Una comparación de la estimación de componentes de varianza mediante simulación

• José A. Cadena-Meneses ^[1] ; Alberto Castillo-Morales ^[2]
  1. [1] Universidad Autónoma Chapingo

     Universidad Autónoma Chapingo

     México

     
  2. [2] Universidad Autónoma Metropolitana

     Universidad Autónoma Metropolitana

     México

     
• Localización: Agrociencia, ISSN 2521-9766, ISSN-e 1405-3195, Vol. 34, Nº. 3, 2000, págs. 343-352
• Idioma: español
• Títulos paralelos:
  • Variance component estimation, a comparison supported by simulation
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En mejoramiento genético animal la heredabilidad se estima en términos de los componentes de varianza de un modelo lineal mixto, para lo cual se usan métodos de estimación de componentes de varianza. Para datos desbalanceados existen varios métodos de estimación que, en general producen resultados diferentes. Los métodos pueden agruparse en: los basados en la Tabla de Análisis de Varianza, los de Máxima Verosimilitud, los de Norma Mínima y los Bayesianos. En este trabajo se aplicó los métodos Henderson III, máxima verosimilitud, máxima verosimilitud restringida, MINQUE iterativo y estimación de Bayes usando el muestreador de Gibbs a los datos de Harville y Fenech (1985). Dada la discrepancia de los resultados obtenidos, se presentan también los resultados de aplicarlos a datos generados mediante simulación. Se concluye que para el tipo de problema como el aquí considerado, el método que se debe preferir es el de máxima verosimilitud restringida

  • English

    In animal breeding, heritability is estimated in terms of variance components from a mixed model for which methods of estimating variance components are used. For unbalanced data, there are several methods of estimation that, in general, produce different results. The methods can be grouped into those based on an Analysis of Variance Table, those of Maximum Likelihood, those of Minimum Norm and the Bayesian methods. In this study the methods Henderson III, maximum likelihood, residual (or restricted) maximum likelihood, iterative MINQUE, and Bayes’ estimation, using Gibbs Sampling, were applied to the data of Harville and Fenech (1985). Because of the discrepancies in the results, the methods were also applied to data generated through simulation. It is concluded that for the type of problem that is considered here, the preferred method is restricted maximum likelihood.