Modelos de regressão para predição do peso da raça Canindé através de medidas morfométricas

• Conrado, V.D.C. ^[1] ; Arandas, J.K.G. ^[1] ; Ribeiro, M.N. ^[1]
  1. [1] Universidade Federal Rural de Pernambuco

     Universidade Federal Rural de Pernambuco

     Brasil

     
• Localización: Archivos de zootecnia, ISSN-e 1885-4494, ISSN 0004-0592, Vol. 64, Nº 247, 2015, págs. 277-280
• Idioma: portugués
• Títulos paralelos:
  • Regression models to predict the weight of Caninde goat breed through morphometric measures
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • português

    O presente trabalho teve como objetivo utilizar equações de predição para estimar o peso vivo de caprinos da raça Canindé mediante medidas morfométricas de natureza quan- titativa. Foram avaliadas 347 fêmeas adultas da raça Canindé, provenientes de diferentes estados na região Nordeste do Brasil. Os animais foram pesados e, após as pesagens, com o auxilio de uma fita métrica foram tomadas medidas de altura da cernelha (AC), compri- mento do corpo (CC) e perímetro torácico (PT). Foram observadas correlações significativas entre o peso e todas as variáveis avaliadas. A variável melhor correlacionada com o peso foi o PT (0,69). Os modelos polinomiais foram os que apresentaram o melhor ajuste, com maior precisão para aquele com três variáveis. A metodologia utilizada mostrou-se adequa- da para predizer o peso de fêmeas adultas da raça Canindé para as condições em que o trabalho foi conduzido.

  • English

    This study aimed to identify equations to estimate the live weight of Caninde goat breed by quantitative morphometric measurements. It was evaluated 347 adult females come from different states of Northeast region, Brazil. Each animal was weighed and after that it was taken measures of height at withers (HW), body length (BL) and thoracic perimeter (TP).

    Significant correlations were observed between the weight and all variables. The variable best correlated with the weight was the PT (0.69). The polynomial models presented the best fit with higher accuracy to one with three variables.The methodology was effective to predict the weight of adult females in the conditions under which the work was conducted.