Modelos de regressão aleatória para descrição da curva de crescimento de codornas de corte

AUTOR(ES)

Bonafé, C.M., Torres, R.A., Sarmento, J.L.R., Silva, L.P., Ribeiro, J.C., Teixeira, R.B., Silva, F.G., Sousa, M.F.

FONTE

Revista Brasileira de Zootecnia

DATA DE PUBLICAÇÃO

2011-04

RESUMO

Objetivou-se com este trabalho comparar diferentes modelos de regressão aleatória, ajustados por meio de funções polinomiais de Legendre de diferentes ordens, para avaliar o que melhor se ajusta ao estudo genético da curva de crescimento de codornas de corte. Os dados utilizados são provenientes de 26.835 e 27.447 observações, de 3.909 e 4.040 codornas de corte das linhagens UFV-1 e UFV-2. O peso corporal nas duas linhagens foi avaliado aos 1, 7, 14, 21, 28, 35 e 42 dias de idade. Ordens de ajuste das funções contínuas foram gradualmente aumentadas (ordens variando de 3 a 6) para determinação da ordem mínima necessária para descrever as estruturas de covariância em função do tempo nos modelos de regressão aleatória. A função polinomial de Legendre com as ordens 6 para efeito genético aditivo direto e 5 para efeito permanente de animal, para a linhagem UFV-1, e 6 para ambos efeitos aleatórios, para a linhagem UFV-2, deve ser utilizada na avaliação genética da curva de crescimento de codornas de corte em estudo. As herdabilidades estimadas indicam que ganhos genéticos podem ser obtidos como resposta à seleção para peso corporal nas duas linhagens.

ASSUNTO(S)

componente de variância herdabilidade polinômio de legendre

Documentos Relacionados

• Heterogeneidade de variância residual em modelos de regressão aleatória na descrição do crescimento de codornas de corte
• Modelos de regressão aleatória para avaliação da curva de crescimento em matrizes de codorna de corte
• Estimativas da trajetória genética do crescimento de codornas de corte utilizando modelos de regressão aleatória
• Modelos de regressão aleatória na seleção de codornas de corte para produção de ovos
• Modelagem da curva média de crescimento de ovinos Santa Inês em modelos de regressão aleatória