Classificação multivariada de modelos de crescimento para grupos genéticos de ovinos de corte

Abstract

Objetivou-se com a realização deste trabalho, principalmente, utilizar a análise de agrupamento para classificar modelos de crescimento não-lineares tendo em vista os resultados de diferentes avaliadores de qualidade de ajuste ao considerar dados dos seguintes grupos genéticos de ovinos de corte: Dorper x Morada Nova, Dorper x Rabo Largo e Dorper x Santa Inês. Após a indicação do modelo comum adequado aos três grupos, objetivou-se aplicar o teste de identidade de modelos para identificar o grupo genético com maior eficiência de crescimento. Foram realizados ajustes individuais para cada animal, consideraram-se 12 modelos não-lineares, cuja qualidade de ajuste foi medida pelo coeficiente de determinação ajustado, critério de informação de Akaike, critério de informação Bayesiano, erro quadrático médio de predição, coeficiente de determinação de predição e percentual de convergência. A análise de agrupamento permitiu indicar o modelo von Bertalanffy como o mais adequado para descrever as curvas de crescimento dos três grupos genéticos considerados. De acordo com testes de identidade de modelos, o grupo genético Dorper x Santa Inês foi o que apresentou maior peso adulto, portanto, este, o mais recomendado para exploração de carne.

The main objective of this work was to use the cluster analysis in order to classify nonlinear growth models in relation to different quality fit evaluators when data from the following lambs genetic groups were utilized: Dorper x Morada Nova, Dorper x Rabo Largo e Dorper x Santa Inês. After the choice of the best model, it was also aimed to apply the identity model test in order to identify the most efficient genetic group. The proposed methodology was applied to data of all animals from each group regarding twelve nonlinear models, whose fit quality was measured by determination coefficient, Akaike information criterion, Bayesian information criterion, mean quadratic error of prediction, predicted determination coefficient and convergence percentual. The cluster analysis indicated the von Bertalanffy as the best model for the three data sets. The model identity tests revealed that the Dorper x Santa Inês group presented higher adult weight, therefore this group is recommend for meat production.