Age at first calving of Nellore cattle in the semi-arid region of northeastern Brazil using linear, threshold, censored and penalty models

داده ها به طور معمول از بین می روند زمانی که ناسازگاری در یک پایگاه داده وجود دارد یا زمانی که اطلاعات غیر قابل انطباق و یا خارج از محدوده برای ویژگی های زیستی گونه های مورد تجزیه و تحلیل است. با این وجود، از دست دادن چنین اطلاعاتی می تواند پیامدهای قابل توجهی برای ارزیابی ژنتیکی گاوها داشته باشد. در اینجا ما از مدل های مختلف برای تخمینی پارامترهای ژنتیکی برای سن زایمان اول استفاده می کنیم تا از حذف اطلاعات جلوگیری شود. ما پنج روش مبتنی بر توزیع صفات را برای تعریف محدودیت های محکومیت / دفع استفاده کردیم: مدل خطی، سانسور، مجازات و روشهای از دست رفته، و مدل آستانه (دوتایی و پلیچوتومی). برای ارزیابی اتصالات و مقایسه مدل ها از تجزیه داده ها و همبستگی پیرسون استفاده شده است. کمترین توانایی برای روش گمشده و مدل باینری برآورد شد. محروم کردن غلط از داده ها به طور قابل توجهی بر برآورد پارامترهای ژنتیکی و رتبه بندی خرس ها تاثیر می گذارد. علاوه بر این، مدل هایی که از حذف داده ها رنج می برد، بدترین طبقه بندی ها را از نظر مقایسه مدل ها تولید می کنند. محققان هنگام تصمیم گیری برای حذف داده ها باید بسیار مراقب باشند. به عنوان مثال، سن ابتلا به زایمان تا 72 ماه می تواند برای دیگر کشورها یا حتی مناطق دیگر در برزیل محسوب شود. اگرچه این مقدار بسیار بالا است، اما در شرایط خشک یا نیمه خشک، می تواند واقعی باشد. در این شرایط، مجازات و یا روش های غیابی مناسب ترین روش های تحلیل است.