Ajuste do modelo de Orskov & McDonald (1979) a dados de degradação ruminal in situ utilizando mínimos quadrados ponderados

• Ano de defesa: 2007
• Autor(a) principal: Soares, Ana Paula Meira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Digestibilidade; Digestibility; Least squares; Mathematical model; Mínimo quadrados; Modelo matemático; Rumen; Rúmen; Technic in situ
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-03122007-104942/

O presente trabalho teve como principal objetivo o estudo das diferenças entre os resultados obtidos com o uso do método dos mínimos quadrados ponderados e de mínimos quadrados ordinários, no ajuste do modelo de Orskov e McDonald (1979) aos dados de degradação da matéria seca (MS) e fibra em detergente ácido (FDA) em novilhos Nelore fistulados, utilizando a técnica in situ. Foram utilizados os dados de um experimento delineado em quadrado latino 4x4 (quatro animais e quatro períodos) cujos tratamentos foram: dieta com sal de cálcio de ácidos graxos e monensina (A); dieta com caroço de algodão e monensina (B); dieta controle com monensina (C) e dieta com caroço de algodão sem monensina (D). As medidas de degradabilidade foram coletadas em oito ocasiões (0, 3, 6, 12, 24, 48, 72 e 96 horas). Como essas medidas são obtidas repetidamente no mesmo animal, espera-se que as variâncias das respostas nas diversas ocasiões não sejam iguais. Nas análises propostas foram utilizados os dados originais (MS e FDA) e os dados corrigidos para os efeitos de animal e de período. De uma forma geral, observou-se que o uso do método dos mínimos quadrados ponderados alterou os resultados das análises, produzindo um aumento das estatísticas dos testes e uma alteração da significância dessas estatísticas, por conta da retirada do efeito de animal e período dos dados originais e ao uso do método de mínimos quadrados ponderados, com a ponderação feita pelo inverso da variância dos dados em cada ocasião.