Volltext-Downloads (blau) und Frontdoor-Views (grau)

Bitte verwenden Sie diesen Link, wenn Sie dieses Dokument zitieren oder verlinken wollen: https://nbn-resolving.org/urn:nbn:de:gbv:9-001647-2

Statistical modelling of birth weight variability within litter in pigs

  • The study of sow reproduction traits is important in livestock science and production to increase animal survival and economic efficiency. This work deals with the detection of different effects on within-litter variance of birth weight by applying different statistical models with different distributional assumptions. The piglets within one litter were separated by sex. The trait of sow was formed from the sample variances of birth weights within litter separated by sex to consider the sex effect on mean birth weight. A linear mixed model (LMM) approach was fitted to the logarithmized sample variance and the sample standard deviation. A generalized linear mixed model with gamma distributed residuals and log-link function was applied to the untransformed sample variance. Appropriate weights were constructed to account for individual litter sizes. Models were compared by analysing data from Landrace and Large White. The estimates of heritability for the different traits ranged from 6-14%. The LMM for the weighted standard deviation of birth weights was identified as most suitable in terms of residual normality. Furthermore, the impact of piglets´ sex on birth weight variability was tested, but it was only proved for one practical dataset. Additionally, we analysed the influence of including or not including birth weights of stillborn piglets on the estimates of variance components of birth weight variability. With omitted stillborns the estimates of heritability resulted in about 2% higher values than in investigations of total born piglets. We were interested in the presence of the random boar effect on birth weight variability. The corresponding variance component was tested via restricted likelihood ratio test. Among others, the null distribution of the test statistic was approximated by parametric bootstrap simulations which were computational intensive. We picked up a two-parametric approach from literature and proposed a three-parametric approach to approximate the null distribution of the test statistic. We have analysed correlated data in balanced (simulated data) and unbalanced (empirical data) designs. The two-parametric approach using a scaled mixture of chisquare-distributions as well as a three-parametric approach, that uses a mixture of the point mass at zero and a gamma distribution, behaved most solid in all investigations and were most powerful in the simulation study.
  • In den Nutztierwissenschaften untersucht man Reproduktionsmerkmale beim Schwein, um die Überlebensrate dieser Nutztiere und die ökonomische Effizienz zu steigern. In dieser Arbeit wurden wesentliche Faktoren, die die Variabilität des Geburtsgewichtes innerhalb Wurf beeinflussen, studiert. Es wurden verschiedene statistische Modelle mit unterschiedlichen Verteilungsannahmen herangezogen. Die Ferkel innerhalb eines Wurfes wurden nach Geschlecht separiert. Das Merkmal der Sau wurde als Stichprobenvarianz aus den Geburtsgewichten der Ferkel je Wurf und Geschlecht definiert, um den Geschlechtseffekt auf das Geburtsgewicht zu berücksichtigen. Ein lineares gemischtes Modell (LGM) wurde an die logarithmierte Stichprobenvarianz und an die Stichprobenstandardabweichung angepasst. Ein verallgemeinertes lineares gemischtes Modell mit gammaverteilten Residuen und log-Linkfunktion wurde auf die untransformierte Stichprobenvarianz angewandt. Es wurde eine geeignete Gewichtung konstruiert, um die individuellen Wurfgrößen der Sauen zu berücksichtigen. Die Modelle wurden anhand praktischer Daten der Linien Landrasse und Large White evaluiert. Die Schätzung der Heritabilität für die verschiedenen Merkmale lag zwischen 6-14%. Durch die Analyse der studentisierten Residuen konnte geschlussfolgert werden, dass das LGM für die gewichtete Stichprobenstandardabweichung zweckmäßig ist. Außerdem wurde der Geschlechtseffekt auf die Variabilität des Geburtsgewichtes getestet, aber dieser Effekt konnte lediglich anhand eines praktischen Datensatzes bestätigt werden. Des Weiteren wurde untersucht, ob das Einbeziehen oder Nichteinbeziehen totgeborener Ferkel einen Einfluss auf die Schätzung der Varianzkomponenten der Variabilität des Geburtsgewichtes hat. Die Vernachlässigung totgeborener Ferkel führte zu einer Heritabilitätsschätzung, die etwa 2% höher ausfiel als unter Beachtung aller geborenen Ferkel eines Wurfes. In dieser Studie wurde die Präsenz des zufälligen Ebereffektes auf die Variabilität des Geburtsgewichtes untersucht. Die zugehörige Varianzkomponente wurde mittels residualem Likelihood-Quotienten-Test getestet. Die Nullverteilung der Teststatistik wurde u.a. durch parametrische Bootstrap Simulationen approximiert, was allerdings rechenaufwändig war. Es wurde ein zwei-parametriger Ansatz aus der Literatur aufgegriffen und ein drei-parametriger Ansatz vorgeschlagen, um die Verteilung der Teststatistik unter der Nullhypothese zu approximieren. Es wurden korrelierte Daten in balancierten (simulierte Daten) und unbalancierten (praktische Daten) Designs analysiert. Der zwei-parametriger Ansatz, der eine skalierte Mischung aus Chiquadrat-Verteilungen verwendet, und der drei-parametrige Ansatz, der eine Mischung aus dem Punktmaß an Null und einer Gammaverteilung benutzt, verhielten sich in allen Anwendungen am stabilsten. In der Simulationsstudie war der Test basierend auf diesen beiden Ansätzen am mächtigsten.

Download full text files

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author: Dörte Wittenburg
URN:urn:nbn:de:gbv:9-001647-2
Title Additional (German):Statistische Modellierung der Variabilität des Geburtsgewichtes innerhalb Wurf beim Schwein
Advisor:Prof. Dr. Norbert Reinsch, Prof. Dr. Volkmar Liebscher
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2013/11/18
Granting Institution:Ernst-Moritz-Arndt-Universität, Mathematisch-Naturwissenschaftliche Fakultät (bis 31.05.2018)
Date of final exam:2008/09/24
Release Date:2013/11/18
Tag:(verallgemeinertes) lineares gemischtes Modell; Gammaverteilung; Innerwurfvarianz; Test von zufälligen Effekten; parametrisches Bootstrap
(generalized) linear mixed model; gamma distribution; parametric bootstrap; test of random effects; within-litter variation
GND Keyword:Likelihood-Quotienten-Test
Faculties:Mathematisch-Naturwissenschaftliche Fakultät / Institut für Mathematik und Informatik
DDC class:500 Naturwissenschaften und Mathematik / 510 Mathematik
MSC-Classification:92-XX BIOLOGY AND OTHER NATURAL SCIENCES / 92Dxx Genetics and population dynamics / 92D99 None of the above, but in this section