理解估计育种值，选择指数和精确性
估计育种值
动物的育种值是它的遗传价值，半数遗传给后代。虽然我没无法得知其精确的育种值，但是可以对于生产性能特征做出理想的预测。这些估测被称作为估计育种值。
估计育种值的绝对值并不关键，个体间估计育种值的差异更重要。特定个体的特定性状应以“高于或者低于平均育种值”的方式呈现。
估计育种值为饲养在不同环境和管理条件下的个体进行遗传优势比较提供了基础，估计育种值只在相同的算法下用于比较分析个体间差异。因此，和牛BREEDPLAN 估计育种值不可以有效的与其它品种的估计育种值比较。
一个建议的方法是首先基于估计育种值选择育种群，然后在此群体中选择以确保最终的选择是可接受的。
公布的估计育种值包括了一系列特征覆盖到繁殖力，产犊难易度，泌乳能力，生长能力，胴体品种和驯服能力等。当使用估计育种值辅助做选择决定时，在性状不同的组间作出平衡，并要突出对于特定群，市场及环境非常重要的性状特征。使用综合估计育种值的一个优点是避免极端性状和实现平衡选择。
怀孕长度估计育种值（时间）
200天生长估计育种值（千克）
乳用估计育种值（千克）
肌间脂肪估计育种值（%）用于预测300kg标准胴体重位于第12/13肋骨位置肌间脂肪（大理石花纹）的遗传差异。依赖于市场目标，正值越大越受欢迎。
选择指数
有用于澳洲和牛标准选择指数被称为和牛综合选择指数 。
和牛综合选择指数（$）在一个中等适度规模的纯种阉割牛生产场中，选取特定的的一个和牛商品群，估测每头牛净利润方面的个体间遗传差异的。阉割牛在425kg时进入育肥场，随后饲喂450天。在达到30月龄活重750kg（450kgHSCW）时候屠宰。一个显著的特点就是大理石花纹的分布。这是一个自我更新的群体，所以女儿仍然继续选育。
精确性（%）基于可获得个体的有效信息数量及其紧密相关性—特别是可分析后代数量。精确性也基于与其他记录特征的遗传特性和遗传相关性。所以准确性表明了估计育种值的可信度。精确性越高，说明个体有更多的与之相关的信息被分析，个体估计育种值改变的可能性越小。尽管低精确性的估计育种值可能在不久的将来会有所改变，但是这仍然是对于个体某种遗传价值的最好的预测方式。有效信息越多，估计育种值的价值越高，反之降低。
精确性值的范围是0—99%。下图给出了精确性的解释。
|
精确性范围
|
解释
|
|
低于50%
|
低精确性。估计育种值初级，随着更多有效信息的获得，此值不断的会改变
|
|
50—74%
|
中度精确性，通常基于个体自身的记录及系谱。
|
|
75—90%
|
中高度精确性。可以获得部分后代的信息。估计育种值随着后代数据的增加可能有所改变。
|
|
大于90%
|
高精确性。可以预测个体真实育种值。
|
通常，个体是通过估计育种值相互比较的，而不去考虑精确性。尽管如此，如果两个个体拥有相似的估计育种值，加设其他因素保持一致，那么拥有高精确性的个体可能是更安全的选择。
|
Percentile
Band
|
Gestation
Length
(days)
|
Birth
Wt.
(kg)
|
200
Day
Wt.
(kg)
|
400
Day
Wt.
(kg)
|
600
Day
Wt.
(kg)
|
Mat.
Cow
Wt.
(kg)
|
Milk
(kg)
|
Scrotal
Size
(cm)
|
Carcase
Wt.
(kg)
|
Eye
Muscle
Area
(sq.cm)
|
Rib
Fat
(mm)
|
Rump
Fat
(mm)
|
Retail
Beef
Yield
(%)
|
IMF
(%)
|
Fullblood
Feedlot
Index
|
|
Top Value
|
-3.0
|
-4.0
|
+30
|
+46
|
+64
|
+70
|
+12
|
+4.6
|
+36
|
+4.1
|
+2.8
|
+2.9
|
+1.4
|
+1.5
|
+82
|
|
Top 1%
|
-2.0
|
-2.7
|
+22
|
+37
|
+48
|
+53
|
+8
|
+2.9
|
+27
|
+2.9
|
+1.7
|
+1.8
|
+0.9
|
+1.0
|
+60
|
|
Top 5%
|
-1.4
|
-1.7
|
+18
|
+29
|
+40
|
+43
|
+6
|
+1.8
|
+23
|
+2.2
|
+1.2
|
+1.3
|
+0.6
|
+0.7
|
+47
|
|
Top 10%
|
-1.0
|
-1.1
|
+17
|
+26
|
+35
|
+37
|
+5
|
+1.3
|
+20
|
+1.7
|
+0.9
|
+1.1
|
+0.4
|
+0.5
|
+40
|
|
Top 15%
|
-0.8
|
-0.8
|
+15
|
+24
|
+31
|
+34
|
+5
|
+1.0
|
+18
|
+1.4
|
+0.8
|
+0.9
|
+0.3
|
+0.4
|
+36
|
|
Top 20%
|
-0.7
|
-0.4
|
+14
|
+22
|
+28
|
+30
|
+4
|
+0.8
|
+17
|
+1.2
|
+0.7
|
+0.8
|
+0.2
|
+0.3
|
+32
|
|
Top 25%
|
-0.5
|
-0.2
|
+13
|
+20
|
+26
|
+28
|
+4
|
+0.6
|
+16
|
+1.0
|
+0.6
|
+0.7
|
+0.2
|
+0.3
|
+29
|
|
Top 30%
|
-0.4
|
+0.1
|
+12
|
+19
|
+25
|
+26
|
+3
|
+0.5
|
+15
|
+0.8
|
+0.5
|
+0.6
|
+0.1
|
+0.2
|
+27
|
|
Top 35%
|
-0.3
|
+0.2
|
+11
|
+17
|
+23
|
+24
|
+3
|
+0.3
|
+14
|
+0.7
|
+0.4
|
+0.5
|
+0.0
|
+0.2
|
+25
|
|
Top 40%
|
-0.2
|
+0.4
|
+11
|
+16
|
+21
|
+22
|
+2
|
+0.2
|
+13
|
+0.6
|
+0.3
|
+0.4
|
+0.0
|
+0.1
|
+23
|
|
Top 45%
|
-0.1
|
+0.6
|
+10
|
+15
|
+20
|
+21
|
+2
|
+0.1
|
+12
|
+0.4
|
+0.3
|
+0.4
|
-0.1
|
+0.1
|
+21
|
|
Top 50%
|
+0.0
|
+0.8
|
+9
|
+14
|
+18
|
+19
|
+2
|
+0.0
|
+11
|
+0.3
|
+0.2
|
+0.3
|
-0.1
|
+0.1
|
+19
|
|
Top 55%
|
+0.1
|
+0.9
|
+8
|
+13
|
+17
|
+17
|
+1
|
-0.1
|
+10
|
+0.2
|
+0.2
|
+0.2
|
-0.2
|
+0.0
|
+17
|
|
Top 60%
|
+0.2
|
+1.1
|
+8
|
+11
|
+15
|
+15
|
+1
|
-0.2
|
+10
|
+0.1
|
+0.1
|
+0.2
|
-0.2
|
+0.0
|
+16
|
|
Top 65%
|
+0.2
|
+1.3
|
+7
|
+10
|
+13
|
+13
|
+0
|
-0.3
|
+9
|
+0.0
|
+0.0
|
+0.1
|
-0.3
|
+0.0
|
+14
|
|
Top 70%
|
+0.3
|
+1.4
|
+6
|
+9
|
+11
|
+11
|
+0
|
-0.3
|
+8
|
-0.1
|
-0.1
|
+0.0
|
-0.3
|
-0.1
|
+12
|
|
Top 75%
|
+0.5
|
+1.7
|
+6
|
+7
|
+10
|
+9
|
+0
|
-0.4
|
+7
|
-0.3
|
-0.1
|
-0.1
|
-0.4
|
-0.1
|
+10
|
|
Top 80%
|
+0.6
|
+2.0
|
+5
|
+6
|
+8
|
+7
|
-1
|
-0.5
|
+5
|
-0.4
|
-0.2
|
-0.2
|
-0.5
|
-0.2
|
+7
|
|
Top 85%
|
+0.8
|
+2.3
|
+4
|
+4
|
+5
|
+4
|
-1
|
-0.7
|
+4
|
-0.6
|
-0.3
|
-0.3
|
-0.6
|
-0.2
|
+4
|
|
Top 90%
|
+1.1
|
+2.7
|
+2
|
+2
|
+2
|
+0
|
-2
|
-0.8
|
+2
|
-0.8
|
-0.5
|
-0.5
|
-0.7
|
-0.3
|
+1
|
|
Top 95%
|
+1.5
|
+3.3
|
+0
|
-2
|
-3
|
-7
|
-3
|
-1.1
|
-1
|
-1.2
|
-0.6
|
-0.7
|
-0.9
|
-0.4
|
-5
|
|
Top 99%
|
+2.1
|
+4.3
|
-4
|
-10
|
-13
|
-17
|
-5
|
-1.6
|
-6
|
-1.8
|
-1.0
|
-1.2
|
-1.2
|
-0.6
|
-17
|
|
Low Value
|
+3.7
|
+5.9
|
-11
|
-20
|
-24
|
-28
|
-8
|
-3.0
|
-14
|
-2.8
|
-2.1
|
-2.3
|
-1.9
|
-0.9
|
-38
|
|
