Funções splines para estudo de curvas de crescimento em ovinos cruzados

Abstract

Os objetivos deste trabalho foram utilizar a regressão spline para descrever curvas de crescimento em ovinos cruzados, comparar a qualidade de ajuste da regressão spline com modelos não-lineares usuais e aplicar teste para identidade de modelos para verificar se há diferença entre os parâmetros dos modelos de curvas de crescimento ajustadas para três grupos genéticos. Foram utilizadas, nesse trabalho, informações de pesagens de animais dos seguintes grupos genéticos de ovinos de corte: Dorper x Morada Nova (DMN), Dorper x Rabo Largo (DRL), Dorper x Santa Inês (DSI). Foram ajustadas curvas de crescimento através dos modelos não-lineares von Bertalanffy, Richards e Brody e das funções splines linear-linear, linear-platô e linear-linear-linear para cada grupo genético. As splines e os modelos não-lineares foram comparados através dos seguintes avaliadores da qualidade de ajuste: AIC (critério de informação de Akaike), BIC (critério de informação bayesiano), Coeficiente de determinação ajustado (Raj 2). As splines apresentaram melhor ajuste do que os modelos não- lineares, sendo a linear-platô a mais indicada para descrever a relação de peso-idade dos ovinos em estudo. De acordo com testes de identidade de modelos, o grupo genético DSI foi o que apresentou maior precocidade e maior ganho de peso diário, sendo indicado para produção de carne.

This study aims to describe growth curves in crossed sheeps through spline regression, to compare the goodness of the spline regression adjustment using usual non-linear models and, then, to apply a test for identity of models in order to verify if the curves of the groups presented differences. It was used, in this work, animals weighings informations from the followings cutting sheeps genetical groups: Dorper x Morada Nova (DMN), Dorper x Rabo Largo (DRL), Dorper x Santa Inês (DSI). It was adjusted growth curves through von Bertalanffy, Richards and Brody nonlinear models; and through linear-linear, linear-plateau and linear-linear-linear spline functions for each genetical group. The spline functions and the nonlinear models were compared by the following quality of fit evaluators: AIC (Akaike Information Criterion), BIC (Bayesian Information Criterion), Adjusted Determination Coeffi cient (R2 aj). The spline functions presented better adjustment than the non-linear models, and the linear-plateau was the best one to describe the weight-age relation of the sheeps studied. According to tests of models identity, the genetical group DSI presented greater precocity and higher daily weight gain; then, this group was the most suitable for meat production.