Uma aplicação do algoritmo Langevin-Hastings em Genética Quantitativa.

Métodos de Monte Carlo em Cadeias de Markov (MCMC) são indispensáveis em genética quantitativa, para inferência de modelos nos quais os componentes genéticos são de efeito aleatório, ou estruturados com heterogeneidade de variâncias. Um desafio na implementação desses métodos é realizar eficientes atualizações de vetores genéticos com tais características, além da alta dimensionalidade. O procedimento Langevin-Hastings é uma opção para o passeio aleatório do algoritmo Metropolis-Hastings, cuja proposta é acelerar a velocidade de convergência do método Metropolis-Hastings. Neste trabalho o algoritmo Langevin-Hastings é apresentado como alternativa para a estimação de parâmetros em modelos genéticos de alta dimensão, estruturados com heterogeneidade de variâncias. Serão apresentados os resultados da aplicação em ninhadas de caracóis, suínos, coelhos.