Análise de agrupamento na seleção de modelos de regressão não-lineares para curvas de crescimento de ovinos cruzadosCluster analysis applied to nonlinear regression models selection to growth curves of crossed lambs

In the present study, alternative and traditional nonlinear models to describe growth curves of Morada Nova sheep reared in the state of Bahia, Brazil, were applied. The nonlinear models were: Schnute, Mitscherlich, Gompertz, Logistic, Meloun I Meloun II, III Meloun, Gamito and Meloun IV. The model adjustment was evaluated by using: Adjusted Coefficient of Determination (R 2 aj), Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), Mean Squared Error of Prediction (MEP) and Coefficient of Determination of Prediction (R 2 p). The selection of the best model was based on cluster analysis, using the evaluators as variables. Six out of the nine tested models converged, while Meloun I and Meloun IV were equally effective in explaining animal growth, without significant influence of sex or type of parturition over the curve parameters. The models Meloun I and IV have the best adjustment and reveal a remarkable reduction of weight gain after 150 days of age, which indicates special attention should be given to feeding at this stage.

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, objetivouse aplicar o teste de identidade de modelos para identificar o grupo genético com maior eficiência de crescimento. Foram realizados ajustes individuais para cada animal, consideraramse 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.

RESUMOUtilizou-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. Ajustaramse 12 modelos não lineares. A qualidade de ajuste dos modelos foi medida pelo coeficiente de determinação (R 2 ), quadrado médio do erro (QME), critério

Número ótimo de componentes nos quadrados mínimos parciais aplicados à seleção genômica para pH da carne suína