Inferência bayesiana para análise da conversão alimentar de suínos em experimentos simulados

Abstract

O presente trabalho teve por objetivo avaliar a conversão alimentar (CA) em dados simulados por meio da inferência bayesiana em análises bivariadas do consumo de ração (CR) e ganho de peso (GP), considerando parâmetros de uma população de suínos da raça Landrace, pertencem a EMBRAPA-CNPSA. Os resultados das simulações baseadas nos quantis das distribuições de CR e de GP se apresentaram de forma análoga. Já os resultados discriminantes para os tratamentos considerando as médias a posteriori de CA tendem a seguir os de CR e GP. Verificou-se nas amostras grandes (n≥100) que os resultados frequentistas e bayesianos foram na maioria coincidentes, com exceção entre níveis de incremento na média entre 0% e 2,5%. De modo geral, observou-se maior precisão nas estimativas bayesianas por apresentarem amplitudes menores nos seus respectivos intervalos de credibilidade. Adicionalmente o modelo proposto mostrou ser apropriado, uma vez que possibilitou a detecção de diferenças significativas entre níveis de fatores não detectados por procedimentos frequentistas em ANOVA tradicional, principalmente em pequenas amostras.

ABSTRACT: This study aimed to evaluate the feed conversion in simulated data by bayesian inference in bivariate analyzes of feed intake and weight gain, considering parameters of a population of breed Landrace pigs, belong to EMBRAPA-CNPSA. The simulation results based on the quantiles of the distributions of feed intake and weight gain performed analogously. Already discriminant results for treatments considering the averages posteriori feed conversion tend to follow the feed intake and weight gain. It has been found in large samples (n100) that frequentist and bayesian results were the most coincident with the exception of an increase in the mean levels of between 0% and 2.5%. In general, there was greater accuracy in bayesian estimates because of the lower amplitudes in their credibility intervals. Additionally, the proposed model proved to be suitable, since it allowed the detection of significant differences between levels of factors that are not detected by traditional procedures frequentist ANOVA, especially in small samples.