Análise da curva de crescimento de machos Hereford Growth curve analysis for Hereford cattle males

Para estudar a função de melhor ajustamento ao crescimento de bovinos Hereford, foram utilizados dados de 160 machos, ajustando-se as funções de Brody, Gompertz, Logística, Richards e von Bertalanffy. A estimação dos parâmetros para modelos de regressão não-linear foi feita pelo método dos Quadrados Mínimos Ponderado. Para isso, utilizou-se o procedimento MODEL do software Statistical Analysis System (SAS). Foram obtidos ajustes de curvas individuais para os animais em dois diferentes modelos: não-ponderado e ponderado pelo inverso da variância dos pesos, com o objetivo de levar em consideração a heterogeneidade das variâncias. A comparação entre os modelos foi feita pela interpretação biológica dos parâmetros e dos avaliadores da qualidade de ajuste (coeficiente de determinação ajustado, quadrado médio do resíduo, erro de predição médio, teste t de Student, para as estimativas dos parâmetros "A" e "K" e percentual de convergência). O melhor modelo foi o ponderado pelo inverso da variância dos pesos. As funções que apresentaram melhor ajuste foram as de von Bertalanffy e Gompertz, seguidas pela Logística. As funções de Brody e Richards apresentaram um baixo percentual de convergência, mostrando-se inadequadas para descrever os dados em estudo.<br>A weight-age growth curve was studied in 160 bovine Hereford males. It was fitted to the Brody, Gompertz, Logistic, Richards and von Bertalanffy functions. The parameters estimates for the nonlinear regression model were calculated by the Weighted-Least-Square through MODEL procedure (SAS/ETS, 1995). An animal individual adjustment was obtained by the two models: non-weighted and weighted by the inverse of variance. The comparison with the previous models was made by the parameters biological interpretations and by fit quality evaluators (Adjusted determination coefficient, error mean square, mean predicted error, Student's t-test for the parameters A and K estimates and convergency percent). The best fitted model was the weighted by the inverse of variance. The functions that best fitted the data were those of von Bertalanffy and Gompertz followed by Logistic. Brody and Richards functions presented a low convergency percent, being inadequate to describe the data in study.