Seleção e classificação multivariada de modelos de crescimento não lineares para bovinos Nelore

Abstract

Utilizou-se análise de agrupamento para classificar e selecionar modelos não lineares de crescimento de bovinos Nelore, tendo em vista os resultados de diferentes avaliadores de qualidade de ajuste. Ajustaram-se 12 modelos não lineares. A qualidade de ajuste dos modelos foi medida pelo coeficiente de determinação (R2), quadrado médio do erro (QME), critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC), erro quadrático médio de predição (MEP) e coeficiente de determinação de predição (R2p). O modelo Brody foi o que apresentou o melhor ajuste para o conjunto de dados.

This study aimed to evaluate cluster analysis in classifying and selecting non linear models to describe Nelore beef cattle growth based on different goodness of fit criteria tests. A total of 12 non linear models were evaluated based on the following criteria: the determination coefficient (R2), error mean square (QME), Akaike information criterion (AIC), Bayesian information criterion (BIC), mean quadratic error of prediction (MEP) and predicted determination coefficient (R2p). The Brody model showed the best adjustment for the data set.