘÍKLAD 9 78 7 6 3 35 4 38 8 9 3 3 3 7 4 Součet užitkovosti dcer otce 5 je: 7 + 3 + 35 = 9

PŘÍKLAD 9 9 9 9 9 3

PŘÍKLAD ovnice smíšeného modelu: 9 78 7 6 3 7 93 69 5 3 5 4 3 3 s s s s s

PŘÍKLAD ovnice smíšeného modelu: 9 78 7 6 3 7 93 69 5 3 5 4 3 3 s s s s s

PŘÍKLAD ovnice smíšeného modelu: 9 78 7 6 3 7 93 69 5 3 5 4 3 3 s s s s s

PŘÍKLAD nverze mtice LS získáme mtici C

PŘÍKLAD Vektor s odhdnutými fixními efekt předpovězenými náhodnými efekt 35,7 48,46 6,89 4,6 4,8 339, 38,45 3464,4 5 4 3 3 s s s s s

PŘÍKLAD Digonální prvk inverze rovnic smíšeného modelu c c c c

PŘÍKLAD Digonální prvk inverze rovnic smíšeného modelu c c c c

PŘÍKLAD Predikovná chová vrince (PEV) Stndrdní ch předpovědi (SEP) Spolehlivost předpovědi Přesnost předpovědi e d i SEP e d i PEV e d i r r r

PŘÍKLAD Stndrdní ch předpovědi (SEP) SEP d i e SEP,58764655 53,89 SEP,48934655 5,9 SEP,49344655 5,56 SEP,49564655 5,9 SEP,4784655 49,9

PŘÍKLAD Spolehlivost předpovědi i d r,9 9,4786,58 9,4956,6 9,49345,7 9,48933,33 9,5876 r r r r r

PŘÍKLAD Přesnost předpovědi r r,3,9,4,58,5,6,65,7,83,33 r r r r r

Příště: BLUP ANMAL MODEL