modelos de regressão aleatória, análise multivariada e redes neurais artificiais na avaliação ...

114 Pages·2013·4.57 MB·Portuguese

by  Rodrigo Pelicioni Savegnago

UNIVERSIDADE ESTADUAL PAULISTA - UNESP
CÂMPUS DE JABOTICABAL

MODELOS DE REGRESSÃO ALEATÓRIA, ANÁLISE
MULTIVARIADA E REDES NEURAIS ARTIFICIAIS NA
AVALIAÇÃO GENÉTICA DA PRODUÇÃO DE LEITE DE
VACAS HOLANDESAS

Rodrigo Pelicioni Savegnago
Biólogo

2013
UNIVERSIDADE ESTADUAL PAULISTA - UNESP
CÂMPUS DE JABOTICABAL

MODELOS DE REGRESSÃO ALEATÓRIA, ANÁLISE
MULTIVARIADA E REDES NEURAIS ARTIFICIAIS NA
AVALIAÇÃO GENÉTICA DA PRODUÇÃO DE LEITE DE
VACAS HOLANDESAS

Rodrigo Pelicioni Savegnago
Orientador: Prof. Dr. Danísio Prado Munari
Co-orientadora: Pesq. Dra. Lenira El Faro

Tese apresentada à Faculdade de Ciências
Agrárias e Veterinárias – Unesp, Câmpus de
Jaboticabal, como parte das exigências para a
obtenção do título de Doutor em Genética e
Melhoramento Animal.

2013
Savegnago, Rodrigo Pelicioni
S226m Modelos de regressão aleatória, análise multivariada e redes
neurais artificiais na avaliação genética da produção de leite de vacas
Holandesas / Rodrigo Pelicioni Savegnago. – – Jaboticabal, 2013
xiv, 99 p. : il. ; 29 cm

Tese (doutorado) - Universidade Estadual Paulista, Faculdade de
Ciências Agrárias e Veterinárias, 2013
Orientador: Danísio Prado Munari
Coorientadora: Lenira El Faro
Banca examinadora: João Ademir de Oliveira, Sandra Aidar de
Queiroz, Cláudia Cristina Paro de Paz, José Bento Sterman Ferraz
Bibliografia

1. Análise de agrupamento. 2. Análise Discriminante. 3.
Correlação Genética. 4. Herdabilidade. 5. Valores genéticos. I. Título.
II. Jaboticabal-Faculdade de Ciências Agrárias e Veterinárias.

CDU 519.233.5:636.082

Ficha catalográfica elaborada pela Seção Técnica de Aquisição e Tratamento da Informação –
Serviço Técnico de Biblioteca e Documentação - UNESP, Câmpus de Jaboticabal.

O único lugar onde o sucesso vem antes
do trabalho é no dicionário.
Albert Einstein
DADOS CURRICULARES DO AUTOR

RODRIGO PELICIONI SAVEGNAGO – Filho de Ilson Savegnago e Terezinha de
Jesus Pelicioni Savegnago, nasceu em São Paulo - SP, no dia 11 de agosto de
1984. Iniciou o curso de Ciências Biológicas (modalidades Licenciatura e
Bacharelado) em março de 2003, na Faculdade de Ciências Agrárias e Veterinárias
– UNESP - Campus de Jaboticabal, e obteve o Título de Licenciado em Ciências
Biológicas em 2006 e de Bacharel em Ciências Biológicas em 2007. Durante o ano
de 2007, desenvolveu o trabalho de Iniciação Científica na mesma instituição de
ensino, sob orientação do Prof. Dr. Danísio Prado Munari. Em agosto de 2008,
ingressou no Curso de Mestrado do Programa de Genética e Melhoramento Animal
na Faculdade de Ciências Agrárias e Veterinárias – UNESP - campus de
Jaboticabal, sob a orientação do Prof. Dr. Danísio Prado Munari e co-orientação da
Pesquisadora Dra. Mônica Corrêa Ledur, e obteve o Título de Mestre em Genética e
Melhoramento Animal em Fevereiro de 2010. Em março de 2010, iniciou o Curso de
Doutorado no mesmo programa de pós graduação pela mesma instituição, sob
orientação do Prof. Dr. Danísio Prado Munari e co-orientação da Pesquisadora Dra
Lenira El Faro.
AGRADECIMENTOS

Primeiramente a Deus pela vida, luz, saúde, sabedoria, força e paz. Obrigado
Senhor por me dar forças para caminhar dia após dia.

À minha família (Ilson, Terezinha e Ricardo) por tudo que fizeram ao longo da
minha vida. Não existem palavras que possam descrever o quanto os amo e o
quanto sou grato por vocês existirem em minha vida.

À minha amada Nádia Paula Merlin. Desejo que todos os seus sonhos sejam
realizados e que possamos compartilhá-los por muito tempo.

Ao meu orientador e amigo Prof. Dr. Danísio Prado Munari. Muito obrigado pelos
momentos de convivência desde 2005, pelos ensinamentos, pelo exemplo de ser
humano que você é e pela confiança em meu trabalho.

À minha co-orientadora Pesq. Dra. Lenira El Faro, pelo auxílio na obtenção dos
dados utilizados na tese, nas análises e por sua alegria e espontaneidade.

Ao Prof. Dr. Guilherme Jordão de Magalhães Rosa da University of Wisconsin,
por me receber tão bem em Madison. Obrigado pela oportunidade de ter realizado
parte do meu Doutorado em seu grupo de pesquisa, que certamente propiciou maior
maturidade e ampliação dos meus horizontes como futuro pesquisador e docente
universitário.

Ao Prof. Dr. Bruno Dourado Valente da University of Wisconsin, Madison, EUA,
pelas discussões filosóficas, conversas na hora do almoço e pela paciência e
empenho que você tem em ensinar.

Ao Dr. Ricardo Ventura da University of Guelph, Canadá, pela atenção que você
teve comigo e pelas ideias e discussões que contribuíram na elaboração deste
trabalho.
À Pesquisadora Dra. Mônica Corrêa Ledur pela parceria e por acreditar no meu
trabalho. Tive o grande prazer de ter sido seu co-orientado durante o Mestrado e
continuei colhendo os bons frutos desta parceria durante o Doutorado.

À CRV-Lagoa pela concessão dos dados utilizados na tese.

À Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) pela
concessão da bolsa de estudos de Doutorado (Processo 2010/05148-8) e pela bolsa
de Estágio de Pesquisa no Exterior BEPE (Processo 2012/16087-5). Esta última
permitiu que eu realizasse o período de Doutorado Sanduíche de Janeiro à Agosto
de 2013 na University of Wisconsin, Madison, EUA.

Ao Programa de Pós-Graduação em Genética e Melhoramento Animal da
Universidade Estadual Paulista, Faculdade de Ciências Agrárias e Veterinárias,
Campus de Jaboticabal.

Aos membros da Banca do Exame Geral de Qualificação Prof. Dr. João Ademir
de Oliveira, Prof. Dr. Henrique Nunes de Oliveira, Prof. Dr. Fernando Sebastián Baldi
Rey e Pesquisador Dr. Roberto Carvalheiro. Obrigado por suas sugestões,
conselhos e pela atenção que vocês tiveram comigo.

Aos membros da Banca Examinadora de Doutorado Prof. Dr. João Ademir de
Oliveira, Profa. Dra. Sandra Aidar de Queiroz, Prof. Dr. José Bento Sterman Ferraz e
Pesquisadora Dra. Cláudia Cristina Paro de Paz. Obrigado por suas sugestões,
conselhos e pela atenção que vocês tiveram comigo.

Aos amigos do Departamento de Ciências Exatas e da Pós-Gradução da FCAV-
Unesp - Beatriz Nunes, Bruno Pires, Camila de Souza, Daniela Grossi, Diego
Guidolin, Diogo Garcia, Flávio Arantes, Giovana Vargas, Guilherme Venturini, Ismael
Urbinati, Jaqueline Rosa, Leonardo Seno, Luis Gabriel Herrera, Marcos Buzanskas,
Mirelle Picinato, Natália Grupioni, Nicole Tramonte, Patrícia Seixas, Priscila
Arrigucci, Sabrina Caetano, Salvador Ramos, Tatiane Chud Thiago Bruno da Silva e
Valdecy Cruz. Obrigado pelo companheirismo e por proporcionarem um excelente
ambiente de trabalho.

Ao meu ex-orientado de iniciação científica e amigo Guilherme Batista do
Nascimento. Continue com seu empenho e perseverança em tudo que você faz em
sua vida.

Aos professores e funcionários do Departamento de Ciências Exatas,
especialmente ao Prof. Dr. Danísio Prado Munari, Prof. Dr. João Ademir de Oliveira,
Prof. Dr. Antonio Sergio Ferraudo, Adriana, Norival, Shirley e Zezé.

To my friends and colleagues in Madison – Bruno Faria, Caio Salgado, Emhimad
Abdalla, Fabiane Silva, Francisco Peñagaricano, Heather Adams, Indalécio Cunha,
Juan Manuel González-Camacho (Manolo), Kati Schoepke, Llibertat Palomero,
Pedro Cerqueira, Rodrigo Pacheco, Rostam Abdollahi, Saleh Shahinfar, Valentina
Milani, Vivian Felipe, Weijing Tang e Yaodong Hu. Thank you all for being part of my
life and for providing me such a wonderful experience in Madison.
ix

SUMÁRIO
Página
RESUMO
 .........................................................................................................................................
  xi

ABSTRACT
 ......................................................................................................................................
 xiii

CAPÍTULO
 1
 –
 CONSIDERAÇÕES
 GERAIS
 ..............................................................................
 15

INTRODUÇÃO
 ................................................................................................................................
 15

OBJETIVOS
 .....................................................................................................................................
 17

ESTRUTURA
 DA
 TESE
 .................................................................................................................
 18

REVISÃO
 DE
 LITERATURA
 ........................................................................................................
 19

1
 Modelos
 de
 Regressão
 Aleatória
 ........................................................................................
  19

2
 Índices
 de
 seleção
 baseados
 em
 autovetores
 da
 matriz
 de
 covariância
 dos

coeficientes
 genético-­‐aditivos
 da
 regressão
 aleatória
 ...................................................
 21

3
 Análises
 multivariadas
 de
 agrupamento
 e
 discriminante
 .........................................
 22

3.1
 Análise
 de
 agrupamento
 ............................................................................................................
  22

3.2
 Análise
 discriminante
 .................................................................................................................
  24

4
 Redes
 neurais
 artificiais
 ........................................................................................................
 25

4.1
 Origem
 das
 redes
 neurais
 artificiais
 ......................................................................................
  25

4.2
 Histórico
 das
 redes
 neurais
 artificiais
 ...................................................................................
 27

4.3
 Redes
 neurais
 Multilayer
 Perceptron
 (MLP)
 .......................................................................
 29

4.4
 Funções
 de
 ativação
 .....................................................................................................................
  31

4.5
 Processos
 de
 aprendizagem
 ......................................................................................................
  32

4.5.1
 Aprendizado
 supervisionado
 .............................................................................................
  33

4.5.2
 Aprendizado
 não
 supervisionado
 .....................................................................................
  34

4.6
 Algoritmo
 backpropagation
 e
 regra
 delta
 generalizada
 ..................................................
 35

4.7
 Etapas
 da
 construção
 de
 uma
 rede
 neural
 com
 aprendizado
 supervisionado
 .........
 37

REFERÊNCIAS
 ......................................................................................................................................
 39

CAPÍTULO
 2
 -­‐
 ESTIMATIVAS
 DE
 PARÂMETROS
 GENÉTICOS
 E
 ÍNDICES
 DE
 SELEÇÃO

BASEADOS
 EM
 AUTOVETORES
 PARA
 A
 PRODUÇÃO
 DE
 LEITE
 DE
 VACAS

HOLANDESAS
 ......................................................................................................................................
 51

1
 INTRODUÇÃO
 ..................................................................................................................................
 52

2
 MATERIAL
 E
 MÉTODOS
 ................................................................................................................
 54

2.1
 Descrição
 da
 população
 e
 preparação
 dos
 dados
 ...............................................................
 54

2.2
 Estimativas
 dos
 componentes
 de
 variância
 e
 seleção
 do
 melhor
 modelo
 ..................
 56

2.3
 Índices
 de
 seleção
 para
 a
 produção
 de
 leite
 e
 persistência
 da
 lactação
 ......................
 59

2.3.1
 Índices
 de
 seleção
 baseados
 em
 autovetores
 individuais
 (ISAI)
 .....................................
 60

2.3.2
 Índices
 de
 seleção
 baseados
 em
 autovetores
 sequenciais
 (ISAS)
 utilizando

ponderadores
 para
 a
 produção
 de
 leite
 e
 persistência
 da
 lactação
 ...........................................
 60

2.3.3
 Índices
 de
 seleção
 baseados
 nos
 valores
 genéticos
 da
 produção
 de
 leite
 acumulada

até
 305
 dias
 (Índice
 de
 seleção
 tradicional)
 ........................................................................................
 61

3
 RESULTADOS
 E
 DISCUSSÃO
 ........................................................................................................
 62

3.1
 Estatísticas
 descritivas
 .................................................................................................................
 62