COMPARAÇÃO ENTRE ABORDAGENS UNIVARIADAS E MULTIVARIADA PARA DADOS ORDINAIS
Amostragem Hamiltoniana; Dados Categorizados Ordinais; Inferência Bayesiana; MCCM;
Este trabalho investiga a modelagem bayesiana multivariada de dados ordinais, com foco na avaliação da estrutura de correlação entre características e na comparação com abordagens univariadas. Além disso, propõe a implementação automática desses modelos utilizando a função brms() do pacote RStan no R, visando maior eficiência computacional em aplicações de genética e melhoramento de plantas. Para ilustrar a metodologia proposta, foram simulados conjuntos de dados ordinais a partir de variáveis contínuas com efeitos genéticos gerados de distribuições gaussianas. Foram consideradas quatro variáveis resposta com quatro categorias ordinais, definidas por limiares da distribuição Normal Padrão, além de diferentes estruturas de correlação genética e ambiental, totalizando 12 cenários distintos. As simulações envolveram 50 genótipos em delineamento em blocos completos casualizados com quatro repetições. As análises foram conduzidas no software R utilizando os pacotes clmm() e brms(). O objetivo deste trabalho foi comparar a análise multivariada bayesiana com análises univariadas a fim de identificar situações em que cada uma delas seria preferível. Dessa maneira, de acordo com o que foi apresentado foi possível concluir que a vantagem do modelo multivariado reside na sua capacidade de incorporar estruturas de dependência. Por outro lado, quando essas correlações são nulas os modelos univariados parecem apresentar eficiência superior.