Descrição do crescimento de ovinos Santa Inês utilizando modelos não-lineares selecionados por análise multivariada

AUTOR(ES)

TEIXEIRA NETO, Milton Rezende, CRUZ, Jurandir Ferreira da, FARIA, Helder Henrique Neves, SOUZA, Emanuely Santos, CARNEIRO, Paulo Luiz Souza, MALHADO, Carlos Henrique Mendes

FONTE

Rev. bras. saúde prod. anim.

DATA DE PUBLICAÇÃO

2016-04

RESUMO

RESUMO O objetivo deste estudo foi descrever o crescimento de ovinos Santa Inês utilizando modelos não-lineares selecionados por análise multivariada. Dezessete modelos não-lineares foram utilizados para descrever o crescimento de cordeiros do nascimento aos 210 dias de idade. Os modelos foram classificados por meio de análise multivariada utilizando o coeficiente de determinação ajustado, critério de informação de Akaike, critério de informação Bayesiano, erro quadrático médio de predição, coeficiente de determinação de predição, desvio médio absoluto dos resíduos e percentual de convergência como avaliadores da qualidade do ajuste. Os modelos Richards, Reynolds e Weibull não convergiram e os modelos Schnute, Meloun II, IV e VI, Gamito, Michaelis Menten e Michaelis Menten Modificado não apresentaram padrão de crescimento tradicional. Os modelos Mitscherlich, Gompertz, Logístico, Meloun I, III e V, Brody e Von Bertalanffy convergiram e foram utilizados na análise de agrupamento. Dentre os quatroclusters formados, o primeiro, composto pelos modelos Mitscherlich, Meloun I e Brody, apresentou os melhores valores para os critério de informação de Akaike e bayesiano. Os parâmetros da curva foram influenciados pelo sexo e o tipo de parto (P<0,05) e o ponto inflexão ocorreu aos 94 dias de idade. Os modelos Mitscherlich, Meloun I e Brody são adequados e equivalentes para descrição do crescimento de ovinos Santa Inês.

ASSUNTO(S)

análise de agrupamento cordeiro curva de crescimento ponto de inflexão taxa de crescimento

Documentos Relacionados

• Análise de agrupamento na seleção de modelos de regressão não-lineares para curvas de crescimento de ovinos cruzados
• Modelos não-lineares para analise de dados longitudinais
• Modelos de crescimento não-lineares para girinos de rã-touro
• Ajuste de modelos estocásticos lineares e não-lineares para a descrição do perfil longitudinal de árvores
• Otimização dinâmica em tempo real utilizando modelos não-lineares simplificados