Hyppää sisältöön

Jalostusindeksit (BLUP)

Indeksi on yksi jalostusvalinnan työkalu, jota voidaan käyttää apuna sekä käytännön kasvatustyössä että jalostushevosten valinnassa. Jalostusindeksi lasketaan Suomessa suomenhevosille ja lämminverisille ravihevosille ravikilpailutulosten perusteella. Indeksi kuvaa hevosten perinnöllistä tasoa.

BLUP-indeksi tulee sanoista Best Linear Unbiased Prediction eli paras lineaarinen harhaton ennuste. Indeksi tarkoittaa siis käytännössä parasta ennustetta hevosen perinnöllisestä tasosta. Ravihevosten jalostusarvostelussa käytettävät indeksit lasketaan eläin-malli-BLUP -menetelmällä. BLUP-menetelmä mahdollistaa tärkeimpien kilpailutuloksiin vaikuttavien ympäristötekijöiden, esim. kilpailupaikka-startti -vaikutus, hevosen ikä, ohjastaja-ryhmän ja lähtöradan huomioon ottamisen arvosteluissa. Tällöin ensisijaisena vertailuryhmänä ovat kaikki ne hevoset, jotka osallistuvat samaan lähtöön. Kun ympäristötekijät otetaan huomioon laskennassa, saadaan esille hevosen perinnöllinen taso.

Hevosten indeksit muodostuvat kolmesta osasta: suvusta eli hevosen vanhempien ja esivanhempien perinnöllisestä tasosta, hevosen omista tuloksista ja sen jälkeläisten tuloksista. Mikäli hevosella ei ole omia tuloksia eikä jälkeläisiä, indeksi on sama kuin sen vanhempien indeksien keskiarvo. Kun hevoselle kertyy omia tuloksia ja jälkeläisille tuloksia, indeksi voi niiden tulosten perusteella nousta tai laskea sukuindeksin tasosta.

Indekseistä on esitetty kokonaisindeksi, joka koostuu osa-indekseistä seuraavin painotuksin: 40 % aikaero, 25 % voittosumma, 25 % starttiintulo ja 10 % vuoden paras aika. Heila-jalostusjärjestelmä näyttää yksilöiden kokonaisindeksien lisäksi osaindeksit.

Kokonaisindeksin vieressä on ilmoitettu arvosteluvarmuus. Koska indeksi on aina ennuste hevosen jalostusarvosta, arvosteluvarmuus kuvaa, kuinka luotettavasti ennuste kuvaa hevosen todellista jalostus-arvoa. Korkein mahdollinen arvosteluvarmuus on 1 eli 100 %. Arvosteluvarmuuteen vaikuttaa merkittävästi hevosen omien sekä jälkeläisten tulosten lukumäärä. Mitä enemmän tuloksia on käytettävissä, sitä suurempi on arvosteluvarmuus.