Este trabalho teve como objetivo comparar modelos logísticos difásicos ponderados aplicados ao estudo de curvas de crescimento de fêmeas Hereford com três diferentes estruturas de erros: erros independentes (EI), auto-regressivos de primeira ordem (AR (1)) e auto-regressivo de segunda ordem (AR (2)) a dados de peso-idade de 55 fêmeas da raça Hereford avaliadas desde o nascimento até 675 dias de idade. Utilizou-se o procedimento model do software Statistical Analysis System (SAS) por meio das opções weight e %AR. A comparação entre os modelos foi realizada com base na interpretação biológica dos parâmetros e nos avaliadores de qualidade de ajuste (coeficiente de determinação ajustado, teste de Durbin-Watson, desvio padrão residual, número de iterações), além do critério de informação de Akaike (AIC) e do teste F para comparação de modelos. Os resultados obtidos para o ajuste dos modelos aos dados médios indicaram que o modelo logístico difásico AR (2) foi o mais eficiente para descrever a curva de crescimento do rebanho. Ao se considerar o conjunto de dados individuais, nenhum dos modelos abordados foi recomendado por produzirem estimativas não condizentes com a realidade.

This study had the objective of comparing weighted difasics logistic models applied to the study of Hereford females growth curves with three different error structures: independent errors (IE), first-order auto-regressive (AR (1)) and second-order auto-regressive (AR (2)) to weight-age data of 55 females of the Hereford breed, raised in the Bagé region, RS, Brazil, evaluated from birth to 675 days old. The weight and %AR options of model procedure, available in the software Statistical Analysis System (SAS), was used to fit data. The comparison among the models was carried out through the biological interpretation basis of the parameters and in the adjustment of quality measures (adjusted determination coefficient, Durbin-Watson test, residual standard desviation, number of iterations), beyond the Akaike information criteria (AIC) and the F test for model comparison. The models fitted to mean data indicated that the difasic logistic with AR(2) structure was the most efficient to describe the herd growth curve. In the individual fit, none of the models was accepted because they didn't produce consistent estimates.

O objetivo do presente trabalho foi ajustar os modelos de crescimento Brody, Gompertz, Logístico e Von Bertalanffy a dados de peso e idade de 152 novilhos Hereford através dos métodos dos quadrados mínimos ordinários (QMO), quadrados mínimos ponderados (QMP), quadrados mínimos ponderados generalizados com erros autorregressivos de primeira (QMPG-AR1) e segunda (QMPG-AR2) ordens. Utilizou-se o procedimento MODEL do software Statistical Analysis System (SAS) através das opções WEIGTH e %AR. Os modelos foram comparados pelos seguintes avaliadores de qualidade do ajuste: percentual de convergência, quadrado médio do resíduo, coeficiente de determinação ajustado e erro de predição médio. Os modelos Gompertz e von Bertalanffy ajustados pelos métodos QMP, QMP-AR(1) e QMP-AR(2) foram os indicados para descrever o crescimento de novilhos Hereford até os dois anos de idade.

The aim of the present study was to fit the weight-age of 152 Hereford cattle male. The fitting has been done by the ordinary least square (OLS), weighted least square (WLS), generalized weighted least square with autoregressive errors, first (GWLS-AR1) and second (GWLS-AR2) orders. The WEIGHT and %AR options of MODEL procedure, available in the software Statistical Analysis System (SAS), was used to fit the data. Models were evaluated by the following measures of quality: convergence percentage, error mean square, adjusted determination coefficient and mean predicted error. The Gompertz and von Bertalanffy models fitted by WLS, GWLS-AR1 and GWLS-AR2 methods were indicated to describe the growth of animals up to two years old.

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.

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.