Ciência Animal Brasileira (Apr 2009)
NÚMERO DE COLETAS DA PRODUÇÃO DE LEITE NA PREDIÇÃO DE MODELOS PARA ESTIMATIVA DA PRODUÇÃO MÉDIA DIÁRIA DE LEITE DE VACAS NELORE NUMBER OF COLLECTIONS OF MILK YIELD ON PREDICTION OF MODELS TO ESTIMATE AVERAGE DAILY MILK YIELD OF NELLORE BEEF COWS
Abstract
<p class="MsoBodyText" style="margin-top: 0cm; margin-right: 0cm; margin-bottom: 0pt; margin-left: 0cm; line-height: 200%">Objetivou-se com este experimento avaliar modelos com diferentes números de coletas da produção de leite para estimativa da produção média diária de leite em vacas Nelore até os 217 dias de lactação. As oito avaliações da produção de leite foram realizadas em 29 vacas, através do método direto, aos 14, 42, 70, 98, 126, 154, 182 dias e ao desmame (217 dias). Para seleção dos modelos de regressão linear múltipla, objetivando estimar a produção média diária de leite de acordo com o número de coletas de leite, utilizou-se o procedimento Stepwise do SAS. Procedeu-se à análise residual através dos testes de heterocedasticidade da variância (estatística ?²), normalidade (estatística W de Shapiro-Wilk), a diagnóstico de observações influentes e a diagnóstico de multicolinearidade. Para a validação dos modelos de regressão selecionados, utilizou-se a estatística predição da soma de quadrados do erro (PRESS). Os dias da coleta de leite selecionados foram: 98 para 1 coleta; 70 e 98 para 2 coletas; 14, 70 e 98 para 3 coletas; 14, 70, 98 e 154 para 4 coletas; 14, 70, 98, 154 e 182 para 5 coletas; 14, 42, 70, 98, 154 e 182 para 6 coletas e 14, 42, 70, 98, 126, 154 e 182 para 7 coletas. Os R² ajustados para modelos com 1; 2; 3; 4; 5; 6 e 7 coletas foram, respectivamente, 0,7900; 0,8718; 0,9064; 0,9596; 0,9698; 0,9875 e 0,9972. Todos os modelos preditos foram considerados satisfatórios na estimativa da produção média diária de leite. Quando houver a possibilidade de executar diversas amostragens ao longo do período de lactação, três coletas em datas estrategicamente escolhidas ao longo do período de lactação são suficientes para predizer com elevada precisão a produção média diária de leite.<br /><br />PALAVRAS-CHAVE: Análise residual, fase de cria, lactação, regressão linear múltipla, seleção de variáveis independentes, técnicas de validação de modelos de regressão.</p> The objective of the experiment was to evaluate models with different number of collections of milk yield to estimate average daily milk yield in Nellore beef cows until 217 days of lactation. The eight evaluations of milk yield were taken from 29 cows, by direct method through milking, at 14, 42, 70, 98, 126, 154, 182 days and weaning (217 days). For the selection of multiple linear regression models, with objective of estimate the average daily milk yield according to number of milk collects, Stepwise procedure of SAS was used. The data were submitted to residual analysis by tests of heterocedasticity of variance (?² statistic), normality (W statistic of Shapiro-Wilk) and diagnosis of outliers (three observations were excluded from original n=30), beyond multicolinearity diagnosis. For validation of the selected regression models, the prediction error sum of squares statistic (PRESS), was used. The selected days of milk yield collections were: 98 for 1 collection; 70 and 98 for 2 collections; 14, 70, and 98 for 3 collections; 14, 70, 98 and 154 for 4 collections; 14, 70, 98, 154 and 182 for 5 collections; 14, 42, 70, 98, 154 and 182 days for 6 collections and 14, 42, 70, 98, 126, 154 and 182 days for 7 collections. The adjusted R² for models with 1; 2; 3; 4; 5; 6 and 7 collections were, respectively, 0.7900; 0.8718; 0.9064; 0.9596; 0.9698; 0.9875 and 0.9972. All the predicted models were satisfactory to estimate average daily milk yield. In a possibility of to execute various collections of milk yield during lactation period, three milk collections chosen in strategic dates during lactation period were sufficient to estimate with high precision the average daily milk yield.<br /><br />KEY WORDS: Lactation, maternal phase, multiple linear regression, selection of independent variables, residual analysis, techniques of validation of regression models.<br />