dissertação
Modelos de crescimento animal para dados irregulares
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
UNIVERSIDADE FEDERAL DE LAVRAS
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
DEX - Departamento de Ciências Exatas
Agência de fomento
Fundação de Amparo à Pesquisa do estado de Minas Gerais (FAPEMIG)
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
Studying animal growth aids in defining important points over its life, as
well as to trace management strategies in a way in which the sale and slaughter
periods be defined with more precision. The use of non-linear curves to model
growth has been very frequent in literature. Such functions generally provide good
data adjustment, its parameters are biologically interpretable and, normally, presents
less parameters than the linear functions in regard to growth modeling. The
residue structure, however, in a large portion of the cases, is not adequately considered,
since, in some situations, the data are obtained at irregular periods, that is,
in periods which are not equally spaced. The models were adjusted for the average
weight of 160 animals of the Hereford breed, considering regular (AR(1)) and
irregular (IS-AR(1)) first order autoregressive residues. The growth models used
in this study were the Logistic, Gompertz and Von Bertalanffy. A new patterning
of the IS-AR(1) model was presented; after the estimation of the parameters in
each case (regular and irregular) the models were compared through the Akaike
information criteria and through the square sum of the residues. The parameter
values of the models with the best adjustments were used in data simulation. From
the simulation, size 100 samples were successively removed, and the models were
newly adjusted and compared. It was verified that to consider the irregular autoregressive
structure improved the quality of the model adjustment in practically all
cases.
O estudo do crescimento animal ajuda a definir pontos importantes ao longo da sua vida e também a traçar estratégias de manejo de maneira que as épocas de venda ou abate sejam definidas com mais precisão. A utilização de curvas não lineares para modelar o crescimento tem sido muito frequente na literatura. Tais funções geralmente fornecem um bom ajuste aos dados, seus parâmetros são interpretáveis biologicamente e normalmente têm menos parâmetros que as funções lineares no que se refere à modelagem do crescimento. A estrutura dos resíduos, no entanto, em grande parte dos casos não é considerada de maneira adequada, já que em algumas situações os dados são obtidos em tempos irregulares, ou seja, em tempos que não são igualmente espaçados. Ajustou-se modelos para o peso médio de 160 animais da raça hereford considerando resíduos autorregressivos de primeira ordem regulares (AR(1)) e irregulares (IS-AR(1)). Os modelos de crescimento utilizados neste estudo foram o Logístico, o Gompertz e o Von Bertalanffy. Uma nova parametrização do modelo IS-AR(1) foi apresentada; após a estimação dos parâmetros em cada um dos casos (regular e irregular) os modelos foram comparados por meio do critério de informação de Akaike e também da soma de quadrados dos resíduos. Os valores dos parâmetros dos modelos de melhor ajuste foram utilizados para fazer simulação de dados. Da simulação foram retiradas, sucessivamente, amostras de tamanho 100 e então os modelos foram novamente ajustados e comparados. Verificou-se que considerar a estrutura autorregressiva irregular melhorou a qualidade do ajuste dos modelos em praticamente todos os casos.
O estudo do crescimento animal ajuda a definir pontos importantes ao longo da sua vida e também a traçar estratégias de manejo de maneira que as épocas de venda ou abate sejam definidas com mais precisão. A utilização de curvas não lineares para modelar o crescimento tem sido muito frequente na literatura. Tais funções geralmente fornecem um bom ajuste aos dados, seus parâmetros são interpretáveis biologicamente e normalmente têm menos parâmetros que as funções lineares no que se refere à modelagem do crescimento. A estrutura dos resíduos, no entanto, em grande parte dos casos não é considerada de maneira adequada, já que em algumas situações os dados são obtidos em tempos irregulares, ou seja, em tempos que não são igualmente espaçados. Ajustou-se modelos para o peso médio de 160 animais da raça hereford considerando resíduos autorregressivos de primeira ordem regulares (AR(1)) e irregulares (IS-AR(1)). Os modelos de crescimento utilizados neste estudo foram o Logístico, o Gompertz e o Von Bertalanffy. Uma nova parametrização do modelo IS-AR(1) foi apresentada; após a estimação dos parâmetros em cada um dos casos (regular e irregular) os modelos foram comparados por meio do critério de informação de Akaike e também da soma de quadrados dos resíduos. Os valores dos parâmetros dos modelos de melhor ajuste foram utilizados para fazer simulação de dados. Da simulação foram retiradas, sucessivamente, amostras de tamanho 100 e então os modelos foram novamente ajustados e comparados. Verificou-se que considerar a estrutura autorregressiva irregular melhorou a qualidade do ajuste dos modelos em praticamente todos os casos.
Abstract
Descrição
Dissertação apresentada à Universidade
Federal de Lavras, como parte das exigências
do Programa de Pós Graduação
em Estatística e Experimentação Agropecuária,
área de concentração em Estatística
e Experimentação Agropecuária,
para a obtenção do título de Mestre.
Área de concentração
Estatística e Experimentação Agropecuária
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
CASSIANO, F. R. Modelos de crescimento animal para dados irregulares. 2014. 52 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.