Об утверждении методик оценки племенной ценности сельскохозяйственных животных в государствах - членах Евразийского экономического союза (с изменениями на 22 августа 2023 года)

Приложение N 2
к Методике оценки племенной
ценности крупного
рогатого скота молочного
направления продуктивности

Расчет племенной ценности коров и быков молочного направления продуктивности на основе метода BLUP AM

1. Племенная ценность (EBV) коров и быков по молочной продуктивности рассчитывается на основе метода BLUP AM.

2. Расчет комплексных селекционных индексов племенной ценности коров и быков молочного направления продуктивности на основе метода BLUP AM состоит из следующих этапов:

а) разработка оптимальных статистических моделей, значимо описывающих развитие селекционируемых признаков в оцениваемой популяции;

б) расчет селекционно-генетических параметров оцениваемой популяции по оптимальным статистическим моделям (наследуемость, изменчивость (вариансы));

в) расчет прогнозных значений племенной ценности (EBV) на основе метода BLUP AM, надежности (точности) прогноза (REL, ) и стандартизация прогнозных значений племенной ценности;

г) разработка комплексных селекционных индексов племенной ценности коров и быков молочного направления продуктивности на основе теории селекционного индекса и их расчет.

3. Для разработки статистических моделей развития селекционируемых признаков в популяции используются модели смешанного типа:

     ,

где:

- показатель признака j-го животного в i-x условиях среды;

- эффекты условий среды (фиксированные);

- аддитивный генетический эффект j-го животного в i-x условиях среды (племенная ценность, EBV) (рандомизированный);

- эффект не учтенных в модели факторов (рандомизированный).

Для выбора оптимальной статистической модели используются информационный критерий Акаике (AIC) и Байесовский информационный критерий (BIC).

При использовании информационного критерия Акаике (AIC) выбирается модель, минимизирующая значение статистики:

     ,

где:

- остаточная сумма квадратов, деленная на количество наблюдений;

- число наблюдений;

- число оцененных параметров модели.

Байесовский информационный критерий (BIC) рассчитывается по формуле:

     ,

Лучшая статистическая модель соответствует минимальному значению критерия.