RESUMO Objetivou-se avaliar a correção da medida ultrassonográfica da área do músculo Longissimus dorsi, em coelhos da raça Nova Zelândia, pela análise de covariância usando modelos mistos. Foram realizadas análises em delineamento em blocos completos ao acaso, com cinco tratamentos (operadores) e seis blocos (animais), considerando na análise: a inexistência de covariáveis; a covariável comprimento de olho de lombo; a covariável profundidade de olho de lombo; e as duas covariáveis juntas. Como os animais são uma amostra aleatória, o efeito de bloco foi considerado como aleatório. Consideraram-se as covariáveis como medidas com efeito fixo sem erro, independentemente do tratamento e do comportamento linear. As estatísticas de critério de decisão CV%, R ² e R ¯ ² evidenciaram relação direta entre si e podem ser consideradas para avaliar a precisão experimental em ensaios com avaliação de carcaças. Os valores das estatísticas AIC, BIC e AICC apresentam coerência com a interpretação dos critérios de decisão e indicam que o modelo com duas covariáveis proporciona resultados acurados. A inclusão das covariáveis complementa o controle de local com melhoria na precisão do experimento. A utilização das medidas ultrassonográficas de profundidade e comprimento corrige a média da área do músculo Longissimus dorsi avaliado por diferentes operadores.

ABSTRACT The objective of this study was to evaluate the correction ultrasonographic measurement of area the Longissimus dorsi muscle in New Zealand rabbits by covariance analysis using mixed linear models. The analyzes were performed in randomized block design with 5 treatments (operators) and 6 blocks (animals), considering in the analysis: absence of covariates; rib eye length as covariate; rib eye depth as covariate; the two covariates together. As the animals are a random sample, the block effect was considered to be random. The covariates were considered as measures of fixed effect without error, independent of treatment and linear comportment. The decision criterion statistics CV%, R², and R ¯ ²showed a direct relationship between them and can be taken into consideration to evaluate the experimental accuracy in tests with carcass evaluation. The AIC, BIC, and AICC statistics are consistent with the interpretation of the decision criteria and indicate that the two covariates in model provides accurate results. The inclusion of covariates complements the local control to improve the accuracy of the experiment. The use of ultrasound measurements of depth and length corrects the mean area of the Longissimus dorsi muscle evaluated by different operators.

Foram estimados os componentes de variância e os parâmetros genéticos da característica prolificidade, utilizando-se inferência bayesiana sob modelo animal linear e de limiar. A prolificidade de cabras mestiças foi estudada com informações referentes ao período de oito anos consecutivos. As análises foram realizadas com cadeias de 500.000 ciclos. Considerou-se burn-in dos 15.000 valores iniciais, sendo tomados valores a cada 250 ciclos, para se obter a distribuição a posteriori com 1.940 amostras. Os efeitos do mês de cobrição e da ordem de parto e o efeito linear do peso à cobrição foram significativos. As herdabilidades foram de 0,03 e 0,18 para o modelo linear e o modelo de limiar, respectivamente. O uso do modelo de limiar mostrou-se adequado, produzindo estimativas superiores acerca dos parâmetros estimados.

Variance components and genetic parameters of the litter size trait, using Bayesian inference under linear and threshold animal model were estimated. The litter size of crossbred goats was studied with information regarding a period of eight consecutive years. Analyses were performed with 500,000 cycle chains. The burn-in of the 15,000 baseline values was considered and these were taken every 250 cycles to obtain a posteriori distribution with 1,940 effective samples. Statistical analyses showed that the effects of coverage month, delivery order and linear effect of weight on coverage were significant. The heritabilities were 0.03 and 0.18 for linear and threshold models respectively. The threshold model proved to be suitable, producing higher estimates regarding the estimated parameters.