Õpiobjektid -> Sissejuhatus üldiste lineaarsete mudelite teooriasse

SISSEJUHATUS ÜLDISTE LINEAARSETE MUDELITE TEOORIASSE


Õpiobjekti kirjeldus
Õpijuhis
 
Sissejuhatus
1. Põhimõisted
 
2. Üldiste lineaarsete mudelite ja faktorite liigitus
3. Üldise lineaarse mudeli esitused
4. Keskväärtused ja dispersioonid
5. Eeldused ja kitsendused
6. Fikseeritud efektide hindamine (BLUE)
7. Juhuslike faktorite realiseerunud väärtuste prognoosimine (BLUP)
 
8. Dispersioonikomponentide hindamine
9. Enesekontroll
Lisa
¤ Kogu materjal ühe pdf-failina: Yldine_lineaarne_mudel.pdf

Sissejuhatus

Selektsiooniindeksite rakendamine loomade geneetilise potentsiaali hindamiseks suurtes reaalsetes populatsioonides on sageli pärsitud mitmel põhjusel.

  • Esiteks on keerulisemate põlvnemisskeemide puhul tülikas ja vägagi töömahukas kõikvõimalikke sugulussidemeid arvestavate indeksite välja töötamine.
     
  • Teiseks eeldab selektsiooniindeksite teooria kõigi mitte aditiivgeneetiliste faktorite mõjude täpset teadmist ja mõõtmistulemuste nende suhtes korrigeerimist, mida on aga suuremamahuliste, mitmeid aastaid ja loomakasvatusettevõtteid hõlmavate uuringute korral pea võimatu teostada. Seetõttu võivad selektsiooniindeksite abil saadud aretusväärtuste hinnangud küll rahuldada parima lineaarse prognoosi (BLP) tingimusi, aga olla kokkuvõttes ikkagi positiivselt kallutatud paremais ettevõtteis või aastatel mõõdetud loomade suhtes (tulemuseks on nihkega hinnangud).
     
  • Kolmandaks ei saa siiski alati lugeda selektsiooniindeksites kasutatavaid populatsiooni iseloomustavaid geneetilisi parameetreid (päritavuskoefitsient, korduvus, geneetilised korrelatsioonikordajad jne) teadaolevaiks, nende väärtuste hindamiseks selektsiooniindeksid aga enamasti ei sobi.

Kõigi kolme probleemi lahendus on kasutada üldisi lineaarseid segamudeleid (inglise keeles general linear mixed models, GLMM). Nende mudelite olemuses on nii tundmatute keskkonnamõjude kui ka aretusväärtuste samaaegne üksteise mõju arvesse võttev hindamine, mistõttu on tulemuseks nihketa hinnangud -- nii keskkonnamõjude parimad lineaarsed nihketa hinnangud (best linear unbiased estimate, BLUE) kui ka aretusväärtuste parimad lineaarsed nihketa prognoosid (best linear unbiased predictor, BLUP). Samuti võimaldavad need mudelid sobivalt valitud kovariatsioonistruktuuri abil arvesse võtta kõikvõimalikke sugulussidemeid ning hinnata polügeensete tunnuste geneetilist determineeritust ja omavahelist seotust populatsioonis iseloomustavaid parameetrid.

Mitmetel populatsioonigeneetikas ja aretusteoorias kasutatavatel üldiste lineaarsete segamudelite erijuhtudel on peatutud pikemalt teistes materjalides. Käesolev materjal esitab üldiste lineaarsete mudelite ja üldiste lineaarsete segamudelite korrektseks rakendamiseks ja tulemuste tõlgendamiseks vajalikud põhiteadmised.


Järgnevates punktides kirjeldatavad mudelid kuuluvad ka teistes ülikoolides loetavate aretusväärtuste hindamise ja aretusprogrammide kursuste juurde. Vt näiteks

 


< Eelmine

Creative Commons License Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License