Um novo modelo não linear para descrever curvas de crescimento de ovinos

Autores/as

  • André Luiz Pinto dos Santos Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-7703-2102
  • Jucarlos Rufino de Freitas Universidade Federal Rural de Pernambuco
  • Eucymara França Nunes Santos Universidade Federal Rural de Pernambuco
  • Frank Sinatra Gomes da Silva Universidade Federal Rural de Pernambuco
  • Cicero Carlos Ramos de Brito Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-3699-5156
  • Moacyr Cunha Filho Universidade Federal Rural de Pernambuco
  • Guilherme Rocha Moreira Universidade Federal Rural de Pernambuco https://orcid.org/0000-0001-6344-1151

Palabras clave:

Produção Animal, Seleção de Modelos, Taxa de Crescimento

Resumen

Neste trabalho, o objetivo foi propor um novo modelo a partir do método proposto por Santos et al. (2018), compará-lo com os modelos não lineares clássicos seguintes, Logístico, Von Bertalanffy, e Gompertz e selecionar o modelo mais adequado ao ajuste das curvas de crescimento em dados de cordeiro da raça Ile de France ao longo dos dias. Para isso, foram utilizados 31 indivíduos em nove momentos distintos, a saber: 0, 15, 30, 45, 60, 75, 90, 105 e 120 dias. Os parâmetros dos modelos foram estimados pelo método iterativo Gauss-Newton, utilizando-se o procedimento nls do programa computacional R. Os parâmetros estimados foram α (valor assintótico), β e γ (constantes de integração), m responsável pela forma e determinação do ponto de inflexão da curva e k (taxa de maturação). O desvio médio absoluto (DMA) e o quadrado médio do resíduo (QMR), foram utilizados como critérios para a escolha dos modelos que melhor se ajustaram aos dados. Os resultados mostram que o novo modelo é competitivo com os modelos clássicos para descrever as curvas de crescimento dos ovinos da raça Ile de France, por apresentar boa qualidade de ajuste e parâmetros com explicações biológicas de acordo com a metodologia e condições em que foi desenvolvido o presente estudo.

Biografía del autor/a

André Luiz Pinto dos Santos, Universidade Federal Rural de Pernambuco

Doutorado em andamento em Biometria e Estatística Aplicada na UFRPE, Mestrado em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco - UFRPE (2015), e graduação em Bacharelado em Estatística pela Universidade Estadual da Paraíba - UEPB (2011).

 

Jucarlos Rufino de Freitas, Universidade Federal Rural de Pernambuco

Possui graduação em Bacharelado em Estatística pela Universidade Federal de Pernambuco (2015). Trabalhou como estagiário na Fundação Oswaldo Cruz (FIOCRUZ - 2014 a 2016). Tem experiência na área de Probabilidade e Estatística, com ênfase em análise de dados, análise de séries temporais, análise de regressão e planejamento de experimentos. Mestrado em Estatística Aplicada e Biometria pela Universidade Federal Rural de Pernambuco (2017). Atualmente faz doutorado no Programa de Pós-graduação em Biometria e Estatística Aplicada(PPGBEA) - UFRPE.

Eucymara França Nunes Santos, Universidade Federal Rural de Pernambuco

Possui graduação em Estatística pela Universidade Federal de Sergipe (2006) e mestrado em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (2009). Atualmente é professora adjunta da Universidade Federal de Sergipe, atuando principalmente nos seguintes temas: regressão linear múltipla, componentes principais, agrupamentos e discriminante. Doutoranda do Programa de Pós Graduação em Biometria e Estatística Aplicada (2015 - 2018) UFRPE.

Frank Sinatra Gomes da Silva, Universidade Federal Rural de Pernambuco

Possui graduação em Matemática [2002] e Especialização em Ensino de Matemática pelas Faculdades Integradas da Vitória de Santo Antão [2004]. É Mestre em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco [2008] e Doutor em Matemática Computacional pela Universidade Federal de Pernambuco [2013]. Atualmente é Professor Adjunto III do Departamento de Estatística e Informática e do Programa de mestrado e doutorado em Biometria e Estatística Aplicada na Universidade Federal Rural de Pernambuco.

Cicero Carlos Ramos de Brito, Universidade Federal Rural de Pernambuco

Pós-Doutor em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (UFRPE), 2015; Doutor em Biometria e Estatística Aplicada pela UFRPE, 2014; Mestre do PROFMAT (Mestrado Profissional em Matemática) na UFRPE; Mestre em Estatística pela Universidade Federal de Pernambuco (UFPE), 2009; Mestre em Biometria e Estatística Aplicada pela UFRPE, 2005; Especialista em Matemática Comercial e Financeira pela UFRPE, 2008; Especialista em Matemática pela UFRPE, 2003; Especialista em Matemática pela Fundação de Ensino Superior de Olinda (FUNESO), 1993; Tecnólogo em Serviços Jurídicos e Notariais pelo Centro Universitário Internacional (UNINTER), 2017; Bacharel em Administração pela Universidade Estácio de Sá, 2015; Bacharel em Ciências Contábeis pelo Instituto Pernambucano de Ensino Superior (IPESU), 2014; Tecnólogo em Gestão Financeira pela Faculdade de Tecnologia Internacional (FATEC Internacional), 2010; Licenciado em Matemática pela UFRPE, 1993; Licenciado em Ciências com habilitação em Matemática pela FUNESO, 1991.

Moacyr Cunha Filho, Universidade Federal Rural de Pernambuco

Possui graduação em Engenharia Civil (1988), especialização em Engenharia e Segurança do Trabalho(1991), Didática das Disciplinas Profissionalizantes (1992) e em Administração Pública (2012); Mestrado em Estatística Aplicada e Biometria pela Universidade Federal Rural de Pernambuco (2002); Doutorado em Ciência do Solo pela UFRPE (2009). Foi Diretor do Núcleo de Tecnologia da Informação (NTI) de 1995 a 2000. Foi Coordenador do Programa de Pós-Graduação em Biometria e Estatística Aplicada/UFRPE (Mestrado e Doutorado-Conceito 5-2010 a 2012) e Supervisor da Área de Estatística (2006 a 2012). Atuou como Coordenador Geral de Logística, Tecnologia da Informação e Inovação Institucional da Fundação Joaquim Nabuco (FUNDAJ-2011 a 2013). Esteve como Pró-Reitor de Administração da UFRPE (2013 a 2016). Bolsista CNPq até 2017. Atuando voluntariamente como Examinador Sênior junto ao PQGF e PQGP(PROPEQ) nos anos de 1999 a 2010; assim como Avaliador do Prêmio SESI Qualidade no Trabalho (PSQT-2008); dos cursos de educação a distância dos Polos de Apoio Presencial (2010), como Avaliador Líder junto ao Movimento Alagoas Competitiva (MAC) em 2010 e consultor "ad doc" junto à FACEPE e à FAPEAL. Atuou de 2008 a 2014 junto ao Instituto Federal de Educação, Ciência e Tecnologia (IFPE) como professor formador, conteudista, revisor e palestrante do Curso de Licenciatura em Matemática a Distância. Atualmente é professor adjunto da Graduação e da Pós Graduação do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco e Coordenador do Programa de Pós-Graduação em Biometria e Estatística Aplicada/UFRPE. Tem experiência na área de Processos computacionais, Educação a distância, Probabilidade e Matemática Aplicada, atuando principalmente nos seguintes temas: Estatística aplicada, gestão, educação a distância, recursos hídricos, produção de sedimentos em suspensão e por carga de fundo e conservação do solo e da água.

Guilherme Rocha Moreira, Universidade Federal Rural de Pernambuco

Possui graduação em Engenharia Agronômica pela Universidade Estadual do Sudoeste da Bahia (2003). Especialização em Gestão de Políticas Públicas (2017) pela UFRPE. Mestrado (2004) e Doutorado (2010) em Zootecnia pela UFMG. Atualmente é professor Adjunto IV do Departamento de Estatística e Informática da UFRPE. Atua nas seguintes áreas: sistemas silvipastoris, forragicultura, nutrição de ruminantes, análise de alimentos, degradabilidade ruminal via técnicas "in vitro" de produção de gases e técnicas "in situ" e planejamento e análise de experimentos e modelos de regressão aplicados a agropecuária.

Citas

BROW, J.E.; FITZHUGH JUNIOR, H.A.; CARTWRIGHT, T.C.A. A comparison of nonlinear models for describing weigt-age relationships in cattle. Journal of Animal Science, v.42, p.810-818, 1976.

DE ASSUMPÇÃO MAZZINI, A R.; MUNIZ, J. A.; FONSECA, F.; de AQUINO, L. H. Curva de crescimento de novilhos Hereford: heterocedasticidade e resíduos autorregressivos. Ciência Rural, v. 35, n. 2, p. 422-427, 2005.

FALCÃO, P. F.; PEDROSA, V. B.; MOREIRA, R. P., SIEKLICKI, M. D. F.; ROCHA, C. G.; SANTOS, I. C.; FERREIRA, E. M.; MARTINS, A. S. Curvas de crescimento de cordeiros da raça Ile de France criados em confinamento. Revista Brasileira de Saúde e Produção Animal, v. 16, n. 2, 2015.

GUEDES, M. H. P.; MUNIS, J. A.; PEREZ, J. R. O.; SILVA, F. F.; AQUINO, L. D.; SANTOS, C. L. Estudo das curvas de crescimento de cordeiros das raças Santa Inês e Bergamácia considerando heterogeneidade de variâncias. Ciência e Agrotecnologia, v. 28, n. 2, p. 381-388, 2004.

MALHADO, C.H.M.; CARNEIRO, P.L.S.; AFFONSO, P.R.A.M.; SOUZA JR, A. A. O.; SARMENTO, J. L. R. Growth curves in Dorper sheep crossed with the local Brazilian breeds, Morada Nova, Rabo Largo, and Santa Inês. Small Ruminant Research, v.84, p.16-21, 2009.

MOREIRA, R. P.; BRENO PEDROSA, V.; FALCÃO, P. R.; SIEKLICKI, M. D. F.; GOMES ROCHA, C.; CORDEIRO DOS SANTOS, I.; FERREIRA, E. M.; de SOUZA MARTINS, A. Growth curves for Ile de France female sheep raised in feedlot. Semina: Ciências Agrárias, v. 37, n. 1, 2016.

PASTERNAK, H.; SHALEV, B. A. The effect of a feature of regression disturbance on the efficiency of fitting growth curves. Growth, Development & Aging, Bar Harbor, v.58, n.1, p.33-39, 1994.

R Development Core Team. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2016. URL http://www.R-project.org

RODRIGUES, A.; CHAVES, L. M.; SILVA, F. F.; ZEVIANI, W. Utilização da regressão isotônica em estudos de curvas de crescimento. Revista Brasileira de Biometria, v. 28, n. 4, p. 85-101, 2010.

SANTOS, A. L. P.; MOREIRA, G. R.; De BRITO, C. C. R.; GOMES-SILVA, F., DA COSTA, M. L. L.; PIMENTEL, P. G.; FILHO, M. C.; MIZUBUTI, I. Y. (2018). Method to generate growth and degrowth models obtained from differential equations applied to agrarian sciences. Semina: Ciências Agrárias, v. 39, n. 6, p. 2659-2672, 2018.

SARMENTO, J.L.R; REGAZZI, A.J.; SOUSA, W.H.; TORRES, R.A.; BREDA, F.C.; MENEZES, G.R.O. Estudo de Curvas de Crescimento de ovinos Santa Inês. Revista Brasileira de Zootecnia, v. 35, n.2, p.435-444, 2006.

SILVEIRA, F. G.; FONSECA, F.; CARNEIRO, S. P. L. S.; MALHADO, C. H. M.; MUNIZ, J. A. Análise de agrupamento na seleção de modelos de regressão não-lineares para curvas de crescimento de ovinos cruzados. Ciência Rural, v. 41, n. 4, 2011.

SOUZA, G. da S. Introdução aos modelos de regressão linear e não linear. Brasília: Embrapa-SPI/Embrapa-SEA, 1998. 489p.

TEIXEIRA, M. C.; VILLARROEL, A. B.; PEREIRA, E. S.; de OLIVEIRA, S. M. P.; ALBUQUERQUE, Í. A.; MIZUBUTI, I. Y. Curva de crescimento de cordeiros oriundos de três sistemas de produção na Região Nordeste do Brasil. Semina: Ciências Agrárias, v. 33, n. 5, p. 2011-2018, 2012.

Descargas

Publicado

06-06-2019

Cómo citar

Pinto dos Santos, A. L., Rufino de Freitas, J., Nunes Santos, E. F., Gomes da Silva, F. S., Ramos de Brito, C. C., Cunha Filho, M., & Rocha Moreira, G. (2019). Um novo modelo não linear para descrever curvas de crescimento de ovinos. Sigmae, 8(2), 1–7. Recuperado a partir de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/932

Número

Vol. 8 Núm. 2 (2019): Special issue: 64th RBRAS and 18th SEAGRO

Sección

Probability and Statistics

Licencia

Proposta de Política para Periódicos de Acesso Livre


Autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

    1. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

  1. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).