Resumo
O objetivo deste trabalho foi comparar o uso de a priori não informativas e informativas em modelos bayesianos, bem como avaliar a viabilidade da inclusão de a priori informativas na estimativa dos componentes de variância e dos valores genotípicos em programas de melhoramento de soja. Os dados fenotípicos utilizados referem-se à avaliação de 80 genótipos de soja, em dez ambientes, ao longo de três anos. Para cada safra avaliada, foram utilizadas a priori informativas e não informativas, e os parâmetros foram estimados com uso do algoritmo de amostragem de Gibbs. As estimativas dos parâmetros da safra anterior foram utilizadas como informação prévia para a próxima safra avaliada. A qualidade do ajuste foi calculada com uso do critério de informação de desvio (DIC). A acurácia seletiva apresentou maiores valores nos modelos escolhidos por meio do DIC, para ambas as safras. No entanto, os intervalos de maior densidade a posteriori são menores para todos os modelos que adotaram a priori informativas. Adicionar informações à inferência bayesiana nem sempre resulta em melhor ajuste ao modelo.
Termos para indexação:
Glycine max
; inferência bayesiana; amostrador de Gibbs; HPD; MCMC
Thumbnail
