Efeito da autocorrelação residual na avaliação genética de cabras para a produção de leite e para o formato da curva de lactação

Abstract

RESUMOAvaliou-se o efeito da autocorrelação residual sobre a qualidade das estimativas dos parâmetros genéticos para produção total de leite (PL) e para os coeficientes a, b e c do modelo de Wood e, consequentemente, sobre a classificação dos animais para estas características. O modelo de Wood foi ajustado às lactações de cabras considerando-se três situações de estrutura residual: (EI) − erros independentes, (AR1) − erros autorregressivos de primeira ordem e (EI -AR1) − erros AR1 somente para as lactações que apresentaram autocorrelação residual significativa e EI para as demais. As estimativas dos coeficientes a, b e c e PL foram utilizadas como variáveis dependentes em um modelo animal multicaracterístico, o qual incluiu os efeitos aleatórios de animal e de ambiente permanente e os efeitos fixos de grupo contemporâneo, número de crias por parto, grupos genéticos e ordem de parto, além das covariáveis duração da lactação e a idade da cabra ao parto. As diferentes estruturas residuais afetaram as estimativas dos parâmetros genéticos e as classificações dos animais para as características estudadas. Portanto, a seleção dos animais pode ser modificada pela presença da autocorrelação residual, sendo a estrutura EI-AR1 uma alternativa para contornar este problema.Palavras-chave: herdabilidade, modelo animal, repetibilidade, resíduos autorregressivos ABSTRACT The objective of this study was to evaluate the residual autocorrelation effect on the estimates of genetic parameters for total milk yield (MY) and the coefficients a, b and c of Wood's model and, consequently, the animal's classification for these traits. Wood's model was fitted to the lactation of goats considering three cases of residual structure: (IE) -independent errors, (AR1) -first order autoregressive errors, and (IE -AR1) -AR1 errors only for lactations that had significant residual autocorrelation and IE for others. Estimates of the coefficients a, b and c and PL were used as dependent variables in a multivariate