Hayvancılıkta tekrarlanan ölçümlerde Bayesian yöntemi ile farklı kovaryans yapılarının modellenmesi

Tekrarlanan ölçüm analizleri, Zootekni araştırmalarında yaygın olarak kullanılan bir tasarımdır. Standart regresyon ve varyans analiz metotları tekrarlanan ölçümler için uygun varsayımları karşılamamaktadırlar. Bu verilerin analizi için uygulanacak model ve yöntemler aynı birimden elde edilen gözlemler arasındaki ilişkiyi tanımlamak zorundadırlar. Bu sebepten ve korelasyon yapılarından dolayı, tekrarlanan ölçümlü verileri özel istatistiksel modellerle temsil etmeye ve bunların tamamlayıcı analiz yöntemlerine gereksinim vardır. Karışık modeller, tekrarlanan ölçüm verileri için kovaryans yapılarının modellenmesinde daha fazla esneklik sağlar ve birimlerin zamana bağlı korelasyonlarını yeterince açıklar. Bayes Monte Carlo yöntemleri, Maksimum Olabilirlik (ML) gibi diğer istatistiksel yöntemlere göre daha etkili bir alternatif sunar. Modelleri karşılaştırmak için, verilerin modele uyumu ve modelin karmaşıklığı arasındaki ilişkiye dayalı sapma bilgi kriteri (DIC) ölçütü önerilmektedir. MCMC yöntemi ile elde edilmiş modellerin sonsal dağılımlarını kullanan bu ölçüt Bayesci model seçimlerinde kullanışlı olup birçok çalışmada kullanılmıştır. Uygun istatistik tahmin yöntemleri kullanarak canlı ağırlık, büyüme parametreleri gibi biyolojik verilerde geçerliliği yüksek tahminler yapmak büyük önem taşımaktadır. Bu doğrultuda literatür incelemeleri sonucunda belirlenmiş olan tez çalışmasının amacı; zootekni alanında tekrarlı ölçüm analizlerin Bayes analiz yöntemleri kullanılarak farklı kovaryans yapılarının modellenerek çözümlerini elde etmek ve canlı ağırlık veri seti kullanarak uygulanabilirliğini göstermektir. Bu amaçla, önsel bilgi içermeyen ve önsel bilgi içeren farklı kovaryans yapılarını modelleyerek, kuzulara ait canlı ağırlık verileri için en uygun modelin seçimi ölçü kriteri DIC ile yapılmış ve sonuçları yorumlanmıştır.