Geri Dön

Tekrarlanan ölçümlerde random regresyon yöntemi ile varyans kovaryans unsurlarının tahmini ve hayvan ıslahında kullanım olanakları

In Repeated measurements estimation of variance and covariances component by using random regression prosedure and it's usage possibilities

  1. Tez No: 105725
  2. Yazar: SERHAT ARSLAN
  3. Danışmanlar: YRD. DOÇ. DR. KAZIM KARA
  4. Tez Türü: Doktora
  5. Konular: Ziraat, Agriculture
  6. Anahtar Kelimeler: Şansa bağlı regresyon, DFREML, tekrarlanan ölçümler, ortogonal polinom, oto-korelasyon, Random regression, DFREML, repeated measurements, orthogonal polinomial, auto-corelation m
  7. Yıl: 2001
  8. Dil: Türkçe
  9. Üniversite: Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Zootekni Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Hayvan ıslahında tekrarlanan gözlem değerleri giderek önem kazanmakta olan bir konudur. Bu çalışmada tekrarlanan gözlem değerlerini içeren veri setlerinin analiz ve parametre tahminleri için kullanılan yöntem ve modeller karşılaştınlmıştır. Bu modellere alternatif olarak Ali-Schaeffer eğri fonksiyonun uyumuyla oluşturulan kovaryans fonksiyonu yaklaşımlı şansa bağlı regresyon modelinin kullanımı araştırılmıştır. Bu amaçla, süt sığırları için tutulmuş olan kayıtlardan sağlanan bir veri tabanı esas alınarak simülasyonla elde edilen bir veri seti üzerinde çalışılmıştır. Zamana bağlı değişimin geçerli olduğu denetim günü verimleri için uyumu yapılan modellerden uyum büyükten küçüğe doğru sırasıyla KF-RRM (Kovaryans Fonksiyonu Yaklaşımlı Şansa Bağlı Regresyon Modeli), DRRM (Doğrudan Şansa Bağlı Regresyon Modeli), TM (Tekrarlanabilen Model), ORM (Oto-Regresif Model) ve HM (Hayvan Model)'de olmuştur. Hatalar arası oto-korelasyon yapısını en iyi açıklayan modellerin sırasıyla KF-RRM ve ORM olduğu belirlenmiştir. Tahminlenen parametreler, varyanslar için karşılaştırılmış ve en hassas parametre tahminleri KF-RRM sonuçlarından elde edilmiştir. Bunu, DRRM izlemiştir. Laktasyon eğrisi için uyumu yapılan eğri fonksiyonları, laktasyonun genetik ve çevresel faktörlerle açıklaması bakımından incelenmiştir. En iyi eğri tahminine Ali-Schaeffer eğri fonksiyonu sahip olurken, Wilmink fonksiyonu eğriyi bu yönden açıklamakta yetersiz kalmıştır. Laktasyon eğrisinin genetik ve çevresel kaynaklara göre en iyi açıklayan yaklaşım ise, KF yaklaşımlı LGP tanımlaması olmuştur.

Özet (Çeviri)

In animal breeding, repeated measurements are getting importance recently. In this study, we compared the methods and models which are used in the analysis of data sets which contain the repeated measurements and the estimation of parameters. Moreover, as an alternative method, random regression procedure which used the approach of covariance functions and was formed by compatibility of Ali- Schaeffer curve function was investigated. A data set was generated by simulation from the records of dairy cattle. Fitting of the tested models for test-day yieldsin time were ranked from the best to the worst were CF-RRM (Covariance Function-Random Regression Model), DRRM (Direct Random Regression Model), RM (Repeatablity Model), ARM (Auto-regressive Model) and AM (Animal Model) respectively. It was determined that the best models which explain the auto-correlation structure among the experimental errors were CF-RRM and ARM. Predicted parameters were compared for variances and the most sensitive estimation of parameters were obtained by CF-RRM. It was followed by DRRM. Curve functions which were fitted for lactation curve were observed for the effects of genetic and environmental factors on lactation. While Ali-Schaeffer curve function had the best curve estimation, Wilmink function was inadequate to explainthe curve. LGP (Legendre Polynomials) definiton with CF approach was the best approach which explained the lactation curve based on genetical and environmental factors.

Benzer Tezler

  1. Using co-training to empower active learning

    Aktif öğrenmeyi güçlendirmek için eş-öğrenme kullanılması

    PAYAM VAKILZADEH AZAD

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF YASLAN

  2. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  3. İnmeli hastalara uygulanan ROM egzersizlerinin günlük yaşam aktiviteleri üzerine etkinliğinin değerlendirilmesi

    Assessment of the effectivenes of ROM exercise intervention on activities of daily living for stroke patient

    AYŞEGÜL ÇALMAN KOÇ

    Doktora

    Türkçe

    Türkçe

    2009

    HemşirelikAtatürk Üniversitesi

    İç Hastalıkları Hemşireliği Ana Bilim Dalı

    DOÇ. DR. MEHTAP TAN

  4. Geçirilmiş sezaryende abdominal ultrason ve kontraksiyon paterni özellikleri kullanılarak makine öğrenmesi ile uterin dehisensin öngörülmesi

    Prediction of uterine dehiscence with machine learning by using lower uterine segment thickness and contraction pattern features

    MERVENUR KEMENT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Kadın Hastalıkları ve DoğumSağlık Bilimleri Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    PROF. MELİKE DOĞANAY

  5. Kronik hepatit b enfeksiyonlu hastalarda serum HBsAg değerinin negatifleşmesini öngördürücü faktörlerin incelenmesi: Olgu-kontrol çalışması

    Evaluation of factors that can predict HBsAg loss with chronic hepatitis b virus infection: Case-sontrol study

    BEGÜM BEKTAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Enfeksiyon Hastalıkları ve Klinik Mikrobiyolojiİstanbul Medeniyet Üniversitesi

    Enfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı

    DOÇ. DR. FERHAT ARSLAN