Abstract
Objetivou-se utilizar modelos de regressão não linear para avaliar a curva de crescimento de cordeiros. Para isso, foram utilizados dados referentes ao peso e idade de 70 cordeiros mestiços Dorper x Santa Inês nascidos entre os anos de 2016 a 2019. O sistema de produção era intensivo e semi-confinado. Os dados dos animais foram ajustados por meio dos modelos não lineares Brody, Von Bertalanffy, logístico e Gompertz. Para comparar o ajuste dos modelos foram utilizados os avaliadores de qualidade do ajuste: quadrado médio do erro (QME), coeficiente de determinação (R2) e porcentagem de convergência (%conv). As curvas de crescimento foram feitas por ajustes individuais. Todas as análises foram realizadas utilizando o software RStudio, versão R 4.1.2. O modelo Logístico foi o que melhor estimou o parâmetro a (peso adulto) com 48,09 kg, enquanto os demais superestimaram a realidade biológica do parâmetro. Da mesma forma, apresentou o maior valor referente ao parâmetro k (taxa de maturidade) com 0,0219. Todos os modelos obtiveram coeficiente de determinação (R²) superior a 96%. O modelo de Von Bertalanffy apresentou o menor QME (1,61), seguido de Gompetz (2,27), Logístico (2,76) e Brody (3,36). O modelo Logístico obteve a maior percentagem de convergência de dados (87,14%), seguido de Gompertz (71,43%), Von Bertalanffy (35,71%) e Brody (10%). Portanto, o modelo logístico apresentou o melhor ajuste perante os demais com R² adequado, baixo QME, alta porcentagem de convergência e valor assintótico adequado, não tendendo a superestimar o peso adulto.
Publisher
Universidade Federal de Minas Gerais - Pro-Reitoria de Pesquisa
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference12 articles.
1. Farhadian, M.; Rafat, S. A.; David, I. 2022. Determination of the best non-linear funcion and genetic parameters on early growth in Romane lambs. Journal of Science and Technologies, 10:1-9. doi: https://doi.org/10.22103/JLST.2022.16350.1327
2. Farrell, L. J.; Kenyon, P. R.; Tozer, P. R.; Ramilan, T.; Cranston, L. M. 2020. Quantifying sheep enterprise profitability with varying flock replacement rates, lambing rates, and breeding strategies in New Zealand. Agricultural Systems, 184:1-11. doi: https://doi.org/10.1016/j.agsy.2020.102888
3. Hossein-Zedh, N. G. 2015. Modeling the growth curve of Iranian Shall sheep using non-linear growth models. Small Ruminant Research, 130:60-66. doi: https://doi.org/10.1016/j.smallrumres.2015.07.014
4. Kucukonder, H.; Demirarelan, P. C.; Alkan, S.; Ozgur, B. B. 2020. Curve fitting with nonlinear regression and grey prediction model of broiler growth in chickens. Pakistan Journal of Zoology, 52:347-357. doi: https://doi.org/10.17582/journal.pjz/2020.52.1.347.354
5. National Research Council - NRC. 2007. Nutrient requirements of small ruminants. Washington, D. C.: National Academy Press., 362 p.