Modelos mistos multivariados, utilizados em genética quantitativa, são difíceis de serem implementados e normalmente, no caso de várias características medidas em um indivíduo, as análises multivariadas para estimar componentes genéticos são limitadas a algumas poucas características, pois essas estimativas exigem matrizes de covariâncias de grandes dimensões.Considerando estas complexidades, a presente pesquisa buscou estimar parâmetros genéticos para área de olho de lombo (AOL) e espessura de gordura subcutânea e suas correlações com características de crescimento em bovinos, utilizando equações estruturais, no intuito de diminuir o número de parâmetros estimados no modelo. Além disso, desenvolveu-se um algoritmo para estimar esses parâmetros, em uma linguagem de domínio público. Essas abordagens diminuíram a “complexidade” do modelo misto multivariado, despadronizando-o, sem perder informações importantes dos dados. O projeto contou com a participação da Embrapa Pecuária Sul, Universidade Estadual Paulista - Campus Jaboticabal, University of Alabama at Birmingham, Birmingham, AL, USA, e a University de Wisconsin, Madison.