• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.11.2023.tde-12042023-170119
Documento
Autor
Nome completo
Andreza Jardelino Koeller
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
Piracicaba, 2023
Orientador
Banca examinadora
Demetrio, Clarice Garcia Borges (Presidente)
Fatoretto, Maíra Blumer
Silveira, Liciana Vaz de Arruda
Título em inglês
Statistical models to study of reproductive biotechnology in cattle
Palavras-chave em inglês
Binary data
Combined models
Generalized linear mixed models
Machine learning
Overdispersion
Pregnancy classification
Random forest
Viable embryo
Resumo em inglês
The advent of artificial insemination and in vitro fertilization have made it possible for the field of animal breeding to gain sizeable advances in pregnancy outcomes. The data used in this work relates to embryo transfer and viability, where the nature of the variable under study are, respectively, binary and proportion samples. In this context, the goal of this work is to develop models capable of accommodating these kinds of data, and with data evaluate the possible influences for each of the interests, advancing knowledge in the field of statistics, as well as animal breeding. For the development of this work generalized linear mixed-effects models to evaluate the overdispersed binary data, with the objective of identifying which factors influenced a successful embryo transfer. Another goal was to verify which conditions lead to a high embryo viability rate, for that, combined models were proposed as a solution capable of accommodating the proportion data. Finally, in the last chapter, we proposed a comparison between different methodologies, which used the binary data with the objective of verifying the performance between statistical models with those proposed for machine learning.
Título em português
Modelos estatísticos para o estudo de biotecnologias reprodutivas em bovinos
Palavras-chave em português
Classificação de prenhez
Dados binários
Embrião viável
Machine learning
Modelos combinados
Modelos lineares generalizados mistos
Random forest
Superdispersão
Resumo em português
O advento das técnicas de inseminação artificial e fertilização in vitro possibilitaram que o campo de melhoramento animal obtivesse um avanço nos resultados de prenhez. Os dados utilizados nesse trabalho são referentes a transferência e viabilidade embrionária, onde a natureza da variável de interesse são amostras binárias e de proporção, respectiva- mente. Nesse contexto, o objetivo deste trabalho é desenvolver modelos capazes de acomodar esses tipos de dados, e com isso avaliar as possíveis influências para cada um dos interesses, fomentando o conhecimento no que tange a área de estatística, bem como a de melhoramento animal. Para o desenvolvimento deste trabalho foram utilizados modelos lineares generalizados mistos para avaliar os dados binários superdispersos, a fim de identificar quais os fatores que influenciavam a uma transferência embrionária de sucesso. Um outro objetivo foi verificar as condições que resultam em uma elevada taxa de viabilidade embrionária, para isso, foram propostos os modelos combinados para acomodar os dados de proporção. Para finalizar o trabalho foi proposta uma comparação entre de diferentes metodologias, as quais utilizaram os dados binários a fim de verificar a performance entre modelos estatísticos com aqueles propostos para o aprendizado de máquina.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2023-04-13
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.