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

Приложение N 1
к Методике оценки племенной
ценности крупного
рогатого скота мясного
направления продуктивности

Расчет племенной ценности крупного рогатого скота мясного направления продуктивности на основе метода BLUP AM

1. Племенная ценность (EBV) крупного рогатого скота мясного направления продуктивности определяется по живой массе при рождении, на 205-й день, на 365-й день, по легкости отела, молочности и рассчитывается на основе метода BLUP AM.

2. Расчет комплексных селекционных индексов племенной ценности крупного рогатого скота мясного 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 крупного рогатого скота мясного 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.