Seleções de modelos de regressão não lineares e aplicação do algoritmo saem na avaliação genética do crescimento de bovinos Nelore

CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoO objetivo principal desse trabalho foi utilizar a análise de agrupamento para classificar e selecionar modelos não lineares de crescimento de bovinos Nelore tendo em vista os resultados de diferentes avaliadores de qualidade de ajuste. Ajustaram-se 12 modelos não-lineares, cuja qualidade de ajuste foi medida pelo coeficiente de determinação (R2), quadrado médio do erro (QME), critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC), erro quadrático médio de predição (MEP) e coeficiente de determinação de predição (R2p). O modelo Brody foi o que apresentou o melhor ajuste para o conjunto de dados.This study aimed to evaluate cluster analysis in classifing and selecting non linear models to describe Nellore beef cattle growth based on different goodness of fit criteria tests. A total of 12 non linear models were evaluated based on the following criteria::determination coefficient (R2), error mean square (QME), Akaike information criterion (AIC), Bayesian information criterion (BIC), mean quadratic error of prediction (MEP) and predicted determination coefficient (R2p). The Brody model showed the best goodness of fit for this data set