Efeitos da Heterogeneidade de Variância Residual entre Grupos de Contemporâneos na Avaliação Genética de Bovinos de Corte
Bibliographic record
Abstract
O objetivo deste estudo foi investigar, por meio de dados simulados, o efeito da heterogeneidade de variância residual entre grupos de contemporâneos (GC) sobre as avaliações genéticas de bovinos de corte, e comparar o uso de uma avaliação genética ponderada (R ¹ Isigmae²) em relação à avaliação que pressupõe homogeneidade de variância (R=Isigmae²). A característica estudada foi ganho de peso pós-desmame corrigido para 345 dias, sendo esta simulada com variância fenotípica de 300 kg² e herdabilidade igual a 0,4. A estrutura de um conjunto real de dados foi utilizada para fornecer os GC e os pais referentes às observações de cada animal. Cinco níveis de heterogeneidade de variância residual foram considerados de forma que os componentes de variância fossem, na média, iguais aos da situação de homogeneidade de variância. Na medida em que níveis mais acentuados de heterogeneidade de variância residual foram considerados, os animais foram selecionados dos GC com maior variabilidade, especialmente com pressão de seleção intensa. Em relação à consistência de predição, os produtos e as vacas tiveram seus valores genéticos preditos mais afetados pela heterogeneidade de variância residual do que os touros. O fator de ponderação utilizado reduziu, mas não eliminou o efeito da heterogeneidade de variância. As avaliações genéticas ponderadas apresentaram resultados iguais ou superiores àqueles obtidos pelas avaliações que assumiram homogeneidade de variância. Mesmo quando não necessário, o uso de avaliações ponderadas produziu resultados não inferiores às avaliações que assumiram homogeneidade de variância.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".