Agrociencia

ISSN: 1405-3195
agrocien@colpos.mx
Colegio de Postgraduados
Mxico

Cadena Meneses, Jos A; Castillo Morales, Alberto

Uso de MTGSAM y muestreo de GIBBS en la estimacin de componentes de varianza
Agrociencia, vol. 36, nm. 3, mayo-junio, 2002, pp. 345-354
Colegio de Postgraduados
Texcoco, Mxico

Disponible en: http://www.redalyc.org/articulo.oa?id=30236308

Cmo citar el artculo

Nmero completo
Sistema de Informacin Cientfica
Ms informacin del artculo Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal
Pgina de la revista en redalyc.org Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
 USO DE MTGSAM Y MUESTREO DE GIBBS EN LA ESTIMACIN
DE COMPONENTES DE VARIANZA
USING MTGSAM AND GIBBS SAMPLING IN VARIANCE COMPONENTS ESTIMATION
Jos A. Cadena-Meneses1 y Alberto Castillo-Morales2
1
Departamento de Zootecnia. Universidad Autnoma Chapingo. 56235. Chapingo, Estado de Mxi-
co. (cadena@taurus1.chapingo.mx). 2Departamento de Matemticas. Universidad Autnoma Metro-
politana, Iztapalapa. Mxico, D. F. (acm@xanum.uam.mx).
RESUMEN
En este trabajo se presenta una estrategia para la estimacin de
componentes de varianza de un problema de un establo lechero
mediante el uso del paquete computacional MTGSAM que utiliza
el muestreo de Gibbs. Se presentan los diferentes resultados obte-
nidos cambiando los valores iniciales de los parmetros a estimar,
as como los diferentes criterios para tomar la muestra de la cade-
na de Markov. Se concluye que no existen criterios generales para
la obtencin de la muestra, y se requieren distribuciones a priori
apropiadas.
Palabras clave: Cadenas de Markov, componentes de varianza, m-
todos bayesianos.
INTRODUCCIN
E
n el mejoramiento gentico animal, con frecuen-
cia se tiene la necesidad de contar con estima-
ciones de las componentes de varianza, a partir
de las cuales se definen varios ndices mediante los que
se determinarn los criterios de seleccin de los anima-
les que, por sus caractersticas, conviene utilizar como
base de las generaciones futuras. El objetivo de este tra-
bajo es presentar una estrategia de uso del paquete
MTGSAM para la estimacin de componentes de varian-
za basada en muestreo de Gibbs. Se eligi MTGSAM
por que es un paquete que permite la inclusin del pedi-
gr de los animales y hace estimacin bayesiana utilizan-
do muestreo de Gibbs, que no haba sido usado en cien-
cia animal por la ausencia de un paquete adecuado y de
uso relativamente fcil.
Los componentes de varianza corresponden a las di-
ferentes fuentes que contribuyen a la variacin de una
observacin. Su estimacin suele hacerse a partir de los
datos que se tienen en los programas de control de pro-
duccin, los cuales contienen informacin sobre fertili-
dad, produccin de leche, y carne, calidad del producto,
etctera. Aunque en primera instancia esta informacin
Recibido: Enero, 2001. Aprobado: Abril, 2002.
Publicado como ENSAYO en Agrociencia 36: 345-354. 2002.
345
ABSTRACT
This work presents a strategy for the estimation of variance
components for a dairy problem by applying Gibbs sampling
through the use of the MTGSAM computer program. It presents
the different results obtained by changing the initial values of the
parameters to be estimated, as well as the criteria for taking
Markovs chain samples. It is concluded that there are no general
rules for obtaining the sample, and that appropriate a priori
distributions for variance components are required
Key words: Markovs chains, variance components, bayesian methods.
INTRODUCTION
I
n the genetic improvement of livestock, it is often
necessary to obtain estimations of the variance
components, from which various indices are defined
that will determine the selection criteria for the animals
that should be used, because of their characteristics, as a
base for the future generations. The objective of this work
is to present a strategy for the use of the MTGSAM
program for the estimation of variance components based
on Gibbs sampling. The MTGSAM was selected because
it allows the inclusion of pedigree, and makes bayesian
estimation using Gibbs sampling, which had not been
used in animal science for lack of an adequate program
that could be used with relative ease.
Variance components correspond to the different
sources which contribute to the variation of a given
observation. Their estimation is usually based on the data
found in the production control programs, which contain
information related to fertility, milk and meat production,
quality of product, etc. Although this information is
primarily used for management purposes or production
quantification, it can also be used to calculate genetic
values, to estimate genetic parameters based on field
records, or to determine the potential importance of other
effects, which in the context of classical statistics are
known as fixed effects, and in the bayesian context as
subordinate effects; such as the age of the dam, sex of
the animal and time of year, among others.
346 AGROCIENCIA VOLUMEN 36, NMERO 3, MAYO-JUNIO 2002
es usada con propsitos de manejo o de cuantificacin
de la produccin, puede emplearse tambin para calcular
valores genticos, para la estimacin de parmetros
genticos a partir de registros de campo, o para determi-
nar la importancia potencial de otros efectos, a los que en
el contexto de la estadstica clsica se les conoce como
efectos fijos, y en el contexto bayesiano, como efectos
subordinados; tales como la edad de la madre, sexo del
animal y poca del ao, entre otros.
En trminos matriciales el modelo lineal mixto es
Y=Xb+Ux+e (1)
donde Y es un vector (nx1) de observaciones, b es un vector
(sx1) de parmetros desconocidos de efectos fijos, X es
una matriz (nxs) conocida, usualmente una matriz de in-
cidencias de ceros y unos, pero que puede incluir
covariables, x es un vector (tx1) de efectos aleatorios, de
la forma x=[x1, x2,..., xc]; con xi de orden ti, t1 + t2
+...+ tc=t y xi ~ (0, si2 Ati) con cov(xi, xi) = 0 para ii.
U=[U1, U2,...,Uc] es una matriz (nxt) de incidencias, co-
nocida, con Ui de dimensiones nxti, y x ~ (0, se2 In) es el
vector (nx1) de trminos de error aleatorios. Adems si
A=diag(s2i Ati), entonces var(x)=A, V=var(Y)=UAU+se2 In
y Y ~ (Xb, V).
Los animales presentan generalmente una gran va-
riabilidad, y esto permite hacer una seleccin de aque-
llos individuos que se considera podrn mejorar las ca-
ractersticas de inters. Las variaciones de las caracters-
ticas observables, llamadas fenotpicas, son el resultado
de un conjunto de efectos genticos de tipo aditivo as
como de sus interacciones, cuya expresin puede ser mo-
dificada por el medio ambiente en el que se desarrollan
los animales; esto es, por factores externos que actan
sobre los individuos. Por lo anterior, la varianza fenotpica
(s2f ) es considerada como la suma de las varianzas
atribuibles a fuentes de variacin genticas y ambienta-
les, as como de las interacciones entre ellas (Falconer,
1989). Esto ltimo se puede representar por
s2f =V(G+E)=sg2+2sge+se2; donde s2f es la varianza de va-
lores observados o fenotpica, s2g la varianza de los efec-
tos genticos entre los individuos, sge la covarianza entre
genotipo y ambiente y se2 la varianza de los efectos am-
bientales. Si se supone que no existe correlacin entre el
genotipo y el ambiente, entonces sge=0 y la particin de
la varianza sera
s2f = s2g + s2e
El principal inters de un mejorador es conocer la pro-
porcin de las diferencias fenotpicas debida a efectos
genticos, ya que si es muy baja o no existe, los progra-
mas de seleccin no tendran sentido.
In matricial terms the mixed lineal model is
Y=Xb+Ux+e (1)
where Y is a vector (nx1) of observations, b is a vector
(sx1) of unknown parameters with fixed effects, X is a
known matrix (nxs), usually an incidence matrix with
zeros and ones, but which may include covariables, x is a
vector (tx1) of random effects of the form x=[x1, x2,...,
xc]; with xi of order ti, t1 + t2 +...+ tc=t and xi ~ (0, si2 Ati)
with cov(xi, xi) = 0 for ii. U=[U1, U2,...,Uc] is an
incidence matrix (nxt), known, with Ui of dimensions
nxti, and x ~ (0, se2 In) is the vector (nx1) of random error
terms. Furthermore, if A=diag(s2i Ati), then var(x)=A,
V=var(Y)=UAU+se2 In and Y ~ (Xb, V).
The animals usually present great variability, and this
makes it possible to select the individuals which could
improve the traits of interest. The variations of the
observable traits, known as phenotypical, are the result
of a combination of genetic effects of the additive type,
as well as of their interactions, whose expression may be
modified by the environment in which the animals grow;
that is, by external factors which act on the individuals.
Therefore, the phenotypical variance (s2f ) is considered
to be the sum of the variances attributable to genetic and
environmental sources of variation, as well as to their
interactions (Falconer, 1989). This can be represented by
s2f =V(G+E)=sg2+2sge+se2; where s2f is the variance of
observed or phenotypical values, s2g is the variance of the
genetic effects among individuals, sge is the genotype by
environment covariance and se2 is the variance of the
environmental effects. If it is assumed that there is no
correlation between genotype and environment, then
sge=0 and the variance partition would be
s2f = s2g + s2e
The main interest of a breeder is to know the
proportion of the phenotypical differences resulting from
genetic effects, because if this proportion is very low or
non-existent, the selection programs would be of no use.
The genotypical variance can be divided, according
to the effects of the genes and their interactions, in additive
variance (sA2), dominance variance (sD2) and epistatic
variance (sI2), that is: s2g = sA2+sD2+sI2, therefore, the
phenotypical variance is s2f =sA2+sD2+sI2+se2 or equivalently,
s 2f s 2A s 2D + s 2I + s 2e , which generates the ratio
= +
s 2f s 2f s 2f
s 2A
h2+c2=1; where h 2 = is the heredity index in the strict
s 2f
 CADENA-MENESES y CASTILLO-MORALES: MUESTREO DE GIBBS EN LA ESTIMACIN DE COMPONENTES
La varianza genotpica puede ser dividida, de acuer-
do con los efectos de los genes y las interacciones entre
ellos, en varianza aditiva (sA2), varianza de dominancia
(sD2) y varianza episttica (sI2), esto es: s2g = sA2+sD2+sI2,
por lo que la varianza fenotpica es s2f =sA2+sD2+sI2+se2 o,
s 2f s 2A s 2D + s 2I + s 2e
equivalentemente, = + , lo que
s 2f s 2f s 2f
s 2A
genera la relacin h2+c2=1; donde h 2 = es el ndice
s 2f
de herencia en el sentido estrecho y c2 es la porcin de la
varianza fenotpica que se debe a desviaciones causadas
por factores genticos no aditivos ms el ambiente.
Aunque existen varios mtodos de estimacin de com-
ponentes de varianza (Searle, 1971; Cadena y Castillo,
2000a y 2000b entre otros), aqu slo se hace referencia
a los bayesianos (Gianola et al., 1990).
Considerando la ecuacin (1) desde el punto de vista
bayesiano, y los residuales independientes de b y x, los
vectores b y x son formalmente parmetros de localiza-
cin, pero se distingue entre los dos dependiendo del es-
tado relativo de incertidumbre previa a la realizacin de
los datos (Gianola et al., 1990). Se supone que b es un
vector sobre el que el conocimiento previo es totalmente
vago, y el investigador es indiferente con respecto a los
valores que toma a priori. Por otro lado, x es un vector
sobre el cual es posible hacer enunciados probabilsticos
previos con algn grado de precisin. Estas dos situacio-
nes corresponden a los efectos fijos (b) y aleatorios (x).
Mientras que es posible que b tenga un significado fijo,
hay una aleatoriedad que proviene de la incertidumbre
subjetiva acerca de su valor. La situacin es similar a la
de x, pero aqu el investigador tiene experiencia previa
que puede ser modelada por una distribucin, posible-
mente con parmetros no especificados. Si x en (1) es un
vector de valores genticos, bajo herencia polignica es
razonable suponer una distribucin normal para x.
La distribucin no informativa a priori para b es (Box
y Tiao, 1973):
p(b) constante
Usando el argumento sugerido previamente, y supo-
niendo que en (1) slo se va a considerar un componente
de varianza, se tiene:
x ~ Nt (0, Asx 2
) (2)
esto es, x sigue una distribucin normal t-variada; A es la
matriz conocida de relacin aditiva (Henderson, 1984) y
s2x es la varianza de los efectos genticos aditivos o de la
347
sense and c2 is the portion of the phenotypical variance
resulting from deviations caused by non-additive genetic
factors plus the environment.
Although there are various methods for the estimation
of variance components (Searle, 1971; Cadena and
Castillo, 2000a and 2000b among others), here reference
is made only to the bayesian methods (Gianola et al.,
1990).
Considering equation (1) from the Bayesian point of
view, and the independent residuals of b and x, the vectors
b and x are formally location parameters, but they can be
distinguished from one another depending on the relative
state of uncertainty prior to the gathering of data (Gianola
et al., 1990). It is assumed that b is a vector of which
previous knowledge is totally vague, and to which the
investigator is indifferent with respect to the values taken
a priori. On the other hand, x is a vector of which it is
possible to make previous probabilistic statements with
some degree of precision. These two situations correspond
to the fixed (b) and random (x) effects. While it is possible
that b has a fixed significance, there is a randomness which
arises from the subjective incertitude about its value. The
situation is similar to that of x, but here the investigator
has previous experience that can be modeled by a
distribution, possibly with unspecified parameters. If x
in (1) is a vector of genetic values, under polygenic
heredity it is reasonable to suppose a normal distribution
for x.
The a priori non-informative distribution for b is (Box
and Tiao, 1973):
p(b) constante
Using the previously suggested argument, and
supposing that in (1) only one variance component is to
be considered, then:
x ~ Nt (0, Asx2) (2)
that is, x follows a normal t-varied distribution; A is the
known additive ratio matrix (Henderson, 1984) and s2x is
the variance of the additive genetic effects or of the
transmittance ability, depending on the context. In general,
s2x is unknown, therefore (2) establishes the form of
distribution but does not necessarily specify the values
for all parameters. It is assumed that:
(Y | b, x, s2e) ~ Nn(X+U, Ise2) (3)
where se2 is the residual variance. In general, se2 is
unknown, therefore (3) is a statement on the distributional
form with all the non-specified parametric values (Gianola
et al., 1990).
348 AGROCIENCIA VOLUMEN 36, NMERO 3, MAYO-JUNIO 2002

habilidad de transmisin, dependiendo del contexto. En
general, s2x es desconocida, por lo que (2) establece la
forma de la distribucin pero no necesariamente especi-
fica los valores de todos los parmetros. Se supone que:
(Y | b, x, s2e) ~ Nn(X+U, Ise2)
donde se2 es la varianza residual. En general se2 es desco-
nocida, por lo que (3) es un enunciado de la forma
distribucional con todos los valores paramtricos no es-
pecificados (Gianola et al.,1990).
El modelo se considera incompleto si no se establece
el grado de incertidumbre referente a sx2 y se2. Es comn
suponer (Gianola et al., 1990) que, a priori, los compo-
nentes de varianza siguen las distribuciones ji-cuadrada
invertida independientes.
a f
c h c h
p s 2x s 2x
-1/ 2 ux+2
c
exp -uu s x2 / 2s 2x
y nature, and to that under certain conditions it appears as
a f
c h c h
p s 2e s 2e
-1/ 2 ue+2
c
exp -u e s e2 / 2s 2e
En (4) (y (5)), sx2(se2) se puede interpretar como un
valor a priori de sx2(se2), y ux(ue) es un parmetro anlogo
a los grados de libertad que expresa el grado de creencia
en el valor a priori del parmetro (Chen, 1979). stos
son hiperparmetros de la distribucin a priori de las
varianzas, de la misma manera que sx2 es un parmetro
de la distribucin de x. La eleccin de una distribucin
ji-cuadrada invertida para una varianza se basa en su na-
turaleza conjugada y a que bajo ciertas condiciones apa-
rece como una distribucin posterior del parmetro apro-
piado (Box y Tiao, 1973), adems de simplificar el anli-
sis matemtico subsecuente.
En ausencia de un conocimiento previo sobre las
varianzas, se pueden igualar a cero ux y ue, en cuyo caso
The model is considered incomplete if the degree of
uncertainty referent to sx2 and se2 is not established. It is
frequently assumed (Gianola et al., 1990) that, a priori,
the variance components follow the independent inverted
chi-squared distributions.
(3)
a f
c h c h
p s 2x s 2x
-1/ 2 ux+2
c
exp -uu s x2 / 2s 2x h (4)
and
a f
c h c h
p s 2e s 2e
-1/ 2 ue+2
c
exp -u e se2 / 2s 2e h (5)
In (4) and (5), sx2(se2) can be interpreted as an a priori
value of sx2(se2), and ux(ue) is a parameter analogous to
the degrees of freedom expressed by the degree of belief
in the a priori value of the parameter (Chen, 1979). These
are hyperparameters of the a priori distribution of the
h (4) variances, in the same way that sx2 is a parameter of the
distribution of x. The choice of an inverted chi-square
distribution for a variance is based on its conjugated
a posterior distribution of the appropriate parameter (Box
h (5)
and Tiao, 1973); furthermore, it simplifies the subsequent
mathematical analysis.
When there is no previous knowledge of the variances,
ux and ue can be equaled to zero, in which case the resulting
a priori distributions are:
p(sx2) sx-2 ; p(se2) se-2
The a priori density of se2 corresponds to the a priori
ignorance of Jeffreys (1961) for a variance parameter;
the a priori for sx2 will produce essentially the same result
as one which is uniform. Uniform a priori distributions
for the variance components can cause technical
difficulties in the bayesian analysis (Gianola et al., 1990).
The Bayes theorem (Box and Tiao, 1973) provides
the following expression

h pcY | b, x, s h pa bf
las distribuciones a priori se vuelven:
c
p b, x, s 2x , s 2e |Y , s x2 , u x , s e2 , u e 2
e

pc x| s hc s | s , V h pc s | s , v h
p(sx2 ) sx-2 ; p( se2
) se-2 2 2 2 2 2
x e e e x x x

se2
La densidad a priori de corresponde a la ignoran-
cia a priori de Jeffreys (1961) para un parmetro de va-
rianza; la a priori para sx2 producir esencialmente el mis-
mo resultado que una uniforme. Distribuciones a priori
uniformes para los componentes de varianza pueden cau-
sar dificultades tcnicas en el anlisis bayesiano (Gianola
et al., 1990).
El teorema de Bayes (Box y Tiao, 1973) da la expre-
sin
as the posterior density of all variables; the first term on
the right is the likelihood function which is dependent on
se2 but not on sx2.
MATERIALS AND METHODS
The main purpose of this study was to estimate the variance
components of the factors which are considered important for the
 CADENA-MENESES y CASTILLO-MORALES: MUESTREO DE GIBBS EN LA ESTIMACIN DE COMPONENTES
c h pcY | b, x, s h pa bf
p b, x, s 2x , s 2e |Y , s x2 , u x , s e2 , u e 2
e of the Universidad Autnoma Chapingo.
pc x| s hc s | s , V h pc s | s , v h
2 2 2 2 2 The variables considered were: identification of the cow, sire and
x e e e x x x dam of the cow, total milk production of lactation, month and year of
como la densidad posterior de todas las variables; el pri-
mer trmino del lado derecho es la funcin de verosimi-
litud, la cual depende de se2 pero no de sx2.
MATERIALES Y MTODOS
El propsito principal de este estudio fue estimar los componen-
tes de varianza de los factores que se consideran importantes para la
informacin, consistente en 1308 lactancias de vacas Holstein de un
establo de la Universidad Autnoma Chapingo.
Las variables consideradas fueron: identificacin de la vaca, pa-
dre y madre de la vaca, produccin total de leche en la lactancia, mes
y ao de parto, nmero de ste y edad de la vaca al parto. Se tiene
inters en estimar los componentes de varianza de semental y madre
de la vaca, teniendo como variable respuesta la produccin total de
leche. En resumen, se cuenta con datos de 132 sementales, 471 ma-
dres y 14 aos de registro.
El anlisis se realiz con el modelo
yijklm = m+Si+D(S)j(i)+Mk+Al+Eijklm+eijklm
donde Si es el efecto del i-simo semental (aleatorio), D(S)j(i) es el
efecto de la j-sima madre anidada en el i-simo semental (aleatorio),
Mk es el efecto del k-simo mes (fijo), Al es el efecto del l-simo ao
(fijo) y Eijklm es la edad de la vaca al parto. Finalmente, y es la produc-
cin total de leche y eijklm el error aleatorio asociado a cada observacin.
El muestreo de Gibbs (MG) es una tcnica para la generacin de
variables aleatorias de una distribucin indirectamente, sin tener que
calcular la densidad (Casella y George, 1992). El algoritmo MG est
basado en la generacin, en secuencia, de variables provenientes de
cada una de las densidades condicionales completas. La densidad con-
dicional completa es la densidad de una variable dados todos los otros
parmetros en el modelo. Por ejemplo, si se usa MG para estimar las
distribuciones de f(a|y), f(b|y) o f(a,b|y) se requieren las distribuciones
condicionales completas, f(a|b,y) y f(b|a,y). Al usar MG para evaluar
cualquiera de estas densidades debe elegirse un valor inicial arbitra-
rio, y despus extraer valores de las densidades condicionales com-
pletas en la secuencia
an~f(a|bn-1, y) y animal model using GS. This was the program used to obtain the
bn~f(b|an, y),
donde ~ indica que la variable es una variable aleatoria de la distribu-
cin especificada, y el superndice se refiere a la secuencia de los va-
lores en la cadena de MG. En el lmite de esta secuencia la distribu-
cin de an converge a f(a|y), la de bn a f(b|y), y la de los pares an, bn
a la de f(a, b|y).
349
information, consisting of 1308 lactations of Holstein cows in a dairy
delivery, number of the delivery and age of the dam at delivery. Also
of interest is the estimation of the variance components of the sire and
dam of the cow, having as response variable the total production of
milk. In summary, there is data for 132 sires, 471 dams and 14 years
of records.
The analysis was made with the model
yijklm = m+Si+D(S)j(i)+Mk+Al+Eijklm+eijklm
where Si is the effect of the i-th sire (random), D(S)j(i) is the effect of
the j-th dam nested in the i-th sire (random), Mk is the effect of the
k-th month (fixed), Al is the effect of the l-th year (fixed) and Eijklm is
the age of the cow at delivery. Finally, y is the total milk production
and eijklm is the random error associated with each observation.
The Gibbs sampling (GS) is a technique for the indirect generation
of random variables of a distribution, without having to calculate the
density function (Casella and George, 1992). The GS algorithm is based
on the generation, in sequence, of variables from each of the complete
conditional densities. Complete conditional density is the density of a
variable given all the other parameters in the model. For example, if
GS is used to estimate the distributions of f(a|y), f(b|y) or f(a,b|y), the
complete conditional distributions f(a|b,y) and f(b|a,y) are required.
When GS is used to evaluate any of these densities, an arbitrary initial
value must be chosen, and later, values should be taken from the
complete conditional densities in the sequence
an~f(a|bn-1, y) and
bn~f(b|an, y),
where ~ indicates that the variable is a random variable of the specified
distribution, and the superindex refers to the sequence of the values in
the GS chain. At the limit of this sequence, the distribution of an
converges to f(a|y), that of bn to f(b|y), and of the pairs an, bn to that of
f(a, b|y).
In the problem of variance component estimation, the joint density
of interest is the distribution of the fixed effects, random effects and
variance components given the data.
Van Tassell and Van Vleck (1995) developed MTGSAM (Multiple
Trait Gibbs Sampling in Animal Models), which is an ensemble of
programs in FORTRAN for variance component estimation with the
estimations, which generates a posteriori bayes distributions and
means.
RESULTS AND DISCUSSION
The first problem was to determine the initial values
to be supplied to the program; the number of samplings
350 AGROCIENCIA VOLUMEN 36, NMERO 3, MAYO-JUNIO 2002

En el caso del problema de la estimacin de componentes de va-
rianza, la densidad conjunta de inters es la distribucin de los efectos
fijos, efectos aleatorios y componentes de varianza, dados los datos.
Las densidades marginales de inters en este problema son las distri-
buciones de los efectos fijos, de los efectos aleatorios o de los compo-
nentes de varianza dados los datos.
Van Tassell y Van Vleck (1995) desarrollaron MTGSAM (Multiple
Trait Gibbs Sampling in Animal Models), que es un conjunto de pro-
gramas en FORTRAN para la estimacin de componentes de varianza
con el modelo animal usando MG. ste fue el programa usado para
obtener las estimaciones, el cual genera distribuciones a posteriori de
Bayes y medias.
RESULTADOS Y DISCUSIN
El primer problema fue determinar los valores inicia-
les que se habran de proporcionar al programa; el nme-
ro de muestreos que habrn de realizarse para obtener un
tamao de muestra apropiado, as como el nmero de
muestreos que se eliminaran, y las muestras de entrena-
miento para considerar que ya la muestra es de la distri-
bucin deseada. En el Cuadro 1 se presentan las estima-
ciones a las que se lleg despus de 1000 iteraciones,
teniendo un muestreo de entrenamiento de 100 y un paso
de seleccin de 20. En l se puede ver que salvo para los
pares de valores iniciales (0.5, 25000) y (0.5, 250) para
sa2, se2 que proporcionan un valor inicial de sa2 que es
cien veces menor que el valor al que se converge, combi-
nado con un valor inicial de se2 que es cien veces mayor
en el primer caso y de la misma magnitud que el valor
final en el segundo, en los cuales hay una clara subesti-
macin, todos los dems convergen a valores similares
en la primera corrida del programa. An para los casos
aludidos, en la segunda corrida del mismo, tomando como
valores iniciales a los valores finales del paso anterior, se
llega a estimaciones apropiadas, aunque no las mismas
que con los dems valores iniciales.
to be taken in order to obtain an appropriate sample size,
as well as the number of samplings to be eliminated, and
the training samples to determine whether the sample
already is of the desired distribution. Table 1 shows the
estimations reached after 1000 iterations, with a training
sampling of 100 and a selection step of 20. It can be
observed that except for the initial pairs of values (0.5,
25000) and (0.5, 250) for sa2, se2, which provide an initial
value of sa2 one hundred times smaller than the value to
which it converges, combined with an initial value of se2
which is one hundred times greater in the first case and
of the same magnitude as the final value in the second, in
which there is an evident underestimation, all the others
converge to similar values in the first run of the program.
Even for the alluded cases, when in the second run the
final values of the previous step are taken as initial values,
appropriate estimations are achieved, although not the
same as with the other initial values.
Table 2 presents the results of the behavior of the
estimations with a greater number of samplings, 2000,
leaving the other values as in the previous situation. The
results of both tables are similar in the underestimation
of the previously mentioned cases. This suggests that the
training sampling can play an important role, which is
why additional analysis with 2000 samplings were carried
out, but with a greater training sampling.
Table 3 shows the results of the analysis with 2000
samplings, training of 1100 and selection steps of 20.
Notice that all the estimations are similar regardless of
the initial values provided to the program, which
demonstrates the relevance of the training in the Gibbs
sampling process, taking into account that, with other
methods, estimations close to 50 for sa2 and 250 for se2
have been obtained.
Of course, to say that the training is relevant does not
mean that it is determinant. To corroborate this point, some
estimations were made with 1000 samplings and training

Cuadro 1. Estimaciones obtenidas con muestreo de Gibbs para sa2 y s e2 con los valores iniciales indicados, 1000 muestreos, 100 de entrena-
miento y 20 de paso de seleccin entre valores que pasan a la muestra.
Table 1. Estimations obtained with Gibbs sampling for s a2 and se2 with the indicated initial values, 1000 samplings, 100 of training and 20
of selection step among values which pass to the sample.

Par- Valor Primera Segunda Valor Primera Segunda Valor Primera Segunda
metro inicial corrida corrida inicial corrida corrida inicial corrida corrida

sa2 0.5 16.7518 48.9428 50 49.6261 49.6833 5000 49.7908 49.6838

se2 25000 282.773 256.053 25000 255.715 255.689 25000 255.641 255.689

sa2 0.5 17.0713 48.9752 50 49.6854 49.6835 5000 49.7868 49.6838

se2 250 282.494 256.036 250 255.688 255.689 250 255.643 255.689

sa2 0.5 48.5337 49.6795 50 49.7750 49.6838 5000 49.7870 49.6838

se2 2.5 256.279 255.690 2.5 255.648 255.689 2.5 255.643 255.689

Se us como valor inicial la estimacin de la primera corrida.

 CADENA-MENESES y CASTILLO-MORALES: MUESTREO DE GIBBS EN LA ESTIMACIN DE COMPONENTES 351

Cuadro 2. Estimaciones obtenidas con muestreo de Gibbs para s a2 y s e2 con los valores iniciales indicados, 2000 muestreos, 100 de entrena-
miento y 20 de paso de seleccin entre valores que pasan a la muestra.
Table 2. Estimations obtained with Gibbs sampling for sa2 and se2 with the indicated initial values, 2000 samplings, 100 of training and 20
of selection step among values which pass to the sample.

Parmetro Valor inicial Estimacin Valor inicial Estimacin Valor inicial Estimacin

sa2 0.5 34.671456 50 48.344401 5000 48.348983

se2 25000 267.37827 25000 256.35644 25000 256.35427

sa2 0.5 34.830752 50 48.346108 5000 48.348877

se2 250 267.24036 250 256.35563 250 256.35431

sa2 0.5 48.297919 50 48.348564 5000 48.348881

se2 2.5 256.37875 2.5 256.35446 2.5 256.35431

Cuadro 3. Estimaciones obtenidas con muestreo de Gibbs para sa2 y s e2 con los valores iniciales indicados, 2000 muestreos, 1100 de entre-
namiento y 20 de paso de seleccin entre valores que pasan a la muestra.
Table 3. Estimations obtained with Gibbs sampling for sa2 and se2 with the indicated initial values, 2000 samplings, 1100 of training and 20
of selection step among values which pass to the sample.

Parmetro Valor Inicial Estimacin Valor Inicial Estimacin Valor Inicial Estimacin

sa2 0.5 46.477135 50 46.477222 5000 46.477222

se2 25000 257.29188 25000 257.29184 25000 257.29184

sa2 0.5 46.477150 50 46.477222 5000 46.477222

se2 250 257.29187 250 257.29184 250 257.29184

sa2 0.5 46.477222 50 46.477222 5000 46.477222

se2 2.5 257.29184 2.5 257.29184 2.5 257.29184

En el Cuadro 2 se presentan los resultados para el of 800, and selection steps 5 and 20. This implies sample
comportamiento de las estimaciones con un mayor n- sizes of 40 and 10, respectively; which are very small
mero de muestreos, 2000, dejando los otros valores como and thus the estimations, especially those of sa2, differ
en la situacin anterior. Los resultados de ambos cuadros from the values obtained in Table 3. The results are shown
son similares en la subestimacin de los casos antes men- in Table 4.
cionados. Esto sugiere que el muestreo de entrenamiento As a complement, a run was made with a sample size
puede jugar un papel importante, por lo que se llevaron a similar to those presented in Table 4, but with a much
cabo otros anlisis con 2000 muestreos pero con un ma- larger training: 50 000 samplings, 49 000 of training and
yor muestreo de entrenamiento. selection step of 20, which generated the estimations
En el Cuadro 3 se presentan los resultados de los an- 44.757416 and 258.248768 for sa2 and se2, plus a second
lisis con 2000 muestreos, entrenamiento de 1100 y pasos run, with the same characteristics as the above, except
de seleccin de 20. Ntese que todas las estimaciones
for the values of the seed for the generation of random
son parecidas sin importar los valores iniciales que se
proporcionen al programa, de donde queda de manifies-
to la relevancia del entrenamiento en el proceso de mues- Cuadro 4. Estimaciones obtenidas con muestreo de Gibbs para s a2
treo de Gibbs; tomando en cuenta que, con otros mto- y s e2 con los valores iniciales indicados, 1000 muestreos
dos, se han obtenido estimaciones cercanas a 50 para sa2 y muestra de entrenamiento de 800 .
Table 4. Estimations obtained with Gibbs sampling for sa2 and s e2
y a 250 para se2. with the indicated initial values, 1000 samplings and
Desde luego, que el entrenamiento sea relevante no training sample of 800.
significa que sea determinante. Para corroborar esto se
hicieron algunas estimaciones con 1000 muestreos y en- Separacin Parmetro Valores iniciales Estimacin
trenamiento de 800 y pasos de seleccin 5 y 20. Esto
5 sa2 43.0 37.943590
implica tamaos de muestra de 40 y 10, respectivamen- se2 260.0 261.487099
te; los cuales son muy pequeos y, por ende, las estimacio- 20 sa2 50.0 37.943590
nes, sobre todo las de sa2, difieren de los valores obteni- se2 250.0 261.487099
dos en el Cuadro 3. En el Cuadro 4 se presentan los 5 sa2 46.5 37.943590
resultados. se2 257.29 261.487099
352 AGROCIENCIA VOLUMEN 36, NMERO 3, MAYO-JUNIO 2002
De manera complementaria se hizo una corrida con
un tamao de muestra similar a los que se presentan en el
Cuadro 4, pero con un entrenamiento considerablemente
mayor: 50 000 muestreos, 49 000 de entrenamiento y
paso de seleccin de 20, lo que gener las estimaciones
44.757416 y 258.248768 para sa2 y se2, mas una segunda
corrida, con las mismas caractersticas de la ltima men-
cionada, excepto por los valores de la semilla para la ge-
neracin de nmeros aleatorios, dando las estimaciones
54.334342 y 253.624353 para sa2 y se2. Se puede ver que
usar muestras de entrenamiento grandes con tamaos de
muestra pequeos no mejora las estimaciones, sobre todo
las de sa2.
El siguiente paso fue llevar a cabo nueve corridas de
5000 iteraciones, todas con un entrenamiento de 1500
pero cambiando los pasos de seleccin de observaciones
que pasan a la muestra. Se usaron tres semillas, lo que
genera tres grupos de estimacin. En el Cuadro 5 se ve
que al cambiar las semillas cambian los resultados; pero
para una misma semilla las estimaciones a las que se lle-
ga son idnticas para los tres pasos de seleccin de las
observaciones que pasan a la muestra.
Como los valores de las estimaciones cambian al mo-
dificar la semilla, se planificaron dos series de corridas.
La primera con 50 000 muestreos, 5000 de entrenamien-
to y paso de seleccin de 15 entre valores que pasan a la
muestra. La segunda con 100 000 muestreos, 55 000 de
entrenamiento y paso de seleccin de 15, generndose
en todos los casos conjuntos de tres mil observaciones
que constituyen las muestras. Las diferencias entre estos
dos grupos radican en el entrenamiento y dentro de stos
en los valores de las semillas, que en todos los casos fue-
ron diferentes. En los Cuadros 6 y 7 se presentan los re-
sultados correspondientes a estos dos grupos de anlisis.
Como complemento al Cuadro 6 se realiz una corri-
da adicional con las mismas caractersticas, salvo que el
entrenamiento fue de 10 000, lo que implica un tamao
Cuadro 5. Estimaciones obtenidas con muestreo de Gibbs para s a2
y se2 con 5000 muestreos, 1500 muestras de entrenamien-
to y con valores iniciales de 50.0 y 250.0.
Table 5. Estimations obtained with Gibbs sampling for s a2 and s e2,
with 5000 samplings, 1500 training samples and initial
values of 50.0 and 250.0.
Separacin Primera Segunda Tercera
(n) semilla semilla semilla
20 48.726048 50.232934 51.382854
(175) 256.097532 255.316564 254.786773
10 48.726048 50.232934 51.382854
(350) 256.097532 255.316564 254.786773
5 48.726048 50.232934 51.382854
(700) 256.097532 255.316564 254.786773
numbers, resulting in the estimations 54.334342 and
258.248768 for sa2 and se2. It can be seen that using large
trainings with small sample sizes does not improve the
estimations, especially those of sa2.
The next step was to carry out nine runs of 5000
iterations, all with a training of 1500, but changing the
selection steps of observations that pass to the sample.
Three seeds were used, generating three estimation
groups. Table 5 shows that when the seeds are changed,
the results also change; but when the seed is not changed,
the estimations arrived at are identical for the three
selection steps of the observations which pass to the
sample.
Because the estimation values change when the seed
is modified, two series of runs were planned. The first
series included 50 000 samplings, 5000 of training and
selection step of 15 among values which pass to the
sample. The second series consisted of 100 000 samplings,
55 000 of training and selection step of 15, generating in
all cases groups of three thousand observations which
constitute the samples. The differences between these two
groups reside in the training, and within these, in the
values of the seeds, which were different in all cases.
Tables 6 and 7 show the results corresponding to these
two groups of analysis.
As a complement to Table 6, an additional run was
made with the same characteristics, except that the training
was of 10 000, which implies a sample size of 6000 (twice
that of Table 6), obtaining estimations of 49.248781 and
256.030962 for sa2 and se2. Table 6 presents a wider range
of values of the estimations of sa2, which run from
48.161434 to 49.420825. However, in Table 7 the values
vary from 48.579004 to 49.417899. That is, both generate
estimations of around 49.0, but with less dispersion in
the second case. Finally, a run was made with 500 000
Cuadro 6. Estimaciones obtenidas con muestreo de Gibbs para sa2
y s e2 con 50 000 muestreos, 5000 de entrenamiento, paso
de seleccin de 15 y valores iniciales de 50.0 y 250.0.
Table 6. Estimations obtained with Gibbs sampling for s a2 and s e2
with 50 000 samplings, 5000 of training, selection step of
15 and initial values of 50.0 and 250.0.
Corrida Estimaciones Corrida Estimaciones
1 48.513495 7 49.040335
256.354716 256.140927
2 48.762749 8 49.136132
256.292229 256.017504
3 48.557581 9 48.161434
256.333723 256.625567
4 49.329297 10 49.420825
255.988522 255.917900
5 48.704748 11 48.900738
256.253850 256.238470
6 49.131911 12 49.019473
256.012174 256.167617
 CADENA-MENESES y CASTILLO-MORALES: MUESTREO DE GIBBS EN LA ESTIMACIN DE COMPONENTES
de muestra de 6000 (el doble que en el Cuadro 6) obte-
nindose estimaciones de 49.248781 y 256.030962 para
sa2 y se2. En el Cuadro 6 se cubre una gama ms amplia de
valores de las estimaciones de sa2, los que van de
48.161434 a 49.420825; en cambio, en el Cuadro 7 los
valores varian de 48.579004 a 49.417899; esto es, am-
bos generan estimaciones alrededor de 49.0, pero en el
segundo caso la dispersin es menor. Finalmente se rea-
liz una corrida con 500 000 iteraciones, con un entre-
namiento de 410 000 y paso de seleccin de 15, lo que
gener una muestra de tamao 6000; con los mismos
valores iniciales que se han venido manejando: 50.0 y
250.0. Los resultados obtenidos en esta ltima estima-
cin son 49.073588 para sa2 y 256.103606 para se2, con-
gruentes con el razonamiento previamente presentado,
tenindose una estimacin de la heredabilidad (h2) de
0.1608.
CONCLUSIONES
El MTGSAM es un paquete que produce estimacio-
nes adecuadas de los componentes de varianza en mode-
los mixtos de produccin animal si se especifica el pedigr
de cada animal. En el modelo ajustado, con 132 sementales,
471 madres y 14 aos de registro, se obtuvo convergencia
con 5000 muestreos y paso de seleccin de 20.
No se observ influencia del muestreo de entrena-
miento en las estimaciones a partir de 1100 rondas, pero
s hubo influencia del nmero de muestreos cuando fue
menor de 2000.
Se tiene influencia de la semilla para la generacin
de los nmeros aleatorios, la que genera estimaciones di-
ferentes aun para corridas con 100 000 muestreos, que
generan muestras de tamao 6000. Las diferencias ob-
servadas fueron 0.838895 para sa2 y 0.443254 para se2, lo
que representa 1.7259% de la primera y 0.1732% de la
segunda.
Si no se cuenta con la informacin previa adecuada
puede producirse una sobreestimacin de los parmetros,
originada por una distribucin a priori impropia unifor-
me de cero a infinito; y aunque posteriormente influye
sobre ella la verosimilitud, al final se sobreestimarn los
parmetro.
LITERATURA CITADA
Box, G. E. P., and G. C. Tiao. 1973. Bayesian Inference in Statistical
Analysis. Addison-Wesley, Reading. 463 p.
Cadena-Meneses, J. A., y A. Castillo-Morales. 2000a. Una compara-
cin de SAS y Harvey en la estimacin de componentes de va-
rianza en modelos mixtos. Agrociencia 34: 57-68.
Cadena-Meneses, J. A., y A. Castillo-Morales. 2000b. Una compara-
cin de la estimacin de componentes de varianza mediante si-
mulacin. Agrociencia 34: 343-352.
Casella, G., and E. I. George. 1992. Explaining the Gibbs Sampler.
The American Statistician 46: 167-174.
353
Cuadro 7. Estimaciones obtenidas con muestreo de Gibbs para s a2
y se2 con 100 000 muestreos, 55 000 de entrenamiento,
paso de seleccin de 15 y valores iniciales de 50.0 y 250.0.
Table 7. Estimations obtained with Gibbs sampling for sa2 and s e2
with 100 000 samplings, 55 000 of training, selection step
of 15 and initial values of 50.0 and 250.0.
Corrida Estimaciones Corrida Estimaciones
1 48.711588 4 48.676268
256.272606 256.262469
2 49.417899 5 49.336090
255.889876 255.970973
3 48.579004 6 48.894364
256.333130 256.097837
iterations, training of 410,000 and selection step of 15,
which generated a sample size of 6000; with the same
initial values which have been employed throughout: 50.0
and 250.0. The results obtained in this last estimation are
49.073588 for sa2 and 256.103606 for se2, which are
consistent with the previously presented reasoning, giving
an estimation of inheritability (h2) of 0.1608.
CONCLUSIONS
MTGSAM is a program which produces adequate
estimations of the variance components in mixed models
of animal production if the pedigree of each animal is
specified. In the fitted model, with 132 sires, 471 dams
and 14 years of records, convergence was obtained with
5000 samplings and selection step of 20.
No influence was observed of the training sampling
on the estimations after 1100 rounds; however, there was
influence of the number of samplings when it was less
than 2000.
The seed has influence on the generation of the
random numbers, which generates different estimations
even for runs with 100 000 samplings, which generate
sample sizes of 6,000. The differences observed were
0.838895 for sa2 and 0.443254 for se2, which represent
1.7259% of the first and 0.1732% of the second.
If adequate previous information is not available, an
overestimation of the parameters may occur, provoked
by an improper a priori uniform distribution from zero
to infinity; and although the likelihood has an influence
later on, in the end the parameters will be overestimated.
End of the English version
pppvPPP
Chen, C. F. 1979. Bayesian inference for a normal dispersion matrix
and its application to stochastic multiple regression analysis.
Journal of the Royal Statistical Society B 41: 235-248.
Falconer, D. S. 1989. Introduction to Quantitative Genetics, Third
Edition. Longman Scientific and Technical, London. 438 pp.
354 AGROCIENCIA VOLUMEN 36, NMERO 3, MAYO-JUNIO 2002

Gianola, D., S. Im, and F. W. Macedo. 1990. A framework for prediction
of breeding values. In: Advances in Statistical Methods for Genetic
Improvement of Livestock. Gianola, D., and K. Hammomd (eds.).
Springer-Verlag. Berlin. pp: 210-238.
Henderson, C. R. 1984. Applications of Linear Models in Animal
Breeding. University of Guelph. 462 p.
Jeffreys, H. 1961. Theory of Probability. Clarenton Press, Oxford.
470 pp.
Searle, S. R. 1971. Topics in variance components estimation.
Biometrics 27: 1-76.
Van Tassel, C. P., and D. L. Van Vleck. 1995. A Manual for Use of
MTGSAM. USDA. ASR. Draft. 86 p.