Referat 1

Modelul reproducatorului mascul (engl. Sire Model)

In acest tip de model biometric factorul rendomizat se noteaza cu s (sire) si reprezinta

capacitatea de transmitere genetica a reproducatorului mascul. In cele mai multe aplicatii,
efetul fix se refera la conditiile de mediu in care ficele acestor reproducatori realizeaza
erformatele (grupa de contemporani).
Exemplu numeric: Pentru ilustrarea modelului reproducatorului mascul vom lua datele
primare de la trei tauri cu sapte fice exploatate in doua ferme. Sa presupunem ca cele 7 vaci
au realizat productiile de lapte in acelasian si sezon si au avut aceiasi varsta la fatare.
In acest caz, singurul efect de mediu fata de care trebuie corectate valorile fenotipice este
factorul ferma, pentru a se tine seama de eventualele diferente genetice existente intre ele.

Repartitia fiicelor taurilor pe ferme

Ferma Nr. matricol fiica Cod taur Cantitatea de

lapte(kg)
101 1 4000
102 2 4400
Ferma 1 103 3 4300
104 3 4200
Ferma 2 201 2 4000
202 2 4300
203 3 4400

Heritabilitatea utilizata in alcatuirea sistemului de ecuatii ca fi aceea obtinuta in cazul

metodei REML dupa atingerea citeriului de convergenta (h²=0,11) de unde rezulta un raport
⎛ 4 − 0,11 ⎞
de varianta (k) egal cu 35,4 ⎜ k = ⎟,
⎝ 0,11 ⎠
In aceste circumstante ecuatiile BLUP “Sire Model” sunt urmatoarele:
⎡ X '⋅ XX '⋅Z ⎤ ⎡b ⎤ ⎡ X '⋅P ⎤
⎢ Z '⋅ XZ '⋅Z + 1 ⋅ K ⎥ ⎢ ⎥ = ⎢ Z '⋅P ⎥
⎣ ⎦ ⎢⎣t ⎥⎦ ⎣ ⎦
In care:
¾ Matricea X are 7 linii corespunzatoare celor 7 fiice grupate in 2 ferme
¾ Matricea Z are 7 linii corespunzatoare celor 7 fiice si 3 colane cate una pentru fiecare
reproducator
¾ Matricea P are 7 linii si o coloana reprezentand cantitatea de lapte
¾ Matricea X’ este transpusa matricei X
¾ Matricea Z’ este transpusa matricei Z

1 0 ⎡1 0 0⎤ ⎡4000⎤
1 0 ⎢0 1 0 ⎥ ⎢4400⎥
⎢ ⎥ ⎢ ⎥
1 0 ⎢0 0 1 ⎥ ⎢4300⎥
⎢ ⎥ ⎢ ⎥
X =1 0 ; Z = ⎢0 0 1⎥ ; P = ⎢4200⎥
0 1 ⎢0 1 0 ⎥ ⎢4000⎥
⎢ ⎥ ⎢ ⎥
0 1 ⎢0 1 0 ⎥ ⎢4300⎥
⎢0 0 1 ⎥ ⎢4400⎥
0 1 ⎣ ⎦ ⎣ ⎦
Sub matricele componente ale sistemului de ecuatii sunt :

⎡1 0⎤
⎢1 0⎥⎥
⎢
⎢1 0⎥
⎡1 1 1 1 0 0 0⎤ ⎢ ⎥ ⎡ 4 0⎤
X '⋅ X = ⎢ ⎥ • ⎢1 0⎥ = ⎢
0 3⎥⎦
;
⎣0 0 0 0 1 1 1 ⎦ ⎢ ⎣
0 1⎥
⎢ ⎥
⎢0 1⎥
⎢0 1⎥⎦
⎣

⎡1 0 ⎤ ⎡1 0 0⎤
⎡1 1 2⎤
X '⋅Z = ⎢ ⎥
⎢ ⎥
; Z '⋅ X = ⎢1 2⎥ ; Z '⋅Z = ⎢⎢0 3 0⎥⎥ ;
⎣0 2 1 ⎦
⎣⎢2 1 ⎥⎦ ⎢⎣0 0 3⎦⎥

⎡ 4000 ⎤
⎡16900⎤
X '⋅P = ⎢ ⎥; Z '⋅P = ⎢⎢12700⎥⎥ ;
⎣12700⎦ ⎢⎣12900⎥⎦
⎡ taurul1 ⎤ ⎡ t1 ⎤
⎡ ferma1 ⎤ ⎡ f 1 ⎤ ⎢ ⎥ ⎢ ⎥ 4 − h2
b=⎢ =
⎥ ⎢ ⎥ ; t = ⎢taurul 2⎥ = ⎢t 2⎥ ; k = = 35,4
⎣ ferma 2⎦ ⎣ f 2⎦ ⎢ ⎥ h2
⎢⎣taurul 3⎥⎦
⎣ t 3⎦
⎛1 0 0⎞
⎜ ⎟
I- este matricea identitate de dimesiune egala cu numarul reproducatorilor ⎜ 0 1 0 ⎟
⎜0 0 1⎟
⎝ ⎠
Inlocuind obtinem sistemul:
 ⎡ t1 t 2 t3 t4 ⎤ t5
⎢ t1 ⎡ f 1 ⎤ ⎡16900⎤
⎢ 4 0 1 1 2 ⎥⎥ ⎢ ⎥ ⎢ ⎥
⎢ f 2⎥ ⎢12700⎥
⎢t 2 0 3 0 2 1 ⎥
⎢ ⎥ • ⎢ t1 ⎥ = ⎢ 4000 ⎥
⎢ t1 1 0 1 + 35,4 0 0 ⎥ ⎢ ⎥ ⎢ ⎥
⎢t 2 1 2 0 3 + 35,5 0 ⎥ ⎢ t 2 ⎥ ⎢12700⎥
⎢ ⎥ ⎢ t 3 ⎥ ⎢⎣12900⎥⎦
⎢⎣t 3 2 1 0 0 3 + 35,5⎥⎦ ⎣ ⎦

A • X=B (ecuatie de gradul I)

Rezolvarea acestui sistem se poate face prin mai multe meode : regula lui Cramer, metoda
matricei inverse, metoda eliminarii totale Gauss Jordan
Mai intai vom prezenta rezolvarea sistemului prin regula lui Cramer:

⎧4 f 1 + 0 f 2 + 1t1 + 1t 2 + 2t 3 = 16900
⎪0 f 1 + 3 f 2 + 0t1 + 2t 2 + 1t 3 = 12700
⎪⎪
⎨1 f 1 + 0 f 2 + 36,4t1 + 0t 2 + 0t 3 = 4000
⎪1 f 1 + 2 f 2 + 0t1 + 38,4t 2 + 0 = 12700
⎪
⎪⎩2 f 1 + 1 f 1 + 0t1 + 0t 2 + 38,4t 3 = 12900
Notam:
D- determinantul matricei format din coeficientii necunoscutelor
Di(1,5)= determinantul matricei obtinuta din matricea coeficientilor necunoscutelor prin
inlocuirea coloanei i cu coloana termenilor liberi.

4 0 1 1 2
4 1 1 2 4 0 1 2
0 3 0 2 1
1 36,4 0 0 1 0 36,4 0
0 = (− 1) + (− 1)
2+ 2 2+ 4
D= 1 0 36,4 0 ⋅3 ⋅2
1 0 38,4 0 1 2 0 0
1 2 0 38,4 0
2 0 0 38,4 2 1 0 38,4
2 1 0 0 38,4
+
4 0 1 1
⎡ 1 1 2 4 1 2 ⎤
1 0 36,4 0 ⎢ ⎥
(− 1)2+5 ⋅ 1 = 3⎢(− 1) ⋅ 1 ⋅ 0 38,4
2 +1
0 + (− 1) ⋅ 36,4 ⋅ 1 38,4
2+ 2
0 ⎥+2
1 2 0 38,4
⎢⎣ 0 0 38,4 2 0 38,4 ⎥⎦
2 1 0 0
⎡ 0 1 2 4 1 2 ⎤
⎢ ⎥
⎢(− 1) ⋅ 1 0 36,4 0 + (− 1) ⋅ 2 1 36,4
3+1 3+ 2
0 ⎥−
⎢⎣ 1 0 38,4 2 0 38,4 ⎥⎦
⎡ 0 1 1 4 1 1
⎢
⎢(− 1) ⋅ 2 0 36,4
4 +1
0 + (− 1) ⋅ 1 ⋅ 1 36,4
4+ 2
[
0 = 3 (− 1) ⋅ (38,4 ) + 36,4 ⋅ (4 ⋅ 38,4 ⋅ 38,4 + 0 + 0 )
2
]
⎢⎣ 2 0 38,4 1 0 38,4
− 2 ⋅ 2 ⋅ 38,4 − 0 − 38,4 ) ] + 2 ⋅ [(− 36,4 ⋅ 2) + (− 1) ⋅ 2 ⋅ (4 ⋅ 36,4 ⋅ 38,4 − 38,4 − 2 ⋅ 2 ⋅ 36,4)] −
[− 2 ⋅ (− 2 ⋅ 36,4) + (4 ⋅ 36,4 ⋅ 38,4 − 36,4 − 38,4)] = 3[− 1474,5 + 36,4 ⋅ (5898,24 − 153,6 − 38,4)] +
2[− 72,8 + 10814,08] ⋅ [145,6 + (5591,04 − 36,4 − 38,4 )] = 3[− 1474,5 + 36,4 ⋅ 5706.24] +
2 ⋅ (− 10886,88) ⋅ 5661,84 = 618697,3 − 21773,76 − 5661,84 = 591261,7

D1 249877197
f1= = =
D 591261,7
D2
16900 0 1 1 2 f2=
12700 3 0 2 1 D
D3
D = 4000 0 36,4 0 0 = 249877197 t1 =
D
12700 1 0 38,4 0
D4
12900 2 0 0 38,4 t2 =
D
D5
t3 =
D

Metoda matricei inverse:

1
A −1 = ⋅ A∗
DA
⎛ A11 A21 A31 A41 A51 ⎞
⎜ ⎟
⎜ A12 A22 A32 A42 A52 ⎟
Formula generala a lui A = ⎜ A13
∗
A23 A33 A43 A53 ⎟
⎜ ⎟
⎜ A14 A24 A34 A44 A54 ⎟
⎜ A14 A25 A35 A45 A55 ⎟⎠
⎝

3 0 2 1
3 2 1
1+1 0 36,4 0 0
A11 = (− 1) = 36,4(− 1) 2 38,4 0 = 36,4 ⋅ (3 ⋅ 38,4 ⋅ 38,4 − 38,4 − 2 ⋅ 2 ⋅ 38,4 ) =
2+ 2

2 0 38,4 0
1 0 38,4
1 0 0 38,4
= 36,4(4423,68 − 38,4 − 153,6 ) = 36,4 ⋅ 4231,68 = 154033,152
0 0 2 1
⎛ 1 36,4 0 1 36,4 0 ⎞
1+ 2 1 36,4 0 0 ⎜ ⎟
A12 = (− 1) = −⎜ 2(− 1) 1 0 + (− 1) ⋅ 1 1
1+ 3 1+ 4
0 0 38,4 ⎟ =
1 0 38,4 0 ⎜ 2 0 38,4 2 0 0 ⎟⎠
2 0 0 38,4 ⎝
⎛ 2 +1 1 0 2 +1 1 38,4 ⎞
= −⎜⎜ 2 ⋅ 36,4(− 1) − 36,4 ⋅ (− 1) ⎟ = −(− 72,8 ⋅ 38,4 + 36,4 ⋅ (− 2 ⋅ 38,4 )) =
⎟
⎝ 2 38, 4 2 0 ⎠
= −(− 2795,52 − 2795,52 ) = 5591,04
4 0 1 2
3 2 1 0 3 1
3+ 3 0 3 2 1
A33 = (− 1) = 4(− 1) 2 38,4 0 + (− 1) ⋅ 1 1 2 0 + 2(− 1)
1+1 1+ 3 1+ 4

1 0 36,4 0
1 0 38,4 2 1 38,4
2 1 0 38,4
0 3 2
1 2 38,4 = 4(3 ⋅ 38,4 ⋅ 38,4 − 2 ⋅ 38,4 − 2 ⋅ 38,4) + (1 − 2 ⋅ 2 − 38,4 ) − 2(3 ⋅ 2 ⋅ 38,4 + 2 − 2 ⋅ 2 ⋅ 2 ) =
2 1 0
= 4(4423,68 − 153,6 ) + (− 118,2 ) − 2 ⋅ 224,4 = 16513,32
A33
= 0,0279
D
4 0 1 2
4 1 2 4 0 1
4+ 4 0 3 0 1
A44 = (− 1) = 3 ⋅ (− 1) 1 36,4 0 + 1(− 1) 1 0 36,6 =
2+ 2 2+ 4

1 0 36,4 0
2 0 38,4 2 1 0
2 1 0 38,4
3(4 ⋅ 36,4 ⋅ 38,4 ⋅ 2 ⋅ 2 ⋅ 36,4 ⋅ 38,4 ) + (1 − 4 ⋅ 36,4 ) = 3(5591,04 − 145,6 − 38,4 ) + (1 − 145,6 ) =
3 ⋅ 5407,04 − 144,6 = 16076,52
A44
= 0,0272
D
4 0 1 1
4 1 1 4 0 1
5+ 5 0 3 0 2
A55 = (− 1) = 3(− 1) 1 36,4 0 + (− 1) ⋅ 2 1 0 36,4 =
2+ 2 2+ 4

1 0 36,4 0
1 0 38,4 1 2 0
2 1 0 38,4
= 3(4 ⋅ 36,4 ⋅ 38,4 − 36,4 − 38,4 ) + 2(− 4 ⋅ 2 ⋅ 36,4 ) = 3(5591,04 − 36,4 − 38,4 ) − 582,4 =
= 16548,72 − 582,4 = 15966,32
A55
= 0,0271
D

⎡4 0 1 12 ⎤ ⎡ 0,2605 0,0095 − 0,0072 − 0.0073 − 0.0138⎤

⎢0 3 0 2 1 ⎥ ⎥ ⎢ 0,3488 − 0,0003 − 0,0184 − 0,0096⎥⎥
⎢ ⎢ 0,0095
A = ⎢1 0 36,4 0 0 ⎥ ; A = ⎢− 0,0072 − 0,0003 0,0277 0,0002 0,0004 ⎥
⎢ ⎥ ⎢ ⎥
⎢1 2 0 38,4 0 ⎥ ⎢ − 0,0073 − 0,0184 0,0002 0,0272 0,0009 ⎥
⎢⎣2 1 0 0 38,4⎥⎦ ⎢⎣ − 0,0138 − 0,0096 0,0004 0,0009 0,0270 ⎥⎦

f1 ⎡ 0,2605 0,0095 − 0,0072 − 0,0073 − 0,0138⎤ ⎡16900⎤ ⎡ 4225,6kglapte ⎤

⎢ 0,0095 0,3488 − 0,0003 − 0,0184 − 0,0096⎥⎥ ⎢⎢12700⎥⎥ ⎢⎢4184,33kglapte⎥⎥
f2 ⎢
t1 = ⎢− 0,0072 − 0,0003 0,0277 0,0002 0,0004 ⎥ ⋅ ⎢ 4000 ⎥ = ⎢ − 6,2kglapte ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
t2 ⎢ − 0,0073 − 0,0184 0,0002 0,0272 0,0009 ⎥ ⎢12700⎥ ⎢ 0,4kglapte ⎥
t3 ⎢⎣− 0,0138 − 0,0096 0,0004 0,0009 0,0270 ⎥⎦ ⎢⎣12900⎥⎦ ⎢⎣ 5,8kglapte ⎥⎦

X = A −1 B
() ()
In care f reprezinta mediile estimate pentru cele doua ferme iar t capacitatile de
transmitere genetica ale taurilor (jumatate din valorile lor de ameliorare). Valorile de
ameliorare pentru fiecare din cei trei tauri se obtine prin multiplicarea in 2 a capacitatilor lor
de transmitere genetica. Procedand astfel, valorile de ameliorare vor fi: -12,4; + 0,8 si +11,6
kg lapte).
 Din structura sistemului de ecuatii se poate constata ca fiecare efect poate fi corectat in
functie de celalalt efect, in ideea ca mediile grupelor de contemporani, reprezentand efectul
fix, vor fi libere de influentele genetice si reciproc, efectele genetice vor fi libere de
influentele de mediu (in acest caz efectul fermei). In termeni statistici, se spune ca solutiile
sunt nedeplasate, adica reciproc neinfluentate.
Valoarea genetica a reproducatorilor este ajustata fata de nivelul genetic al fiecarei
ferme reprezentand nivelul genetic al tatilor necontemporanelor.
Acuratetea evaluarii genetice:
Acuratetea valorii de ameliorare poate fi estimata din elementele diagonale ale inversei
sistemului de ecuatii corespunzator fiecarui reproducator, conform urmatoarei formule:
Ava = 1 − k ⋅ d j
Pentru exemplul nostru vom avea:
Ava 4 = 1 − 35,4 ⋅ 0,0277 = 0,1393
Ava2 = 1 − 35,4 ⋅ 0,0272 = 0,1926
Ava3 = 1 − 35,4 ⋅ 0,0270 = 0,2102
Valoriile corespunzatoare exemplului nostru, pentru taurii 1,2 si 3, sunt urmatoarele :
d j = (0,0277 ; 0,0272 ; 0,0270) de unde si rezultatele obtinute : 13,93% ; 19,26% ; 21,02%.
Acuratetea selectiei creste corespunzator cu numarul de fice testate (tinzand catre unu la
numar mare de fiice pe reproducator). Se constata de asemenea faptul ca la numar egal de
fiice pe reproducator sunt avantajati candidatii care au fiicele distribuite cat mai uniform pe
ferme si in grupe de contemporane numeroase. Astfel, reproducatorul 3 este evaluat cu o
precizie mai mare (21,02%) decat reproducatorul 2 (19,26%) deoarece primul (taurul 3) desi
are toate 3 fiice reale, doua dintre ele se afla intr-un grup mai numeros de contemporane.
Acuratetea selectiei nu depinde direct de numarul observat de fiice pe reproducator, ci de
numarul efectiv dependent la randul sau de distributia pe ferme si de marimea grupelor de
contemporane.
Numarul efectiv de fiice se poate obtine din elementele diagonale ale sistemului de
ecuatii BLUP, dupa ce efectele randomizate au fost ajustate pentru efectele fixe. In exemplul
⎛ 12 ⎞
nostru : nef t1 = 1 − ⎜⎜ ⎟⎟ = 0,75
⎝4 ⎠

⎛ 14 2 2 ⎞
nef t 2 = 3 − ⎜⎜ + ⎟⎟ = 1,42
⎝4 3 ⎠
⎛ 2 2 12 ⎞
nef t 3 = 3 − ⎜⎜ + ⎟⎟ = 1,67 - fiind mai mare la taurul 3 precizia evaluarii este mai
⎝ 4 3⎠
mare.
 Modelul biometric folosit in cazul nostru are un singur factor fix ceea ce face ea relatia
folosita la obtinerea numarului efectiv de fiice sa fie echivalenta cu:
t
n 2 ij
nef = n j − ∑
i =1 ni

In care n j reprezinta numarul total de fiice ale reproducatorului j, nij , numarul de fiice ale
reproducatorului j in cadrul fermei i; ni , numarul total de fiice in ferma i (marimea grupei de
contemporane); f, numarul de ferme considerate.
Rezultatele obtinute evidentiaza ca la numarul egal de fiice (taurul 2 si 3) acuratetea
evaluarii genetice poate fi diferita , ea depinzand de numarul efectiv de fiice. Acest numar
efectiv fiind mai mare in cazul taurului 3, si precizia evaluarii lui va fi mai mare decat in cazul
taurului 2.
 Referat 2

Modelul reproducatorului mascul (tata) cu grupe genetice.

Conceptul de grup genetic a fost introdus de Henderson in anul 1949. Grupele

genetice au fost incluse in model ca efecte fixe, pentru predictia capacitatii reale de productiei
a vacilor. De exemplu, vacile au fost grupate pe anul nasterii lor si efectul de grup a fost
interpretat ca medie a capacitatii reale de productie a vacilor din acel grup.
O data cu extinderea I.A. metoda comparatiei in cadrul fermei a devenit
necorespunzatoare. Reproducatorii tineri erau sistematic subevaluati in competitie cu
reproducatorii batrani. Aceasta dificultate a fost aplicata printr-o tendinta de crestre a
meritului genetic al contemporanilor di cadrul aceleiasi ferme. Henderson a readus in discutie
problema grupelor genetice (1966) si a propus un model prin care sa elimine dificultatile
aparute in procesul de evaluare genetica a reproducatorilor prin metoda clasica. Noul model a
fost folosit in cadrul metodei de comparatie a reproducatorilor folositi la I.A in zona de nord-
est a SUA. Initial tatii au fost considerati neinruditi, iar grupele au fost definite ca fiind seturi
de reproducatori din aceiasi crescatorie (subpopulatie) care au interat in exploatare la I.A. in
aceiasi perioada de timp.
In general scopul formarii grupelor este acela de a se tine seama de tendinta genetica
precum si de diferentele genetice dintre subpopulatii. Nu exista insa un criteriu general
acceptat cu privire la definirea grupelor. Sunt folosite criterii arbitrare cum ar fi:
a. Reproducatorii proveniti din aceiasi crescatorie, care au intrat in exploatare la insamantari
artificiale in acelasi an;
b. Anul nasterii;
c. Informatia genealogica;
d. Regiunea geografica.
Aceasta varianta a modelului tata a fost prezentata in tara nostra de Vintila si col. (1987)
Modelul tata poate fi extins pentru a include efectul fix al grupelor genetice:
Yijkl = μ + hi + g i + s jk + eijkl unde:
sau: Y = Xb + ZQg + Zs + e
Y- vectorul performantelor
b- vectorul efectelor fixe (de exmplu combinatia ferma-an-sezon );
g- vectorul efectelor fixe, altele decat combinatia ferma-an-sezon (rupele genetice);
s- vectorul efectului randomizat (efectul reproducatorului);
X- matricea de incidenta care asociaza efectele fixe (ferma-an-sezon) la performantele
observate;
Z- matrice de incidenta care asociaza efectele randomizate (reproducatorii) la performantele
observate ale fiicelor lor;
ZQ- matrice de incidenta care asociaza grupa genetica a reproducatorului la performantele
fiicelor;
e- vectorul randomizat al erorilor
s si e – au mediile nule
In multe aplicatii practice A=I, ceea ce echivaleaza cu lipsa relatiilor de inrudire, fapt
datorat necunoasterii informatiei genealogice, aceasta constituind motivatia introducerii
efectului grupelor genetice in model.
Matricea de incidenta pentru grupe este reprezentata de ZQ deoarece reproducatorii
sunt grupati pe grupe genetice. Matricea Q are dimensiunea r x q unde r reprezinta numarul de
reproducatori si q este numarul de grupe. Fiecare rand al matricei Q areun singur element
non-sezon pe coloana corespunzatoare grupei genetice a reproducatorului analizat.
Ecuatiile modelului mixt sunt:
⎡ X'X X ' ZQ X ' Z ⎤ ⎡ b ⎤ ⎡ X 'Y ⎤
⎢Q' Z ' X Q' Z ' ZQ ⎢ ⎥
⎢ Q' Z ' Z ⎥⎥ ⋅ ⎢ g ⎥ = ⎢⎢Q' Z ' Y ⎥⎥
⎢⎣ Z ' X Z ' ZQ Z ' Z +G −1 ⎥⎦ ⎢⎣ s ⎥⎦ ⎢⎣ Z ' Y ⎥⎦

In care vom incerca sa identificam fiecare matrice urmarind exemplul numeric cu datele
primare pentru cinci tauri la caracterul cantitate de lapte a fiicelor la prima lactatie. Fiicele
sunt distribuite in doua ferme, 13 in ferma 1 si 8 in ferma 2. De asemenea vom presupune ca
reproducatorii 1,2 si 3 fa parte din grupa genetica 1, iar reproducatorul 4 si 5 fac parte din
grupa genetica 2. In acest caz ecuatiile modelului au urmatoarea explicatie:
¾ X- matricea care are 21 de linii si 2 coloane corespunzatoare celor 21 de fiice grupate
in 2 ferme (h1 si h2)
¾ Matricea Z are 21 linii corespunzatoare celor 21 de fiice si 5 coloane corespunzatoare
celor 5 tauri.
¾ Matricea Q are 5 linii corespunzatoare celor 5 reproducatori si 2 coloane
corespunzatoare celor 2 grupe genetice (presupunem ca reproducatorii 1,2 si 3 fac
parte din grupa genetica 1, iar reproducatorii 4 si 5 din grupa genetica 2)
¾ Matricea X’ este transpusa matricei X.
Exemplul numeric. Repartitia fiicelor taurilor pe ferme si grupe genetice.
Grupa Gr.I Gr.II
genetica
Taur/ferma Taurul 1 Taurul2 Taurul 3 Taurul 4 Taurul 5
Ferma 1 3750 4790 - 3750 3730
3400 3800 - 3400 3800
- 4500 - 3200 3900
- - - - 3750
- - - - 3950
Ferma 2 3540 3420 3700 3200 -
- 3000 3850 - -
- - 3550 - -
- - 3890 - -

In aceasta situatie avem:

⎡h1 h 2⎤ ⎡ s1 s 2 s3 s 4 s5⎤
⎢1 0 ⎥ ⎢1 0 0 0 0 ⎥ ⎡3750 ⎤
⎢ ⎥ ⎢ ⎥ ⎢3400 ⎥
⎢1 0 ⎥ ⎢1 0 0 0 0 ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢4790⎥
⎢1 0 ⎥ ⎢0 1 0 0 0 ⎥ ⎢ ⎥
⎢ 3800 ⎥
⎢1 0 ⎥ ⎢0 1 0 0 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢4500⎥
⎢1 0 ⎥ ⎢0 1 0 0 0 ⎥ ⎢ ⎥
⎢1 0 ⎥ ⎢0 0 0 1 0 ⎥ ⎢ 3750 ⎥
⎢ ⎥ ⎢ ⎥ ⎢3400 ⎥
⎢1 0 ⎥ ⎢0 0 0 1 0 ⎥ ⎢ ⎥
⎢1 0 ⎥ ⎢0 0 0 1 0 ⎥ ⎢ 3200 ⎥
⎢ ⎥ ⎢ ⎥ ⎢3730 ⎥
⎢1 0 ⎥ ⎢0 0 0 0 1 ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢3800 ⎥
1 0⎥ 0 0 0 0 1⎥ ⎢ ⎥
X =⎢ Z =⎢ Y = ⎢3900 ⎥
⎢1 0 ⎥ ⎢0 0 0 0 1 ⎥
⎢ ⎥ ⎢ ⎥ ⎢3750 ⎥
⎢ 1 0 ⎥ ⎢ 0 0 0 0 1 ⎥ ⎢ ⎥
⎢1 0 ⎥ ⎢0 0 0 0 1 ⎥ ⎢3950 ⎥
⎢ ⎥ ⎢ ⎥ ⎢3540 ⎥
⎢0 1 ⎥ ⎢1 0 0 0 0 ⎥ ⎢ ⎥
⎢0 1 ⎥ ⎢0 1 0 0 0 ⎥ ⎢ 3420 ⎥
⎢ ⎥ ⎢ ⎥ ⎢3000 ⎥
⎡1 0⎤ ⎢ ⎥
⎢0 1 ⎥ ⎢0 1 0 0 0 ⎥ ⎢1 0⎥
⎢ ⎥ ⎢ ⎥ ⎢ 3700 ⎥
⎢ ⎥ ⎢ ⎥
⎢0 1 ⎥ ⎢ 0 0 1 0 0 ⎥ Q = ⎢1 0⎥
⎢0 1 ⎥ ⎢0 0 1 0 0 ⎥ ⎢3850 ⎥
⎢ ⎥ ⎢3550 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ 0 1⎥
⎢0 1 ⎥ ⎢0 0 1 0 0 ⎥ ⎢ ⎥
⎢⎣0 1⎥⎦ ⎢3890 ⎥
⎢0 1 ⎥ ⎢0 0 1 0 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢⎣3200 ⎥⎦
⎢⎣ 0 1 ⎥⎦ ⎢⎣ 0 0 0 1 0 ⎦⎥
⎡13 0⎤ ⎡2 3 0 35⎤ ⎡49720⎤
X'X = ⎢ ⎥ ; X 'Z = ⎢ ⎥ ; X 'Y = ⎢ ⎥
⎣ 0 8⎦ ⎣1 2 4 10 ⎦ ⎣28150⎦
 ⎡2 1⎤ ⎡3 0 0 0 0⎤ ⎡10690⎤
⎢3 2⎥⎥ ⎢0 5 0 0 0⎥⎥ ⎢19510⎥
⎢ ⎢ ⎢ ⎥
Z ' X = ⎢0 4 ⎥ ; Z ' Z = ⎢0 0 4 0 0⎥ ; Z 'Y = ⎢14990⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢3 1⎥ ⎢0 0 0 4 0⎥ ⎢13550⎥
⎢⎣5 0⎦⎥ ⎢⎣0 0 0 0 5⎥⎦ ⎢⎣19130⎥⎦

⎡3 + 15 0 0 0 0 ⎤ ⎛1 0 0 0 0⎞
⎢ 0 ⎥ ⎜ ⎟
⎢ 5 + 15 0 0 0 ⎥ ⎜0 1 0 0 0⎟
Z ' Z + G −1 =⎢ 0 0 4 + 15 0 0 ⎥ G = k ⋅ I5 ; I5 = ⎜0 0
−1
1 0 0⎟
⎢ ⎥ ⎜ ⎟
⎢ 0 0 0 4 + 15 0 ⎥ ⎜0 0 0 1 0⎟
⎢⎣ 0 5 + 15⎥⎦ ⎜0 0 0 0 1 ⎟⎠
0 0 0 ⎝

4 − 0,25
Considerand ca h 2 = 0,25 , rezulta k = = 15 ,
0,25
(
G = I σ s2 / σ e2 ) (
iar G −1 = I σ e2 / σ u2 ) [( ) ]
= I 4 − h 2 / h 2 = IK = Ix15
⎡1 0⎤
⎢1 0⎥⎥
⎡ 2 3 0 35⎤ ⎢ ⎡5 8⎤
X ' ZQ = ⎢ ⎥ ⋅ ⎢1 0⎥ = ⎢ ⎥
⎣1 2 4 10 ⎦ ⎢ ⎥ ⎣7 1⎦
⎢0 1⎥
⎢⎣0 1⎥⎦
 ⎡1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0⎤
⎢0 0 1 1 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0⎥⎥
⎡ 1 1 1 0 0 ⎤ ⎢
Q' Z ' X = ⎢ ⎥ ⋅ ⎢0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0⎥
⎣0 0 0 1 1 ⎦ ⎢ ⎥
⎢0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1⎥
⎢⎣0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0⎥⎦
⎡1 0⎤
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢ ⎥ ⎡1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0⎤
⋅ ⎢1 0⎥ = ⎢ ⋅
1 1 1 1 1 1 1 0 0 0 0 0 0 0 1⎥⎦
⎢1 0⎥ ⎣
0 0 0 0 0 1
⎢ ⎥
⎢1 0⎥
⎢0 1 ⎥
⎢ ⎥
⎢0 1 ⎥
⎢0 1 ⎥
⎢ ⎥
⎢0 1 ⎥
⎢ ⎥
⎢0 1 ⎥
⎢0 1 ⎥
⎢ ⎥
⎢0 1 ⎥
⎢⎣0 1⎥⎦
⎡1 0⎤
⎢1 0⎥⎥
⎢
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢1 0⎥
⎢ ⎥
⎢1 0⎥
⎢ ⎥ ⎡5 7 ⎤
⎢1 0⎥ = ⎢ ⎥
⎢1 ⎥ ⎣8 1 ⎦
0
⎢ ⎥
⎢1 0⎥
⎢0 1⎥
⎢ ⎥
⎢0 1⎥
⎢0 1⎥
⎢ ⎥
⎢0 1⎥
⎢ ⎥
⎢0 1⎥
⎢0 1⎥
⎢ ⎥
⎢0 1⎥
⎢⎣0 1⎥⎦

⎡1 0⎤
⎢1 0⎥⎥
⎡3 5 4 0 0⎤ ⎢ ⎡12 0⎤
Q' Z ' ZQ = ⎢ ⎥ ⋅ ⎢1 0⎥ = ⎢ ⎥
⎣0 0 0 4 5 ⎦ ⎢ ⎥ ⎣ 0 9⎦
⎢0 1⎥
⎢⎣0 1⎥⎦
⎡3 0 0 0 0 ⎤ ⎡1 0⎤ ⎡ 3 0 ⎤
⎢0
⎢ 5 0 0 0⎥⎥ ⎢⎢1 0⎥⎥ ⎢⎢5 0⎥⎥
Z ' ZQ = ⎢0 0 4 0 0 ⎥ ⋅ ⎢1 0⎥ = ⎢ 4 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 0 0 4 0 ⎥ ⎢0 1 ⎥ ⎢0 4⎥
⎢⎣0 0 0 0 5⎥⎦ ⎢⎣0 1⎥⎦ ⎢⎣0 5⎥⎦

⎡45190⎤
Q' Z ' Y = ⎢ ⎥
⎣32680⎦

Inlocuind in ecuatiile sistemului mixt obtinem sistemul:

⎡13 0 5 8 2 3 0 5 ⎤ ⎡ f 1 ⎤ ⎡49720⎤
3
⎢0 8 7 1 1 2 4 0 ⎥⎥ ⎢⎢ f 2⎥⎥ ⎢⎢28150⎥⎥
1
⎢
⎢5 7 12 0 3 5 4 0 0 ⎥ ⎢ g1 ⎥ ⎢45190⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢8 1 0 9 0 0 0 4 5 ⎥ ⎢ g 2 ⎥ ⎢32680⎥
⎢2 1 3 0 3 + 15 0 0 0 0 ⎥ ⋅ ⎢ s1 ⎥ = ⎢10690 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢3 2 5 0 0 5 + 15 0 0 0 ⎥ ⎢ s 2 ⎥ ⎢19510 ⎥
⎢0 4 4 0 0 0 4 + 15 0 0 ⎥ ⎢ s3 ⎥ ⎢14990 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢3 1 0 4 0 0 0 4 + 15 0 ⎥ ⎢ s 4 ⎥ ⎢13550 ⎥
⎢5 5 + 15⎥⎦ ⎢⎣ s5 ⎥⎦ ⎢⎣19130 ⎥⎦
⎣ 0 0 5 0 0 0 0

13 f 1 + 0 f 2 + 5 g1 + 8 g + 2 s1 + 3s 2 + 0 s3 + 3s 4 + 5s5 = 49720

Intrucat cele noua ecuatii cu noua necunoscute sunt independente se impune o restrictie
modelului considerat. Astfel, considernad g2=0 se obtine urmatoarele solutii:
f 1 = 3682,58
f 2 = 3183,50
g1 = 368,87
g2 = 0
s1 = −53,62 a11 = 2(368 − 53,62 ) = 628,8
s 2 = 12,55 a12 = 2(368 + 12,55) = 761,1
s 3 = 41,08 a13 = 2(368 + 41,08) = 881,2
s 4 = −38,85 a 24 = 2(0 − 38,85) = −77,7
s 5 = 38,85 a 25 = 2(0 + 38,85) = 77,7

Rezultatele obtinute evidentiaza faptul ca valoarea de ameliorare a reproducatorilor este

predictata pe baza relatiei: aˆ jk = 2(gˆ 1 + sˆ jk ) se adauga deci si contributia genetica a
grupului din care face parte reproducatorul analizat. Asadar, valoarea de ameliorare a
reproducatorului este:
a11 = 628,8;
a12 = 761,1;
a13 = 881,2;
a 24 = −77,7;
a 25 = 77,7.

Clasamentul celor cinci reproducatori in ordinea descrescatoare a valorilor de

ameliorare este urmatorul: s 3 , s 2 , s1 , s 5 , s 4 .
 Referat 3

Modelul animal (tata) cu repetabilitate.

Candidatii la testare provin din diferite populatii si au ascendenti intretinuti in diferite conditii
de mediu.
In forma analitica, modelul este:
Yijklm = μ + hi + g i + s jk + pijkl + eijklm
Unde:
Yijklm - performanta m a descendentilului l, care apartine reproducatorului k din cadrul
populatiei j, realizata in cadrul mediului i (exemplu combinatia de factori ferma-an-sezon i);
pijklm - efectul de mediu permanent al descendentului l.
Ipotezele modelului:
¾ Femelele partenere nu sunt inrudite
¾ Descendenti nu sunt consangvinizati
¾ Performantele repetate reprezinta acelasi caracter;
¾ Modelul genetic este aditiv, ceea ce presupune:
σ s2 = 0,25h 2σ y2
σ s2 + σ p2 = Rσ y2
σ p2 = ( R − 0,25h 2 )σ y2
σ e2 = (1 − R )σ y2
Unde R este repetabilitatea caracterului respectiv.
Modelul tata cu repetabilitate.
In notatia matriceala modelul poate fi scris: y = x6 + ZQg + Zs + Zp + c
Ecuatiile modelului mixt sunt:
⎡ K'K K ' ZQ K'Z K ' Z ⎤ ⎡ b ⎤ ⎡ K 'Y ⎤
⎢Q' Z ' K Q' Z ' ZQ Q' Z ' Z Q' Z ' Z ⎥⎥ ⎢ g ⎥ ⎢Q' Z ' Y ⎥
⎢ ⋅⎢ ⎥ = ⎢ ⎥ unde:
⎢ Z'K Z ' ZQ Z ' Z + As−1 K 1 Z ' Z ⎥ ⎢ s ⎥ ⎢ Z 'Y ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ Z'K Z ' ZQ Z'Z Z ' Z + Ik 2 ⎦ ⎣ p ⎦ ⎣ Z ' Y ⎦
¾ Matricea X are 21 linii si 2 coloane corespunzatoare celor 21 de fiice grupate in 2
ferme (f1 si f2)
¾ Matricea Z are 21 linii corespunzatoare celor 21 de fiice (vaci) si 5 coloane
corespunzatoare celor 5 tauri
¾ Matricea Q are 5 linii corespunzatoare celor 5 reproducatori si 2 coloane
corespunzatoare celor 2 grupe genetice (presupunem ca reproducatorii 1,2 si 3 fac
parte din grupa genetica 1, iar reproducatorii 4 si 5 din grupa genetica 2).
¾ Matricea X est transpusa matricei X
 ⎡ f 1 f 2⎤
⎢1 ⎥ ⎡1 0 0 0 0⎤ ⎡3750 ⎤
⎢ 0 ⎥ ⎢1 0 0 0 0⎥⎥ ⎢3400 ⎥
⎢1 0 ⎥ ⎢ ⎢ ⎥
⎢ ⎥ ⎢0 1 0 0 0⎥ ⎢4790⎥
⎢ 1 0 ⎥ ⎢ ⎥ ⎢ ⎥
⎢1 0 ⎥ ⎢0 1 0 0 0⎥ ⎢3800 ⎥
⎢ ⎥ ⎢0 1 0 0 0⎥ ⎢4500⎥
⎢1 0⎥ ⎢ ⎥ ⎢ ⎥
⎢1 ⎢0 0 0 1 0⎥ ⎢3750 ⎥
0⎥ ⎢0 0
⎢ ⎥ 0 1 0⎥ ⎢3400 ⎥
⎢1 0⎥ ⎢ ⎥ ⎢ ⎥
⎢1 ⎢0 0 0 1 0⎥ ⎢3200 ⎥
0⎥ ⎢0 0
⎢ ⎥ 0 0 1⎥ ⎢3730 ⎥
⎢1 0⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢0 0 0 0 1⎥ ⎢3800 ⎥
K=⎢
1 0 ⎥ Z = ⎢0 0 0 0 1⎥
⎥ ⎢
Y = ⎢3900 ⎥
⎥
⎢1 0⎥ ⎢
⎢ ⎥ ⎢0 0 0 0 1⎥ ⎢3750 ⎥
⎢ 1 0 ⎥ ⎢ ⎥ ⎢ ⎥
⎢1 0 ⎥ ⎢0 0 0 0 1⎥ ⎢3950 ⎥
⎢ ⎥ ⎢1 0 0 0 0⎥ ⎢3540 ⎥
⎢ 0 1 ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 ⎥ ⎢0 1 0 0 0⎥ ⎢3420 ⎥
1 ⎢0 1
⎢ ⎥ 0 0 0⎥ ⎡1 0⎤
⎢3000 ⎥
⎢0 1⎥ ⎢ ⎥ ⎢ ⎥
⎢0 0 1 0 0⎥ ⎢1 0⎥⎥ ⎢3700 ⎥
⎢ ⎥ ⎢
⎢0 1⎥ ⎢ ⎥ ⎢ ⎥
; ⎢0 0 1 0 0⎥ Q = ⎢1 0⎥ ; ⎢3850 ⎥
⎢0 1⎥ ⎢ ⎥
⎢ ⎥ ⎢0 0 1 0 0⎥ ⎢3550 ⎥
⎢ ⎥ ⎢0 1⎥
⎢ ⎥
⎢0 1⎥
⎢⎣0
⎢0 ⎥ ⎢0 0 1 0 0⎥ 1⎥⎦ ⎢3890 ⎥
1
⎢ ⎥ ⎢⎣0 0 ⎥
0 1 0⎦ ⎢⎣3200 ⎥⎦
⎢⎣ 0 1 ⎥⎦
⎡13 0⎤ ⎡2 3 0 3 5⎤ ⎡49720⎤
X '⋅ X = ⎢ ⎥ ; X '⋅Z = ⎢ ⎥ ; X '⋅Y = ⎢ ⎥
⎣ 0 8⎦ ⎣1 2 4 1 0⎦ ⎣28150⎦

⎡2 1⎤ ⎡3 0 0 0 0⎤ ⎡10690⎤
⎢3 ⎥
2⎥ ⎢0 5 0 0 0⎥⎥ ⎢19510⎥
⎢ ⎢ ⎢ ⎥
Z '⋅ X = ⎢0 4⎥ ; Z '⋅Z = ⎢0 0 4 0 0⎥ ; Z "Y = ⎢14990⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢3 1⎥ ⎢0 0 0 4 0⎥ ⎢13550⎥
⎢⎣5 ⎥
0⎦ ⎢⎣0 0 0 0 5⎥⎦ ⎢⎣19130⎥⎦
⎡1 0⎤
⎢1 0⎥⎥
⎡2 3 0 3 5⎤ ⎢ ⎡5 8⎤
X ' ZQ = ⎢ ⋅ ⎢1 0⎥ = ⎢
2 4 1 0⎥⎦ ⎢ 1⎥⎦
;
⎣1 ⎥ ⎣7
⎢0 1⎥
⎢⎣0 1⎦⎥
 ⎡1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0⎤
⎢0 0 1 1 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0⎥⎥
⎡ 1 1 1 0 0 ⎤ ⎢
Q' Z ' X = ⎢ ⎥ ⋅ ⎢0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0⎥
⎣0 0 0 1 1 ⎦ ⎢ ⎥
⎢0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1⎥
⎢⎣0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0⎥⎦
⎡1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0⎤ ⎡5 7 ⎤
⋅k = ⎢ ⎥ ⋅k = ⎢ ⎥
⎣0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1⎦ ⎣8 1 ⎦
⎡3 0 0 0 0 ⎤ ⎡1 0⎤
⎢0 5 0 0 0 ⎥⎥ ⎢⎢1 0 ⎥⎥
⎢ ⎡12 0 ⎤
QZ ' ZQ = ⎢0 0 4 0 0 ⎥ ⋅ ⎢1 0⎥ = ⎢ ⎥ ;
⎢ ⎥ ⎢ ⎥ ⎣ 0 9⎦
⎢0 0 0 4 0 ⎥ ⎢0 1⎥
⎢⎣0 0 0 0 5 ⎥⎦ ⎢⎣0 1 ⎥⎦
⎡1 0⎤
⎢1 0⎥⎥
⎡3 5 4 0 0⎤ ⎢ ⎡5 7 ⎤
Q' Z ' ZQ = ⎢ ⎥ ⋅ ⎢1 0⎥ = ⎢ ⎥ ;
⎣0 0 0 4 5 ⎦ ⎢ ⎥ ⎣8 1 ⎦
⎢0 1⎥
⎢⎣0 1⎥⎦
⎡45190⎤
Q' Z ' Y = ⎢ ⎥
⎣32680 ⎦

¾ A este matricea de inrudire

Elementele aij .i, j = 1, n pot fi calculate folosind metoda Henderson (1976). Animalele luate

in studiere sunt numerotate (notele de la 1 la n si grupate in ordinea generatiilor astfel incat

parintii sa preceada descendentii lor).
Formulele stabilite de Henderson sunt urmatoarele:
¾ Cand ambii parinti ai animalului x sunt cunoscuti:
1
a kk = 1 + aTxMx
2

a xy = (a xTy + a kMy )
1
2
Unde: aTxMX - reprezinta relata genetica aditiva intre tata lui x si mama lui k;
a kTx - reprezinta relatia genetica aditiva dintre individul x si tatal lui y
a kMy - reprezinta relatia genetica aditiva dintre individul x si mama lui y
¾ Daca un singur parinte este cunoscut (de exemplu tatal) :
a xx = 1
1
a xy = a xTy
2
 a xx = 1
¾ Daca ambii parinti sunt necunoscuti :
a xy = 0

Elementele matricei A sunt:

a11 = 1 (cu un parinte cunoscut)
a 22 = 1 (cu un parinte cunoscut)
(ambii parinti necunoscuti)
a33 = 1
a 44 = 1 (un parinte cunoscut)
a = 1 (un parinte cunoscut)
55

1 1 1 1
a12 = a10 = ⋅ a 00 = ⋅ 1 = 0,25
2 2 2 4
1
a13 = a31 = a30 = 0
2
1 1
a14 = a 41 = a12 = ⋅ 0,25 = 0,125
2 2
1
a15 = a51 = a13 = 0
2
a 21 = a12 = 0,25
1
a 23 = a32 = a30 = 0
2
1
a 24 = a 42 = a 22 = 0,5
2
1
a 25 = a52 = a 23 = 0
2
1
a34 = a 43 = a32 = 0
2
1 1
a35 = a53 = a33 = ⋅ 1 = 0,5
2 2
1
a 45 = a54 = a 43 = 0
2
⎡ 1 0,25 0 0,125 0 ⎤
⎢ 0,25 1 0 0,5 0 ⎥⎥
⎢
Deci : A = ⎢ 0 0 1 0 0,5⎥
⎢ ⎥
⎢0,125 0,5 0 1 0⎥
⎢⎣ 0 0 0,5 0 1 ⎥⎦
⎡ 1,067 − 0,267 0 0 0 ⎤
⎢− 0,267 1,4 0 − 0,67 0 ⎥⎥
⎢
A −1 = ⎢ 0 0 1,333 0 − 0,67 ⎥
⎢ ⎥
⎢ 0 − 0,67 0 1,333 0 ⎥
⎢⎣ 0 0 − 0,67 0 1,333 ⎥⎦
 ⎡1 0 0 0 0⎤
⎢0 1 0 0 0⎥⎥
⎢
I- este matricea identitate in acest caz de ordinul 5 : ⎢0 0 1 0 0⎥
⎢ ⎥
⎢0 0 0 1 0⎥
⎢⎣0 0 0 0 1⎥⎦
1− R
k1 =
o,25h 2
1− R
k2 =
R − o,25h 2
R = 0,3
h 2 = 0,25
1 − 0,3 0,7
k1 = = = 11,2
0,25 ⋅ 0,25 0,0625
1 − 0,3 0,7
k2 = = = 2,947
0,3 − 0,25 ⋅ 0,25 0,2374
⎡ 11,95 − 2,99 0 0 0 ⎤
⎢− 2,99 15,68 0 − 7,5 0 ⎥⎥
⎢
A −1 k1 = ⎢ 0 0 14,92 0 − 7,5 ⎥ ;
⎢ ⎥
⎢ 0 − 7,5 0 14,92 0 ⎥
⎢⎣ 0 0 − 7,5 0 14,92⎥⎦
⎡2,94 0 0 0 0 ⎤
⎢ 0 2,94 0 0 0 ⎥⎥
⎢
Ik 2 = ⎢ 0 0 2,94 0 0 ⎥
⎢ ⎥
⎢ 0 0 0 2,94 0 ⎥
⎢⎣ 0 0 0 0 2,94⎥⎦

Inlocuind in ecuatiile modelului mixt obtinem sistemul:

⎡13 8 5 8 2 3 0 3 5 2 3 0 3 5 ⎤
⎢0 8 7 1 1 2 4 1 0 1 2 4 1 0 ⎥
⎢ ⎥
⎢5 7 12 0 3 5 4 0 0 3 5 4 0 0 ⎥
⎢ ⎥
⎢8 1 0 9 0 0 0 4 5 0 0 0 4 5 ⎥
⎢2 1 3 0 3 + 11,95 − 2 .99 0 0 0 3 0 0 0 0 ⎥
⎢ ⎥
⎢3 2 5 0 − 2,99 5 + 15 ,68 0 − 7 ,5 0 0 5 0 0 0 ⎥
⎢0 4 4 0 0 0 4 + 14 ,92 0 − 7 ,5 0 0 4 0 0 ⎥
⎢ ⎥
⎢3 1 0 4 0 − 7 ,5 0 4 + 14 ,92 0 0 0 0 4 0 ⎥
⎢5 0 0 5 0 0 − 7 ,5 0 5 + 14 ,92 0 0 0 0 5 ⎥
⎢ ⎥
⎢2 1 3 0 3 0 0 0 0 3 + 9,94 0 0 0 0 ⎥
⎢ ⎥
⎢3 2 5 0 0 5 0 0 0 0 5 + 9,94 0 0 0 ⎥
⎢0 4 4 0 0 0 4 0 0 0 0 4 + 2,94 0 0 ⎥
⎢ ⎥
⎢3 1 0 4 0 0 0 4 0 0 0 0 4 + 2,94 0 ⎥
⎢⎣ 5 0 0 5 0 0 0 0 5 0 0 0 0 5 + 2,94 ⎥⎦

⎡ f 1 ⎤ ⎡49720⎤
⎢ f 2⎥ ⎢28150⎥
⎢ ⎥ ⎢ ⎥
⎢ g1 ⎥ ⎢45190⎥
⎢ ⎥ ⎢ ⎥
⎢ g 2 ⎥ ⎢32680 ⎥
⎢ s1 ⎥ ⎢10690 ⎥
⎢ ⎥ ⎢ ⎥
⎢ s 2 ⎥ ⎢19510 ⎥
⎢ s3 ⎥ ⎢14990 ⎥
⋅⎢ ⎥ = ⎢ ⎥
⎢ s 4 ⎥ ⎢13550 ⎥
⎢ s5 ⎥ ⎢19130 ⎥
⎢ ⎥ ⎢ ⎥
⎢ p1 ⎥ ⎢10690 ⎥
⎢ ⎥ ⎢ ⎥
⎢ p 2 ⎥ ⎢19510 ⎥
⎢ p3 ⎥ ⎢14990 ⎥
⎢ ⎥ ⎢ ⎥
⎢ p 4 ⎥ ⎢13550 ⎥
⎢⎣ p5 ⎥⎦ ⎢19130 ⎥
⎣ ⎦

Modelul tata-bunic matern

Elaborat in anul 1979, acest model este o extensie a modelului tata, fiind luate
in considerare si relatiile de inrudire din partea bunicilor materni (femelele partenere
sunt considerate inrudite numai prin intermediul buncilor materni). Modelul tata-bunic
matern a fost utilizat la Universitatea Cornell, pentru evaluarea taurilor din nord-estul
SUA, in perioada 1979-1989, cu o abordare pe mai multe caractere incepand din 1982.
Ipotezele in care modelul este valabil sunt:
¾ parintii nu au performante cunoscute;
¾ fiecare descendent are cate o singura performanta masurata;
¾ animalele care au performante nu sunt parinti ai altor animale;
¾ fiecare femela are cate un singur descendent testat;
¾ fiicele unui bunci matern, aflate in analiza trebuie sa reprezinte o proba
intamplatoare din populatia de fiice a tuturor bunicilor materni.
Ultima ipoteza este frecvent, incalcata in practica, motiv pentru care acest tip de model
nu este recomandat a fi folosit in evaluarea genetica a animalelor.
 Referat 4

Modelul animal individual

Candidatii la testare din aceeasi populatie

Acest model utilizeaza sursele de informatie – ascendenti, performanta proprie,

colaterali, descendenti- pe o cale optima, indiferent de numarul caracterelor considerate. Am
putea spune ca o astfel de prezentare matematica a datelor se apropie de modelul ideal
deoarece poate descrie majoritatea elementelor din cadrul unui eveniment biologic.
Majoritatea ipotezelor modelului tata nu se vor regasi in practica daca:
¾ fermele partenere nu sunt alese la intamplare, respectiv se practica potrivirea
impercherilor.
¾ exista legaturi genetice intre: reproducatorii mascului si femelele partenere;
reproducatorii masculi; femelele partenere.
¾ candidatii la selectie fac parte din mai multe populatii
In aceste conditii este preferabil sa se scrie modelul la nivel de individ:
Yij = μ + Fi + a j + eij
Unde: μ - media generala;
Fi - efectul fix al mediului
a j - valoarea genetica aditiva a animalului j, N ≈ (0, Aσ a2 )
(
eij - efectul de mediu randomizat, N ≈ 0, Rσ e2 )
In notatiile matriceale modelul poate fi scris:
Y = Xb + Za + e unde:
Y- vectorul performantelor
b- vectorul efectelor fixe
a- vectorul efectelor alatoare
e- vectorul efectelor reziduale
X,Z- matricele de incidenta care asociaza performantele la efectele fixe si aleatoare
Sistemul ecuatiilor modelului mixt este:
~
⎡X 'R X −1
X ' R −1 Z ⎤ ⎡b ⎤ ⎡ X ' R −1Y ⎤
⎢ −1 −1 −1 ⎥
×⎢ ⎥ = ⎢ −1 ⎥
unde: G = Aσ e2
⎣ Z ' R X Z ' R Z + G ⎦ ⎣a ⎦ ⎣
ˆ Z ' R Y ⎦
In ipoteza ca rezidualele modelului sunt distribuite unei legi normale cu media
μ = 0 si varianta σ e2 respectiv sunt independente intre ele:
var(e ) = R = Iσ e2 unde I este o matrice de identitate.
Sistemul de ecuatii poate fi inmultit cu σ e2 ceea ce duce la eliminarea matricei
R −1 , obtinand:
 ~
⎡X ' X X 'Z ⎤ ⎡b ⎤ ⎡ X ' Y ⎤
⎢ Z ' X Z ' Z + A −1 K ⎥ × ⎢ ⎥ = ⎢ Z ' Y ⎥
⎣ ⎦ ⎣ aˆ ⎦ ⎣ ⎦
Presupunem ca matricea A (matricea A este simetrica) este matrice de inrudire
⎡ a11 a12 a13 a1n ⎤
⎢a 21 a 22 a 23 a 2n⎥
si are forma: A = ⎢ ⎥
⎢ − − − − ⎥
⎢ ⎥
⎣ an1 an2 an3 ann ⎦
Elementele aij in careij=1,n, pot fi calculate prin metoda Henderson (1976).
Animalele luate in studiu sunt notate de la 1 la n si grupate in ordinea generatiilor lor.
Formulele stabilite de Henderson sunt urmatoarele:
¾ cand ambii parintii ai animalului x sunt cunoscuti;
1
a xx = 1 + aTxMx
2
unde:
a xy = (a xTy + a xMy )
1
2
aTxMx - reprezinta relatia genetica aditiva intre tata lui X si mama lui X
a xTy - reprezinta relatia genetica aditiva dintre individul X si tatal lui y
a xMy - reprezinta relatia genetica aditiva dintre individul X si mama lui Y
a xx = 1
¾ daca un singur parinte este cunoscut (de exmplu tatal): 1
a xy = a xTy
2
a xx = 1
¾ daca ambii parinti sunt necunoscuti:
a xy = 0
In exemplul nostru elementele matricei A sunt:
a11 = 1
a 22 = 1
a33 = 1
a 44 = 1
1 1
a55 = 1 + a12 = 1 + ⋅ 0 = 1
2 2
1 1
a 66 = 1 + a12 = 1 + ⋅ 0 = 1
2 2
1 1
a 77 = 1 + a34 = 1 + ⋅ 0 = 1
2 2
1 1 1 1 1
a88 = 1 + a56 = 1 + ⋅ 0,5 = 1 + ⋅ = 1 + = 1,25
2 2 2 2 4
Elemente de pe diagonala matricei generale
a12 = 0(3) a 21 = 0(3)
a13 = 0(3) a 23 = 0(3)
a14 = 0(3) a 24 = 0(3)

a15 =
1
(a11 + a12 ) = 1 (1 + 0) = 1 = 0,5(1) a 25 =
1
(a 21 + a 22 ) = 1 (0 + 1) = 0,5(1)
2 2 2 2 2
a16 = (a11 + a12 ) = (1 + 0) = = 0,5(1) = (a 21 + a 22 ) = 0,5(1)
1 1 1 1
a 26
2 2 2 2
a17 = (a13 + a14 ) = (0 + 0 ) = 0(1) = (a 23 + a 24 ) = (0 + 0 ) = 0(1)
1 1 1 1
a 27
2 2 2 2
a18 = (a15 + a16 ) = (0,5 + 0,5) = ⋅ 1 = 0,5 a 28 = (a 25 + a 26 ) = (0,5 + 0,5) = ⋅ 1 = 0,5(1)
1 1 1 1 1 1
2 2 2 2 2 2

a31 = 0(3) a 41 = 0(3)

a32 = 0(3) a 42 = 0(3)
a34 = 0(3) a 43 = 0(3)

a35 =
1
(a31 + a32 ) = 1 (0 + 0) = 0(1) a 45 =
1
(a 41 + a 42 ) = 1 (0 + 0) = 0(1)
2 2 2 2
a36 = (a31 + a32 ) = 0(1) = (a 41 + a 42 ) = 0(1)
1 1
a 46
2 2
a37 = (a33 + a34 ) = (1 + 0 ) = 0,5(1) a 47 = (a 43 + a 44 ) = (0 + 1) = 0,5(1)
1 1 1 1
2 2 2 2
a38 = (a35 + a36 ) = (0 + 0 ) = 0(1) a 48 = (a 45 + a 46 ) = (0 + 0 ) = 0(1)
1 1 1 1
2 2 2 2

a51 = a51 = 0,5(3) a 61 = a16 = 0,5

a52 = a 25 = 0,5(3) a 62 = a 26 = 0,5
a53 = a35 = 0(3) a 63 = a36 = 0
a54 = a 45 = 0(3) a 64 = a 46 = 0
a 65 = a56 = 0,5
a56 =
1
(a51 + a52 ) = 1 (0,5 + 0,5) = 0,5(1)
2 2
a 67 = (a 63 + a 64 ) = (0 + 0) = 0
1 1
a57 = (a53 + a54 ) = (0 + 0 ) = 0
1 1 2 2
2 2
a 68 = (a 65 + a 66 ) = (0,5 + 1) = 1 ⋅ 1,5 = 0,75
1 1
a58 = (a55 + a56 ) = (1 + 0,5) = ⋅ 1,5 = 0,75
1 1 1 2 2 2
2 2 2
a 71 = a17 = 0 a81 = a18 = 0,5
a 72 = a 27 = 0 a82 = a 28 = 0,5
a 73 = a37 = 0,5 a83 = a38 = 0
a 74 = a 47 = 0,5 a84 = a 48 = 0
a 75 = a57 = 0 a86 = a 68 = 0,75
a 76 = a 67 = 0 a87 = a 78 = 0

a 78 =
1
(a75 + a76 ) = 1 (0 + 0) = 0 a88 = 1 + 1 a56 = 1 + 1 ⋅ 0,5 = 1,25
2 2 2 2

⎡ 1 0 0 0 0,5 0,5 0 0,5 ⎤

⎢ 0 1 0 0 0,5 0,5 0 0,5 ⎥⎥
⎢
⎢ 0 0 1 0 0 0 0.5 0 ⎥
⎢ ⎥
0 0 0 1 0 0 0,5 0 ⎥
A = ⎢0
⎢ 0,5 0,5 0 0 1 0,5 0 0,75⎥
⎢ ⎥
⎢ 0,5 0,5 0 0 0,5 1 0 0,75⎥
⎢ 0 0 0,5 0,5 0 0 1 0 ⎥
⎢ ⎥
⎣⎢ 0,5 0,5 0 0 0,75 0,75 0 1.25 ⎦⎥

⎡2 1 0 0 −1 −1 0⎤0
⎢1 2 0 0 −1 −1 0 ⎥⎥
0
⎢
⎢ 0 0 1,5 2,5 0 0 −1 0 ⎥
⎢ ⎥
0 0 0,5 1,5 0 0 −1 0 ⎥
A =⎢
−1
⎢− 1 − 1 0 0 2,5 2,5 0 − 1⎥
⎢ ⎥
⎢− 1 − 1 0 0 0,5 2,5 0 − 1⎥
⎢ 0 0 −1 −1 0 0 2 0⎥
⎢ ⎥
⎣⎢ 0 0 0 0 −1 −1 0 2 ⎦⎥

Avand matricea de inrudire se poate scrie sistemul ecuatiilor modelului mixt. Pentru
exemplul mostru avem urmatoarelele submatrici:
¾ matricea X are 3 coloane corespunzatoare celor 3 generatii si 5 linii corespunzatoare
celor 5 vaci:
⎡1 0 0⎤
⎢1 0 0⎥
⎢ ⎥
X = ⎢0 1 0 ⎥
⎢ ⎥
⎢0 1 0 ⎥
⎢⎣0 0 1⎥⎦
¾ matricea Z are 5 linii corespunzatoare vacilor 2,4,6,7 si 8 si 5 coloane de asemenea
corespunzatoare vacilor.
 ⎡1 0 0 0 0⎤
⎢0 1 0 0 0⎥⎥
⎢
Z = ⎢0 0 1 0 0⎥
⎢ ⎥
⎢0 0 0 1 0⎥
⎢⎣0 0 0 0 1⎥⎦
Modelul poate fi generalizat pentru a include animele fara performante proprii, dar
care intereseaza deoarece sunt inrudite cu animalele care au performante proprii. In acest caz
matricea Z se modifica in sensul ca se adauga coloanelele formate din zero pentru masculuii
1,3, si 5 (animale ce nu au performante proprii).
⎡0 1 0 0 0 0 0 0 ⎤
⎢0 0 0 1 0 0 0 0 ⎥
⎢ ⎥
Z = ⎢0 0 0 0 0 1 0 0 ⎥
⎢ ⎥
⎢0 0 0 0 0 0 1 0 ⎥
⎢⎣0 0 0 0 0 0 0 1⎥⎦
Z are 5 linii corespunzatoare celor 5 vaci si 8 coloane corespunzatoare fiecarui animal.
¾ Matricea X’ este transpusa matricei X
¾ Matricea Y are 5 linii si o coloana si reprezinta cantitatea de lapte pentru cele 5 vaci.
⎡5000 ⎤
⎢4500⎥
⎢ ⎥
Y = ⎢5500 ⎥
⎢ ⎥
⎢5000 ⎥
⎢⎣6000⎥⎦
0⎤
⎡1 0
⎢ 0⎥⎥ ⎡2
⎡1 1 0 0 0⎤ ⎢1 0 0 0⎤
0⎥ = ⎢⎢0
X ' X = ⎢⎢0 0 1 1 0⎥⎥ ⋅ ⎢0 1 2 0⎥⎥
⎢ ⎥
⎢⎣0 0 0 0 1⎥⎦ ⎢0 10⎥ ⎢⎣0 0 1⎥⎦
1⎥⎦
⎢⎣0 0
⎡0 1 0 1 0 0 0 0 ⎤ ⎡ 9500 ⎤
X ' Z = ⎢⎢0 0 0 0 0 1 1 0⎥⎥ X 'Y = ⎢⎢10500⎥⎥
⎢⎣0 0 0 0 0 0 0 1⎥⎦ ⎢⎣ 6000 ⎥⎦
 ⎡0 0 0 0 0 0 0 0⎤ ⎡ 0 ⎤ ⎡0 0 0⎤
⎢0 1 0 0 0 0 0 0⎥⎥ ⎢5000 ⎥ ⎢1 0 0⎥⎥
⎢ ⎢ ⎥ ⎢
⎢0 0 0 0 0 0 0 0⎥ ⎢ 0 ⎥ ⎢0 0 0⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
0 0 0 1 0 0 0 0⎥ 4500⎥ 1 0 0⎥
Z'Z = ⎢ Z 'Y = ⎢ Z' X = ⎢
⎢0 0 0 0 0 0 0 0⎥ ⎢ 0 ⎥ ⎢0 0 0⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 0 0 0 0 1 0 0⎥ ⎢5500 ⎥ ⎢0 1 0⎥
⎢0 0 0 0 0 0 1 0⎥ ⎢5000 ⎥ ⎢0 1 0⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣⎢0 0 0 0 0 0 0 0⎦⎥ ⎢⎣6000⎦⎥ ⎣⎢0 0 1⎦⎥

1− h2 1 − 0,25
K= 2
unde h 2 = 0,25 ⇒ K = =3
h 0,25

Inlocuind in sistemul initial obtinem:

~
⎡2 0 0 0 1 0 1 0 0 0 0⎤ ⎡ b1 ⎤ ⎡ 9500 ⎤
⎢0 2 0 0 0 0 0 0 1 1 0⎥ ⎢ ~ ⎥ ⎢10500⎥
⎢ ⎥ ⎢b~2 ⎥ ⎢ ⎥
⎢0 0 1 0 0 0 0 0 0 0 1⎥ ⎢ b3 ⎥ ⎢ 6000 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 0 0 2k k 0 0 −k −k 0 0⎥ ⎢ aˆ1 ⎥ ⎢ 0 ⎥
⎢1 0 0 k 1 + 2k 0 0 −k −k 0 0 ⎥ ⎢ aˆ 2 ⎥ ⎢ 5000 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 0 0 0 0 1,5k 2,5k 0 0 −k 0 ⎥ ⋅ ⎢ aˆ 3 ⎥ = ⎢ 0 ⎥
⎢1 0 0 0 0 0,5k 1 + 1,5k 0 0 −k 0 ⎥ ⎢ aˆ 4 ⎥ ⎢ 4500 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 0 0 −k −k 0 0 2,5k 1,5k 0 − k ⎥ ⎢ aˆ 5 ⎥ ⎢ 0 ⎥
⎢0 ⎢ ⎥
1 0 −k −k 0 0 0,5k 1 + 2,5k 0 − k ⎥ ⎢ aˆ 6 ⎥ ⎢ 5500 ⎥
⎢ ⎥ ⎢ ⎥
⎢0 1 0 0 0 −k −k 0 0 1 + 2k 0 ⎥ ⎢ aˆ 7 ⎥ ⎢ 5000 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣0 0 1 0 0 0 0 −k −k 0 1 + 2k ⎦ ⎢⎣ aˆ 8 ⎥⎦ ⎣ 6000 ⎦

Solutiile finale sunt:

⎡ aˆ1 ⎤ ⎡ 28 ⎤ ⎡ 2,2 ⎤
⎢aˆ ⎥ ⎢ 83 ⎥ ⎢ 60 ⎥
⎢ 2⎥ ⎢ ⎥⎢ ⎥
~ ⎢ aˆ 3 ⎥ ⎢− 28⎥ ⎢151,1⎥
⎡ b1 ⎤ ⎡4750⎤ ⎢ ⎥ ⎢ ⎥⎢ ⎥
⎢~ ⎥ ⎢ ⎥ ⎢ aˆ 4 ⎥ ⎢ − 83⎥ ⎢ − 93 ⎥
⎢ b2 ⎥ = ⎢5250⎥ =
⎢ aˆ 5 ⎥ ⎢ 56 ⎥ ⎢− 2,2⎥
~
⎢b 3⎥ ⎢5930⎥
⎣ ⎦ ⎣ ⎦ ⎢ ⎥ ⎢ ⎥⎢ ⎥
⎢ aˆ 6 ⎥ ⎢ − 83⎥ ⎢ 66,7 ⎥
⎢aˆ ⎥ ⎢ − 83⎥ ⎢ − 6,7 ⎥
⎢ 7⎥ ⎢ ⎥⎢ ⎥
⎢⎣ aˆ 8 ⎥⎦ ⎢⎣ 70 ⎥⎦ ⎢⎣ 32,2 ⎥⎦

a1 = 2,2
Taurii a3 = 151,1
a5 = −2,2
 Referat 5

Modelul animal cu repetabilitate

Pentru unele caractere care se repeat in timpul vietii animalului (cantitatea de lapte, cantitatea
de lana, profilacitatea, productia de oua etc), folosirea unor date medii determinate pe baza
unui numar mai mare de performante, adduce un plus de precizie in stabilirea valorii
animalului. Cresterea numarului de masuratori reduce cantitatea de varianta datorata mediului
special care apare in varianta fenotipica, aceasta reducere reprezentand castigul in precizie,
conform relatiei pentru estimarea variantei.
Se constata ca, cu cat numarul performantelor (m) este mai mare, cu atat contributia mediului
special la valoarea fenotipica este mai mica. Acest model poate lua in considerare mai multe
performante cunoscute ale aceluiasi individ. Un numar mare de factori de mediu (conditii de
crestere si de ingrijire proprii fiecarui animal) si factorii genetici (efecte genetice neaditive)
determina ca doua performante masurate pe acelasi individ sa fie mai asemanatoare decat
doua performante masurate pe doi indivizi diferiti, chiar contemporani. Modelul animal
individual a fost elaborat si perfectionat de catre Henderson (1952, 1973, 1974). Modelele
animale cu repetabilitate au inceput sa fie aplicate in SUA incepand din anul 1987, in
Australia inca din anul 1984 iar in Israel din 1993.
Modelul liniar va cuprinde si un efect de mediu permanent, ce regrupeaza toti factorii, altii
decat valoarea genetica aditiva, care afecteaza performanta unui individ pe toata viata sa
productiva.

Yijk = μ + si + a j + p j + eijk unde:

Yijk - performanta k a individului j, realizata in mediul i;
μ
- media generala comuna pentru toate observatiile;
si - efectul fix al factorilor de mediu;
aj - efectul genetic aditiv al animalului (valoarea de ameliorare);
- efectul de mediu permanent comun pentru performantele repetate ale aceluiasi individ;
pi
eijk - efectul de mediu temporar particular fiecarei observatii.
Efectul de mediu permanent este presupus (ca si la celelalte efecte aleatoare ) a fi
rezultanta a numeroase efecte elementare, fiecare ci importanta redusa. In aceste conditii
p j este un efect aleator care urmeaza o distributie normala cu media nula si varianta σ p2 .
Rezidualele eij sunt distribuite normal cu media nula si varianta σ e2 .
Se va lua un exemplu ipotetic si anume : opt indivizi, din care doi tauri si sase vaci,
analizati pentru caracterul “cantitatea de grasime pe lactatie normala”. Cele sase vaci au
 realizat in total un numar de 15 performante (performante repetate) in 11 combinatii
ferma-an. De precizat ca modul de lucru este identic, indiferent de numarul animalelor
aflate in analiza.

Performantele medii ale vacilor din proba analizata si distributia pe efecte fixe:

Individ Rang. Combinatia Ferma Anul Efectul de Kg.

Lact. ferma-an mediu Grasime pe
permanent lactatie
normala
Vaca2 1 1 1 1 1 122
2 2 1 2 1 135
3 3 1 3 1 153
Vaca 3 1 7 2 2 2 110
2 8 2 3 2 131
3 9 2 4 2 147
Vaca 4 1 3 1 3 3 123
2 4 1 4 3 145
3 5 1 5 3 172
Vaca 6 1 9 2 4 4 121
2 10 2 5 4 139
3 11 2 6 4 170
Vaca 7 1 5 1 5 5 130
2 6 1 6 5 172
Vaca 8 1 11 2 6 6 131

Performantele masurate ale indivizilor si distributia acestora pe nivelurile factorilor ficsi sunt
prezentate in tabel. Modelul liniar mixt este urmatorul:
YIjkm = ri + f i + a k + p k + eijkm unde:
Yijkm − performanta masurata a vacii k realizata in cadrul combinatiei ferma-an j, la lactatia i;
ri −
efectul fix al rangului lactatiei
fi − efectul fix al combinatiei ferma-an
ak − efectul genetic aditiv (aleator) al individului
pk −
efectul de mediu permanent (aleator) al vacii
eijkm − eroare intamplatoare
In notatie matriceala modelul poate fi rescris:
Y = Xb + Za + Zp + e
Cu urmatoarele ipoteze: M ( y ) = Xb; var(a ) = Aσ a2 ; var( p ) = Iσ p2 ; var(e ) = Iσ e2
Ecuatiile BLUP pentru estimarea lui b si performantele lui a si p sunt:
 ~
⎡X ' X X 'Z X 'Z ⎤ ⎡b ⎤ ⎡ X ' Y ⎤
⎢ ⎥ ⎢ ⎥
⎢ X 'Z Z ' Z + A −1 ⋅ k a Z ' Z ⎥ × ⎢ aˆ ⎥ = ⎢⎢ Z ' Y ⎥⎥ unde:
⎢Z' X
⎣ Z'Z Z ' Z + Ik p ⎥⎦ ⎢⎣ pˆ ⎥⎦ ⎢⎣ Z ' Y ⎥⎦
σ e2 (1 − R )
ka = = = 1,25; h 2 = 0,4; R = 0,5
σa 2
h 2

σ e2 1− R
kp = = =5
σ p R − h2
2

R- repetabilitatea caracterului;
aˆ j + pˆ j - este o masura a capacitatii reale de productie (CPR) a individului j.
Daca taurii au fost testati pe descendenti la nivel rational se poate tine seama de aceasta
informatie pentru a fi inclusa in analiza.
Se practica doua variante:
¾ evaluarea genetica a indivizilor in situatia in care taurii nu au fost selectionati pe
descendenti anetrior analizei curente
¾ incorporarea in sistemul de ecuatii a jumatate din meritul genetic aditiv (jumatate din
valoarea de amelioare VA/2), pentru taurii evaluati la nivel national. Se presupune ca
taurul 1 a fost testat anterior analizei curemte pe 45 de fiice, avand o valoare de
ameliorare de +30 kg grasime.
In situatia B ecuatiile modelului mixt sunt construite prin adaugarea, la termenul liber si
elementele diagonale corespunzatoare taurilor, a urmatoarelor cantitati:
[
2(1 − R ) 4 + (n − 1)h 2 1]
× aˆ T ;
n(1 − R )
2
(
h 4−h 2
) 2 4 − h2
Sistemul de ecuatii are un singur numar de 28 de linii si 28 de coloane. Se prezinta in
continuare matricea de inrudire A, sistemul de ecuatii si solutiile obtinute
A este matricea de inrudire:
a11 = 1(3)
a 22 = 1(3) a12 = a 21 = 0(3)
a33 = 1(3) a13 = a31 = 0(3)

a 44 = 1 +
1
a12 = 1 a14 = a 41 =
1
(a11 + a12 ) = 1 (1 + 0) = 0,5
2 2 2
a55 = 1(3) a15 = a51 = 0(3)

a 66 = 1 +
1
a13 = 1 + 0 = 1 a16 =
1
(a11 + a13 ) = 1 (1 + 0) = 0,5
2 2 2
1
a 77 = 1 + a54 = 1 + 0 = 1 a17
1
(a15 + a14 ) = 1 (0 + 0,5) = 0,25
2 2 2
a88 = 1(2 ) a
1 1
= a16 = ⋅ 0,5 = 0,25
18
2 2
a 23 = 0(3)

a 24 = a 42 =
1
(a 22 + a 21 ) = 1 (1 + 0) = 0,5 a34 = a 43 =
1
(a32 + a31 ) = 0
2 2 2
a 25 = a53 = 0(3) a35 = a53 = 0

a36 = a 63 = (a31 + a33 ) = (0 + 1) = 0,5

1 1
a 26 = a 62 =
1
(a 21 + a 23 ) = 1 (0 + 0) = 0 2 2
2 2
= a 72 = (a 25 + a 24 ) = (0 + 0,5) = 0,25 a37 = a 73 = (a35 + a34 ) = (0 + 0 ) = 0
1 1 1 1
a 27
2 2 2 2
1 1 1 1
a 28 = a82 = a 26 = ⋅ 0 = 0 a38 = a83 = a36 = ⋅ 0,5 = 0,25
2 2 2 2
a 45 = a54 = 0

a 46 = a 64 =
1
(a 41 + a 43 ) = 1 (0,5 + 0) = 0,25
2 2
= (a 45 + a 44 ) = (0 + 1) = 0,5
1 1
a 47 = a 74
2 2
1
a 48 = a84 = a 46 = 0,125
2
= (a51 + a53 ) = (0 + 0 ) = 0
1 1
a56 = a 65
2 2
= (a55 + a54 ) = (1 + 0) = 0,5
1 1
a57 = a 77
2 2
1
a58 = a85 = a56 = 0
2
= (a 65 + a 64 ) = (0 + 0,25) = 0,125
1 1
a 67 = a 76
2 2
1 1
a 68 = a86 = a 66 = ⋅ 1 = 0,5
2 2
1 1
a 78 = a87 = a 76 = ⋅ 0,125 = 0,625
2 2

⎡ 1 0 0 0,5 0 0,5 0,25 0,25 ⎤

⎢ 0 1 0 0,5 0 0 0,25 0 ⎥⎥
⎢
⎢ 0 0 1 0 0 0,5 0 0,25 ⎥
⎢ ⎥
⎢ 0,5 0,5 0 1 0 0,25 0,5 0,125 ⎥
A=
⎢ 0 0 0 0 1 0 0,5 0 ⎥
⎢ ⎥
⎢ 0,5 0 0,5 0,25 0 1 0,125 0,5 ⎥
⎢0,25 0,25 0 0,5 0,5 0,125 1 0,625⎥
⎢ ⎥
⎣⎢0,25 0 0,25 0,125 0 0,5 0,625 1 ⎦⎥
 ⎡ 2,000 0,500 0,500 1,000 0.000 − 1,000 0,000 0,000 ⎤
⎢ 0,500 1,500 0,000 − 1,000 0,000 0,000 0,000 0,000 ⎥⎥
⎢
⎢ 0,500 0,000 1,500 0,000 0,000 − 1,000 0,000 0,000 ⎥
⎢ ⎥
−1 ⎢ − 1,000 − 1,000 0,000 5,200 3,200 − 2,400 − 6,400 4,800 ⎥
A =
⎢ 0,000 0,000 0,000 3,200 4,200 − 2,400 − 6,400 4,800 ⎥
⎢ ⎥
⎢− 1,000 0,000 − 1,000 − 2,400 − 2,400 4,133 4,800 − 4,266⎥
⎢ 0,000 0,000 0,000 − 6,400 − 6,400 4,800 12,800 − 9,600 ⎥
⎢ ⎥
⎣⎢ 0,000 0,000 0,000 4,800 4,800 − 4,266 − 9,600 8,533 ⎦⎥
⎡ 2,500 0,625 0,625 − 1,250 0,000 − 1,250 0,000 0,000 ⎤
⎢ 0,625 1,875 0,000 − 1,250 0,000 0,000 0,000 0,000 ⎥⎥
⎢
⎢ 0,625 0,000 1,875 0,000 0,000 − 1,250 0,000 0,000 ⎥
⎢ ⎥
−1 −1 ⎢ − 1,250 − 1,250 0,000 6,500 4,000 − 3,000 − 8,000 6,000 ⎥
A ⋅ k a = A ⋅ 1,25 =
⎢ 0,000 0,000 0,000 4,000 5,250 − 3,000 − 8,000 6,000 ⎥
⎢ ⎥
⎢− 1,250 0,000 − 1,250 − 3,000 − 3,000 5,166 6,000 − 5,333 ⎥
⎢ 0,000 0,000 0,000 − 8,000 − 8,000 6,000 16,000 − 12,000⎥
⎢ ⎥
⎣⎢ 0,000 0,000 0,000 6,000 6,000 − 5,333 − 12,000 10,666 ⎦⎥
Avand matricea de inrudire A si A −1 ⋅ k a prezentam in continuare sistemul de ecuatii si
solutiile finale.
¾ matricea X are 15 linii corespunzatoare celor 6 vaci cu lactatiile aferente fiecarei
vaci si 14 coloane corespunzatoare celor 3 lactatii si celor 11 combinatii ferma-an
¾ Matricea Z are 15 linii corespunzatoare celor 6 vaci pe lactatie si 8 coloane
corespunzatoare celor 8 animale (6 vaci si 2 tauri)
¾ Matricea Y are 15 linii si o coloana si reprezinta cantitatea de grasime a celor 6 vaci
pentru fiecare lactatie in parte.
⎡1 0 0 1 0 0 0 0 0 0 0 0 0 0⎤
⎢0 1 0 0 1 0 0 0 0 0 0 0 0 0 ⎥
⎢ ⎥
⎢0 0 1 0 0 1 0 0 0 0 0 0 0 0 ⎥
⎢ ⎥
⎢1 0 0 0 0 0 0 0 0 1 0 0 0 0⎥
⎢0 1 0 0 0 0 0 0 0 0 1 0 0 0 ⎥
⎢ ⎥
⎢0 0 1 0 0 0 0 0 0 0 0 1 0 0 ⎥
⎢1 0 0 0 0 1 0 0 0 0 0 0 0 0⎥
⎢ ⎥
X = ⎢0 1 0 0 0 0 1 0 0 0 0 0 0 0 ⎥
⎢0 0 1 0 0 0 0 1 0 0 0 0 0 0 ⎥
⎢ ⎥
⎢1 0 0 0 0 0 0 0 0 0 0 1 0 0⎥
⎢ ⎥
⎢0 1 0 0 0 0 0 0 0 0 0 0 1 0 ⎥
⎢0 0 1 0 0 0 0 0 0 0 0 0 0 1 ⎥
⎢ ⎥
⎢1 0 0 0 0 0 0 1 0 0 0 0 0 0⎥
⎢0 1 0 0 0 0 0 0 1 0 0 0 0 0 ⎥
⎢ ⎥
⎢⎣1 0 0 0 0 0 0 0 0 0 0 0 0 1⎥⎦
 ⎡0 1 0 0 0 0 0 0⎤
⎢0 1 0 0 0 0 0 0⎥⎥
⎢
⎢0 1 0 0 0 0 0 0⎥
⎢ ⎥
⎢0 0 1 0 0 0 0 0⎥
⎢0 0 1 0 0 0 0 0⎥
⎢ ⎥
⎢0 0 1 0 0 0 0 0⎥
⎢0 0 0 1 0 0 0 0⎥
⎢ ⎥
Z = ⎢0 0 0 1 0 0 0 0⎥
⎢0 0 0 1 0 0 0 0⎥
⎢ ⎥
⎢0 0 0 0 0 1 0 0⎥
⎢ ⎥
⎢0 0 0 0 0 1 0 0⎥
⎢0 0 0 0 0 1 0 0⎥
⎢ ⎥
⎢0 0 0 0 0 0 1 0⎥
⎢0 0 0 0 0 0 1 0⎥
⎢ ⎥
⎣⎢0 0 0 0 0 0 0 1⎦⎥
⎡6 0 0 1 0 1 0 1 0 1 0 1 0 1⎤
⎢0 5 0 0 1 0 1 0 1 0 1 0 1 0⎥⎥
⎢
⎢0 0 4 0 0 1 0 1 0 0 0 1 0 1⎥
⎢ ⎥
⎢1 0 0 1 0 0 0 0 0 0 0 0 0 0⎥
⎢0 1 0 0 1 0 0 0 0 0 0 0 0 0⎥
⎢ ⎥
⎢1 0 1 0 0 1 0 0 0 0 0 0 0 0⎥
⎢0 1 0 0 0 0 1 0 0 0 0 0 0 0⎥
X"X = ⎢ ⎥
⎢1 0 1 0 0 0 0 1 0 0 0 0 0 0⎥
⎢0 1 0 0 0 0 0 0 1 0 0 0 0 0⎥
⎢ ⎥
⎢1 0 0 0 0 0 0 0 0 1 0 0 0 0⎥
⎢ ⎥
⎢0 1 0 0 0 0 0 0 0 0 1 0 0 0⎥
⎢1 0 1 0 0 0 0 0 0 0 0 1 0 0⎥
⎢ ⎥
⎢0 1 0 0 0 0 0 0 0 0 0 0 1 0⎥
⎢⎣1 0 0 0 0 0 0 0 0 0 0 0 0 1⎥⎦
 ⎡0 1 1 1 0 1 1 1⎤
⎢0 1 1 1 0 1 1 0⎥⎥
⎢
⎢0 1 1 1 0 1 0 0⎥
⎢ ⎥
⎢0 1 0 0 0 0 0 0⎥ ⎡0 0 0 0 0 0 0 0⎤
⎢0 1 0 0 0 0 0 0 ⎥ ⎢0 3 0 0 0 0 0 0⎥⎥
⎢ ⎥ ⎢
⎢0 1 0 1 0 0 0 0⎥ ⎢0 0 3 0 0 0 0 0⎥
⎢0 ⎢ ⎥
0 0 1 0 0 0 0⎥ 0 0 0 3 0 0 0 0⎥
X 'Z = ⎢ ⎥ ; Z'Z = ⎢
⎢0 0 0 1 0 0 1 0⎥ ⎢0 0 0 0 0 0 0 0⎥
⎢0 ⎢ ⎥
0 0 0 0 0 1 0⎥ ⎢0 0 0 0 0 3 0 0⎥
⎢ ⎥
⎢0 0 1 0 0 0 0 0⎥ ⎢0 0 0 0 0 0 2 0⎥
⎢ ⎥ ⎢ ⎥
⎢0 0 1 0 0 0 0 0⎥ ⎣⎢0 0 0 0 0 0 0 1⎦⎥
⎢0 0 1 0 0 0 0 0⎥
⎢ ⎥
⎢0 0 0 0 0 1 0 0⎥
⎢⎣0 0 0 0 0 1 0 1⎥⎦

⎡122⎤
⎢135⎥
⎢ ⎥
⎢153⎥
⎢ ⎥
⎢110⎥
⎢131⎥
⎢ ⎥
⎢147 ⎥
⎢123⎥
⎢ ⎥
Y = ⎢145⎥
⎢172⎥ ⎡737 ⎤
⎢ ⎥ ⎢722⎥
⎢121⎥ ⎢ ⎥
⎢ ⎥ ⎢642⎥
⎢139⎥ ⎢ ⎥
⎢170⎥ ⎢122 ⎥ ⎡ 0 ⎤
⎢ ⎥ ⎢135 ⎥ ⎢410⎥
⎢130⎥ ⎢ ⎥ ⎢ ⎥
⎢172⎥ ⎢276⎥ ⎢388⎥
⎢ ⎥ ⎢145 ⎥ ⎢ ⎥
⎢ 440⎥
⎣⎢131⎦⎥ X 'Y = ⎢ ⎥ Z 'Y =
⎢ 0 ⎥
⎢302⎥
⎢172 ⎥ ⎢ ⎥
⎢ ⎥ ⎢430⎥
⎢110 ⎥ ⎢302 ⎥
⎢ ⎥ ⎢ ⎥
⎢131⎥ ⎢⎣131 ⎥⎦
⎢269⎥
⎢ ⎥
⎢139 ⎥
⎢⎣ 301⎥⎦
 ⎡0 0 0 0 0 0 0 0 0 0 0 0 0 0⎤
⎢1 1 1 1 1 1 0 0 0 0 0 0 0 0⎥⎥
⎢
⎢1 1 1 0 0 0 0 0 0 1 1 1 0 0⎥
⎢ ⎥
1 1 1 00 1 1 1 0 0 0 0 0 0 0⎥
Z' X = ⎢
⎢0 0 0 0 0 0 0 0 0 0 0 0 0 0⎥
⎢ ⎥
⎢1 1 1 0 0 0 0 0 0 0 0 1 1 1⎥
⎢1 1 0 0 0 0 0 1 1 0 0 0 0 0⎥
⎢ ⎥
⎣⎢1 0 0 0 0 0 0 0 0 0 0 0 0 1⎦⎥
Inlocuind in sistemul initial:
⎡6 0 0 1 0 1 0 1 0 1 0 1 0 1 0 1 1 1 0 4 1 1 0 1 1 1 0 1 1 1 ⎤
⎢0 5 0 0 1 0 1 0 1 0 1 0 1 0 0 1 1 1 0 1 1 0 0 1 1 1 0 1 1 0 ⎥⎥
⎢
⎢0 0 4 0 0 1 0 1 0 0 0 1 0 1 0 1 1 1 0 1 0 0 0 1 1 1 0 1 0 0 ⎥
⎢ ⎥
⎢1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 ⎥
⎢0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 ⎥
⎢ ⎥
⎢1 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 ⎥
⎢0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 ⎥
⎢ ⎥
⎢1 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0 ⎥
⎢0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 ⎥
⎢ ⎥
⎢1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 ⎥
⎢ ⎥
⎢0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 ⎥
⎢1 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0 0 ⎥
⎢ ⎥
⎢0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 ⎥
⎢1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 ⎥
⎢ ⎥
⎢0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 + 2,5 0,62 0,62 − 1,25 0 − 1,25 0 0 0 0 0 0 0 0 0 0 ⎥
⎢1 1 1 1 1 1 0 0 0 0 0 0 0 0 0,62 3 + 1,87 0 − 1,25 0 0 0 0 0 3 0 0 0 0 0 0 ⎥
⎢ ⎥
⎢1 1 1 0 0 0 0 0 0 1 1 1 0 0 0,62 0 3 + 1,87 0 0 − 1.25 0 0 0 0 3 0 0 0 0 0 ⎥
⎢ ⎥
⎢1 1 1 0 0 1 1 1 0 0 0 0 0 0 − 1,25 − 1,25 0 3 + 6,5 4 −3 −8 6 0 0 0 3 0 0 0 0 ⎥
⎢0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 5,25 + 0 −3 −8 6 0 0 0 0 0 0 0 0 ⎥
⎢ ⎥
⎢1 1 1 0 0 1 1 1 0 0 0 0 0 0 − 1,25 0 − 1,25 −3 −3 3 + 5,16 6 − 5,33 0 0 0 0 0 3 0 0 ⎥
⎢1 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0 0 −8 −8 6 2 + 16 − 12 0 0 0 0 0 0 2 0 ⎥
⎢ ⎥
⎢1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 6 6 − 5,33 − 12 1 + 10,66 0 0 0 0 0 0 0 1 ⎥
⎢0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5+0 0 0 0 0 0 0 0 ⎥
⎢ ⎥
⎢1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 5+3 0 0 0 0 0 0 ⎥
⎢1 1 1 0 0 0 0 0 0 1 1 1 0 0 0 0 3 0 0 0 0 0 0 0 5+3 0 0 0 0 0 ⎥⎥
⎢
⎢1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 5+3 0 0 0 0 ⎥
⎢ ⎥
⎢0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5+0 0 0 0 ⎥
⎢1 1 1 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 3 0 0 0 0 0 0 0 5+3 0 0 ⎥
⎢ ⎥
⎢1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 5+2 0 ⎥
⎢1 5 + 1⎥⎦
⎣ 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 00 0 0 0 0 0 0
 ⎡ v1 ⎤ ⎡737 ⎤
⎢ v ⎥ ⎢722⎥
⎢ 2⎥ ⎢ ⎥
⎢ v3 ⎥ ⎢642⎥
⎢ ⎥ ⎢ ⎥
⎢ f 11 ⎥ ⎢122 ⎥
⎢ f 12 ⎥ ⎢135 ⎥
⎢ ⎥ ⎢ ⎥
⎢ f13 ⎥ ⎢276⎥
⎢ f ⎥ ⎢145 ⎥
⎢ 14 ⎥ ⎢ ⎥
⎢ f15 ⎥ ⎢302 ⎥
⎢ f ⎥ ⎢172 ⎥
⎢ 16 ⎥ ⎢ ⎥
⎢ f 22 ⎥ ⎢110 ⎥
⎢ ⎥ ⎢ ⎥
⎢ f 23 ⎥ ⎢131 ⎥
⎢ f 24 ⎥ ⎢ 268⎥
⎢ ⎥ ⎢ ⎥
⎢ f 25 ⎥ ⎢139 ⎥
⎢ f ⎥ ⎢ 301⎥
⎢ 26 ⎥ ⎢ ⎥
⎢ a1 ⎥ ⎢ 0 ⎥
⋅⎢ ⎥ = ⎢
a 410⎥
⎢ 2⎥ ⎢ ⎥
⎢ a3 ⎥ ⎢388⎥
⎢ ⎥ ⎢ ⎥
⎢ a 4 ⎥ ⎢440⎥
⎢ a5 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥
⎢ a 6 ⎥ ⎢430⎥
⎢ a 7 ⎥ ⎢302 ⎥
⎢ ⎥ ⎢ ⎥
⎢ a8 ⎥ ⎢131 ⎥
⎢p ⎥ ⎢ 0 ⎥
⎢ 1⎥ ⎢ ⎥
⎢ p 2 ⎥ ⎢410⎥
⎢ p ⎥ ⎢388⎥
⎢ 3⎥ ⎢ ⎥
⎢ p 4 ⎥ ⎢440⎥
⎢ ⎥ ⎢ ⎥
⎢ p5 ⎥ ⎢ 0 ⎥
⎢ p 6 ⎥ ⎢430⎥
⎢ ⎥ ⎢ ⎥
⎢ p 7 ⎥ ⎢302 ⎥
⎢ ⎥ ⎢ ⎥
⎣ p8 ⎦ ⎣131 ⎦
Solutiile obtinute pentru cele doua cazuri A si B
 Cazul A → B
r1 = 123,5137 → 115,3739
r2 = 143,8480 → 137,1861
r3 = 157,8862 → 153,4463
f 11 = −1,4017 → 5,5047
f 12 = −8,7360 → −3,3095
f 13 = −3,8615 → −3,7381
f 14 = −1,2829 → −5,7228
f 15 = 9,4999 → 5,9233
f 16 = 28,9876 → 27,0134
f 22 = −12,3184 → −5,4119
f 23 = −11,6527 → −6,2261
f 24 = −7,3358 → −7,2125
f 25 = −7,3150 → −11,7549
f 26 = 8,5576 → 4,9810
a1 = 1,9607 → 29,7101
a 2 = 0,0706 → 0,6872
a3 = −0,7242 → −0,1072
a 4 = 1,8166 → 14,1496
a5 = −0,8715 → 0,3617
a 6 = 1,7781 → 14,1112
a 7 = −0,3990 → 7,6174
a8 = 0,2356 → 8,2520
p 2 = −0,1825 → 0,4340
p3 = −0,4710 → 0,1456
p 4 = 0,6183 → −0,6149
p 6 = 0,6888 → −0,5444
p 7 = −0,4357 → 0,1808
p8 = −0,2178 → 0,3988

Relatia generala pentru predictia valorii de ameliorare, modificata pentru cazul modelului
animal cu repetabiliate si in functie de mediul in care s-au obtinut performantele este:
⎡ k a ⋅ d i (aˆ T + aˆ M ) ⎛ a e2 ⎞ ⎞⎤
(⎢ ijkm ∑
Y −
~
b − m ~
p )+ + ∑⎜
⎜ 0, 25 k d
a f 2 ⋅
⎛
⎜ ˆ
a
⎜ f − ⎟⎟ ⎟⎥
⎟
⎢⎣ 2 ⎝ ⎝ 2 ⎠ ⎠⎥⎦
aˆ ijkm = unde:
m + k a + ∑ 0,25k a d f
di, df- sunt egale cu 2; 4/3 sau 1, dupa cum individul analizat are doi, unul sau nici unul
din parinti cunoscuti
m- numarul de lactatii ale unei vaci
Relatia pentru predictia efectului de mediu permanent (general):
~
Y − ∑ b − maˆ ijkm
ˆpijkm = ijkm
m + kp

Se constata faptul ca efectul de mediu permanent se obtine eliminand din performanta

influenta efectelor fixe (efectele: numarul de ordine a lactatiei si combinatia ferma-an) si
efectul genetic aditiv.
Varianta A

Pentru a ilustra varianta A sau ales animalele 1 si 4. Introducand elementele necesare in

relatiile matematice prezentate pentru cele doua cazuri A si B se obtine pentru taurul 1:
⎡ ⎛ 0,070 ⎞ ⎛ ⎛ − 0,724 ⎞ ⎞⎤
⎢0,25 × 1,25 × 4⎜1,816 − ⎟ + ⎜⎜1,25⎜1,770 − ⎟ ⎟⎥
⎣ ⎝ 2 ⎠ ⎝ ⎝ 2 ⎠ ⎟⎠⎦
aˆ1 = = 1,96
1,25 + [(0,25 × 1,25 × 2 ) + (0,25 × 1,25 × 2 )]

aˆ 4 =
[(123 − 123,513 + 3,861) + (145 − 143,848 + 1,282) + (172 − 157,886 − 9,499) − 3(0,618)] +
3 + 1,25 + 0,25 × 1,25 × 2
1,25 × 2(1,960 + 0,070) ⎡ ⎛ − 0,8711 ⎞⎤
+ ⎢0,25 × 1,25 × 2 × 2⎜ − 0,399 − ⎟⎥
2 ⎣ ⎝ 2 ⎠⎦
+ = 1,817
3 + 1,25 + 0,25 × 1,25 × 2

Pentru prima componenta a valorii de ameliorare fiecare observatie se exprima ca abatere

standard de la efectele fixe incluse in model, de exemplu prima performanta se ajusteaza
fata de productia medie a vacilor care se afla la prima lactatie, fata de efectul combinatiei
ferma-an etc.

Varianta B

Considerand ca taurul 1 are o valoare de ameliorare cunoscuta dintr-o evaluare anterioara

(+30kg) se poate obtine in varianta B o reevaluare pe 47 de descendente (45 fiice din
testarea anterioara plus doua fiice din testarea curenta ). Daca numarul de descendenti ai
taurului este mare: aˆ i ≅ 2 sˆi
La termenul liber si la elementele diagonale corespunzatoare taurilor se adauga
urmatoarele cantitati:
[ ]
2(1 − R ) 4 + (n − 1)h 2 1
× aˆT =
2(1 − 0,5)[4 + (45 − 1)0,4] 1
× 30 = 225 si respectiv :
(
h 4−h
2
)2
2 0,4(4 − 0,4 ) 2
n(1 − R ) 45(1 − 0,5)
= = 6,25
4 − h2 4 − 0,4
In aceasta varianta se obtine pentru taurul 1 o alta valoare de ameliorare:
⎛ 0,687 ⎞ ⎛ − 0,107 ⎞
225 + 1,25⎜14,149 − ⎟ + 1,25⎜14,111 − ⎟
aˆ1 = ⎝ 2 ⎠ ⎝ 2 ⎠
= 29,710
6,25 + 1,25 + 2(0,25 × 1,25 × 2 )

Se poate spune ca taurul 1 evaluat anterior analizei curente pe un numar de 45 de fiice a

avut o valoare de ameliorare de +30kg iar dupa o reevaluare pe un de 47 fiice, s-a obtinut
o noua valoare de +29,71kg.
Valoarea de ameliorare a unui reproducator poate fi continuu recalculata pe masura ce noi
fiice intra in productie. Identificarea celor mai buni indivizi se poate face pe baza mediei
mai multor performante cunoscute si a informatiilor oferite de diferite categorii de rude.
Modelul este recomandat si in cazul ierarhizarii vacilor candidate mame de tauri. Alegerea
indivizilor la reproductie pe baza performantei maxime este un criteriu de selectie gresit
deoarece aceasta performanta a fost realizata in cel mai favorabil mediu special.
Metodologia BLUP asigura compararea indivizilor in timp (diferite lactatii realizate in ani
diferiti) si in spatiu (animale aflate in ferme diferite).