RESUMO O objetivo deste estudo foi desenvolver e avaliar os modelos linear, quadrático e alométrico para predizer o peso vivo (PV), usando-se a fórmula do volume corporal (VC) em novilhas mestiças criadas no sudeste do México. O PV (426,25±117,49kg) e o VC (338,05±95,38dm3) foram medidos em 360 novilhas, com idade entre três e 30 meses. Regressões lineares e não lineares foram utilizadas para construir os modelos de predição. A adequação dos modelos foi avaliada utilizando-se o critério de informação de Akaike (AIC), o critério de informação bayesiano (BIC), o coeficiente de determinação (R2), o quadrado médio do erro (QME) e a raiz do QME (RQME). Além disso, os modelos desenvolvidos foram avaliados por meio de validação cruzada (k-folds). A capacidade dos modelos ajustados em prever os valores observados foi avaliada com base no RQME, no R2 e no erro médio absoluto (EMA). O modelo quadrático apresentou os menores valores de AIC (2688,39) e de BIC (2700,05). Por outro lado, o modelo linear apresentou os menores valores de QME (7954,74) e de RQME (89,19); esse modelo apresentou os maiores valores de AIC (2709,70) e de BIC (2717,51). Apesar disso, todos os modelos apresentaram o mesmo valor para o R2 (0,87). A avaliação de ajuste por validação cruzada (k-folds) mostrou que o modelo quadrático teve melhores valores de RQME (41,49), R2 (0,85) e EMA (31,95). Recomenda-se o modelo quadrático para predição do peso vivo de novilhas de corte mestiças utilizando-se o volume corporal como preditor.

ABSTRACT The objective of this study was to develop and evaluate linear, quadratic, and allometric models to predict live weight (LW) using the body volume formula (BV) in crossbred heifers raised in southeastern Mexico. The LW (426.25±117.49kg) and BV (338.05±95.38 dm3) were measured in 360 heifers aged between 3 and 30 months. Linear and non-linear regression were used to construct prediction models. The goodness-of-fit of the models was evaluated using the Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), coefficient of determination (R2), mean squared error (MSE), and root MSE (RMSE). In addition, the developed models were evaluated through cross-validation (k-folds). The ability of the fitted models to predict the observed values was evaluated based on the RMSEP, R2, and mean absolute error (MAE). The quadratic model had the lowest values of AIC (2688.39) and BIC (2700.05). On the other hand, the linear model showed the lowest values of MSE (7954.74) and RMSE (89.19), and the highest values of AIC (2709.70) and BIC (2717.51). Despite this, all models presented the same R2 value (0.87). The cross-validation (k-folds) evaluation of fit showed that the quadratic model had better values of MSEP (41.49), R2 (0.85), and MAE (31.95). We recommend the quadratic model to predictive of the crossbred beef heifers' live weight using the body volume as the predictor.