Efeito da somatotropina bovina recombinante (rbST) na produção in vivo e na maturação in vitro de oócitos bovinos da raça Sindi

RESUMO A fim de avaliar o efeito de diferentes doses da rbST sobre a dinâmica folicular, a produção e a maturação in vitro de oócitos, 20 vacas Sindi, divididas em três grupos, receberam um dispositivo de progesterona intravaginal, estradiol e PGF2α, além de 2mL de solução salina (grupo controle), 250 (grupo rbST 250) ou 500mg de rbST (grupo rbST 500). Cinco dias depois, realizou-se a ovum pick up, e os complexos cumulus-oócitos (CCOs) recuperados foram selecionados, classificados e maturados in vitro. Os dados de contagem foram comparados pelo procedimento glht (General Linear Hypothesis Test), e os dados em porcentagem foram submetidos ao qui-quadrado, no programa estatístico R, onde as diferenças foram consideradas significativas quando P<0,05. Não houve diferença (P>0,05) entre os grupos quanto à quantidade de folículos e à taxa de maturação. Os grupos rbST 250 e rbST 500 foram significativamente superiores (P<0,05) ao grupo controle em relação ao número de folículos grandes (0,42±0,20 vs. 0). O grupo rbST 500 apresentou maior (P<0,05) porcentagem de oócitos viáveis (91,52%) do que os grupos controle (67,85%) e rbST 250 (53,33%). A rbST aumenta o número de folículos grandes, e 500mg de rbST aumentam a porcentagem de oócitos viáveis em vacas Sindi.

A Discourse on Modified Likelihood Ratio (LR), Wald and Lagrange Multipliers (LM) Tests for Testing General Linear Hypothesis in Stochastic Linear Regression Model

In this research paper various new advanced inferential tools namely modified likelihood ratio (LR), Ward and Lagrange Multiplier test statistics have been proposed for testing general linear hypothesis in stochastic linear regression model. In this process internally studentized residuals have been used. This research study has brought out some new advance tools for analysing inferential aspects of stochastic linear regression models by using internally studentized residuals. Miguel Fonseca et.al [1] developed statistical inference in linear models dealing with the theory of maximum likelihood estimates and likelihood ratio tests under some linear inequality restrictions on the regression coefficients. Tim Coelli [2] used Monte carlo experimentation to investigate the finite sample properties of maximum likelihood (ML) and correct ordinary least squares (COLS) estimators of the half –normal stochastic frontier production function. In 2011, p. Bala siddamuni et.al [3] have developed advanced tools for mathematical and stochastic modelling.

A Treatise on Testing General Linear Hypothesis in Stochastic Linear Regression Model

The main objective of this research article is to propose test statistics for testing general linear hypothesis about parameters in stochastics linear regression model using studentized residuals, RLS estimates and unrestricted internally studentized residuals. In 1998, M. Celia Rodriguez -Campos et.al [1] introduced a new test statistics to test the hypothesis of a generalized linear model in a regression context with random design. Li Cai et.al [2] provide a new test statistic for testing linear hypothesis in an OLS regression model that not assume homoscedasticity. P. Balasiddamuni et.al [3] proposed some advanced tools for mathematical and stochastical modelling.