Domínguez-Viveros, Urbina-Valenzuela, Palacios-Espinoza, Callejas-Juárez, Ortega-Gutiérrez, Espinoza-Villavicencio, Padrón-Quintero, and Rodríguez-Castro: Caracterización del crecimiento de bovinos cebú en pruebas de comportamiento en pastoreo



INTRODUCCIÓN

La curva de crecimiento animal se ha conformado y caracterizado por el peso vivo medido a diferentes edades, considerados como datos longitudinales o medidas repetidas de la misma característica, en el mismo individuo. El análisis de datos longitudinales, para generar la curva de crecimiento, se realiza por medio de regresión con modelos lineales y no lineales (Lawrence y Fowler 2002, Thornley y France, 2007). En los modelos no lineales (MNL) los coeficientes de regresión (βi), también denominados parámetros de crecimiento, aparecen en forma no lineal en la ecuación, tienen la definición y propiedades de efectos fijos, y poseen una interpretación biológica que facilita el entendimiento del fenómeno (Owens et al. 1993, Motulsky y Christopoulos 2003).

Los MNL han sido evaluados con base en la bondad de ajuste de los datos, la interpretación biológica de los parámetros, y los requerimientos computacionales (Agudelo et al. 2008, Torres et al. 2012); la selección de modelos se realiza con base en la adecuación, que evalúa y jerarquiza el nivel de ajuste de los modelos a los datos analizados; y, la validación, que identifica al modelo que mejor se aproxima al verdadero proceso generador de los datos (Burnham y Anderson 1998). Un mejor ajuste del modelo a los datos, no implica una mejor capacidad predictiva (Zucchini 2000). En la definición, ajuste y validación de los MNL, existen algunas fuentes de variación que no han sido incorporadas, como en el análisis de medidas repetidas se genera una estructura de (co)varianzas que puede inferir en el ajuste y validación de los MNL. Los βi asumen que la curva de crecimiento es estándar o única a través de la población de estudio, en la realidad cada individuo presenta una curva de crecimiento propia, generando una fuente de variación asociada a cada βi. El crecimiento animal está determinado por los efectos genéticos y/o ambientales, los cuales inciden de modo diferente a través del tiempo, con posibles repercusiones en la estructura de (co)varianzas, así como en la estimación de los βi. La metodología de modelos no lineales mixtos (MNLM) se desarrolló con el propósito de mejorar el ajuste y la validación de los MNL, a partir de la estructura de (co)varianzas definida por los propios βi como efectos aleatorios (Ching-Fan 2005, Zheng 2010).

En las regiones tropicales las poblaciones de bovinos son principalmente razas cebuínas o cruzas con éstas, debido a sus características de adaptación y producción bajo condiciones tropicales extensivas, donde la alimentación se basa en pastoreo (Burrow 2012). En Cuba, el ganado cebú representa la mayor proporción de bovinos productores de carne, el destete se realiza a los siete meses de edad, y cerca del 25 % de los becerros se envía a las pruebas de comportamiento en pastoreo (Espinoza et al. 2007, Guillen et al. 2011). El análisis de los parámetros de crecimiento derivados de los MNL permite implementar y orientar programas específicos de alimentación, manejo y comercialización; así como definir esquemas de mejoramiento genético con el fin de modificar la curva de crecimiento. Por lo anterior el objetivo del presente estudio fue caracterizar el crecimiento del ganado cebú cubano con base en modelos no lineales vs modelos no lineales mixtos (MNLM), con posibles diferencias en el ajuste de los modelos y la estimación de parámetros de crecimiento.

2007-901X-era-4-11-00341-i001.png

MATERIALES Y MÉTODOS

En las pruebas de comportamiento (PC) se toman cuatro mediciones del peso vivo, más el peso al destete, para generar una distribución de datos o pesadas a través del tiempo. La base de datos se conformó con 15 990 registros de peso vivo, de 3 198 machos con cinco pesadas: 1) peso al destete, realizado de 150 a 229 d de edad; 2) peso al inicio de la prueba de 163 a 286 d; 3) primera pesada dentro de la prueba de comportamiento, medido entre los 283 y 427 d; 4) segunda pesada dentro de la prueba, tomado entre 326 y 507 d; y 5) peso al final de la prueba, realizado entre 398 y 630 d de edad. Se generó el peso ajustado al destete (PD, 210 d), al inicio de la PC (PCI; 240 d), así como el peso ajustado a los 365 (P365), 450 (P450) y 540 d (P540). En los procedimientos de ajustes, se utilizó la ganancia diaria de peso correspondiente a cada periodo; el PD se obtuvo a partir del peso al nacer (CONARGEN 2010).

La base de datos fue proporcionada por el Centro Nacional de Control Pecuario de la República de Cuba. Los datos provienen de cinco hatos donde se realizaron pruebas de comportamiento, a partir de alimentación con base en pastoreo de gramíneas tropicales (Cynodon nlemfuensis y Panicum máximum), en predios ubicados entre los 20 y 23o LN, y 74 y 85o LO, con dos estaciones claramente definidas; la de lluvias de mayo a octubre, en la que ocurre del 70 al 80 % de la precipitación, y la estación seca de noviembre a abril. La temperatura media anual es de 23.1 oC y la humedad relativa de 60 a 70 % durante el día y de 80 a 90 % en la noche (Espinoza et al. 2007, IMRC 2015).

Para caracterizar el crecimiento se utilizaron cuatro MNL (Thornley y France 2007, Agudelo et al. 2008): Brody (BRO), Logístico (LOG), von Bertalanffy (BER) y Gompertz (GOM); los cuales están formados por tres coeficientes de regresión (β1, β2, β3). En las ecuaciones de los MNL, y representa el peso vivo medido al t tiempo; β1, es el valor asintótico cuando t tiende a infinito, interpretado como el peso adulto; β2, es un parámetro de ajuste cuando y ≠ 0 y t ≠ 0; β3, es la tasa de crecimiento, expresando la ganancia de peso como proporción del peso total (Ratkowsky 1990, Blasco 1999). También se estimó el punto de inflexión (PI) en cada uno de los MNL (Tabla 1). Para contrastar los MNLM se realizaron los análisis ANA1 y ANA2 con el procedimiento NLMIXED y el método iterativo de Gauss (Wolfinger 1999) del programa SAS (SAS 2005). El análisis con MNLM (ANA1) incluyó el efecto aleatorio correspondiente al β1, más los residuales (εij); y el análisis con MNL (ANA2) no incluyó efectos aleatorios relativos a los coeficientes de regresión, solo los ε ij. Los efectos aleatorios de los ε ij y β1, fueron de estructura no correlacionados y se ajustaron a las suposiciones de una distribución normal, con media igual a cero y varianzas σ2ε y σ2β1 , respectivamente. No se incluyeron los efectos aleatorios relativos a β2 y β3, dado que en análisis previos se verifico que sus componentes de varianza fueron de baja magnitud y tienden a cero.

Tabla 1

Modelos no lineales utilizados para analizar el crecimiento de bovinos Cebú Cubano.

2007-901X-era-4-11-00341-gt1.png

[i] y = peso del animal a la edad t; t = edad del animal en d. β 1, β 2 y β2 = coeficientes de regresión que conforman los modelos. PI = edad en días al punto de inflexión de la curva de crecimiento.

La selección del modelo con mejor ajuste se realizó en función de los criterios de : 1) error de predicción promedio EPP=i=1npvi-peipei*100/n ; 2) varianza del error de predicción VEP=i=1npei-pvi2/n ; 3) estadístico Durbin Watson DW=21-ρ;ρ=t=2net-et-12t=1net2 ; 4) coeficiente de determinación R2=1-sce/sct ; 5) criterio de información Akaike AIC=-2*Loglik+2k ; y 6) criterio de información Bayesiano BIC=-2*Loglik+logn*k . Donde: pvi = peso vivo en la i - ésima edad; pei = peso vivo estimado para la i - ésima edad; n = número total de datos; sce = suma de cuadrados de los residuales; sct = suma de cuadrados total; Log lik = logaritmo de la función de verosimilitud; k = número de parámetros en el modelo (Motulsky y Christopoulos 2003, Torres et al. 2012, Palacios-Espinoza et al. 2016). El EPP analiza la relación que existe entre el peso medido y el peso estimado, en función del signo, el MNL sobreestima (+) o subestima (-) las predicciones. Para EPP, VEP, AIC y BIC, el modelo con el menor valor se consideró como de mejor ajuste; a diferencia del R2, el modelo con el valor más alto representa mejor ajuste. El DW analiza las auto correlaciones en los errores, con los planteamientos de si 2 <DW<4 existe auto correlación negativa; si 0 < DW < 2 indica ausencia de auto correlación; y si DW< 0 indica que existe auto correlación positiva.

RESULTADOS

El peso promedio (kg ± desviación estándar) para PD, PCI, P365, P450 y P540 fue de 175.9 ± 33.4, 182.5 ± 32.1, 225.8 ± 49.6, 266.8 ± 61.9 y 340.3 ± 68.1, respectivamente. En el Tabla 2 se presentan los resultados para los coeficientes de regresión que conforman los modelos evaluados, así como los componentes de varianza de los efectos aleatorios en cada modelo. Mientras que en la Tabla 3 se describen los resultados para los estadísticos utilizados en la selección del modelo con mejor ajuste. Con base en los criterios de información AIC y BIC, los análisis con los MNLM (ANA1) presentaron los mejores resultados, siendo el modelo LOG el que presentó mejor ajuste, seguido de los modelos de GOM y BER, y BRO. Para el R2 y el estadístico DW, los resultados fueron similares en los análisis, todos los modelos explicaron alrededor del 95 % de la variación de los datos, lo que indica ausencia de auto correlación en los residuales. En todos los análisis el signo del EPP fue negativo, indicando una subestimación en la predicción del peso vivo; sin embargo, los análisis con base en los MNLM tuvieron mayores estimaciones del EPP y la VEP.

Tabla 2

Resultados para los coeficientes de regresión (β i) y componentes de varianza a través de los modelos no lineales evaluados.

2007-901X-era-4-11-00341-gt2.png

[i] σ2e: varianza residual. σ2β1: varianza asociada al coeficiente de regresión β1. β1, β2 y β3: coeficientes de regresión que conforman los modelos no lineales evaluados. PI = edad en días al punto de inflexión de la curva de crecimiento.

Tabla 3

Resultados para los estadísticos utilizados en la selección de modelos.

2007-901X-era-4-11-00341-gt3.png

[i] EPP: error de predicción promedio. VEP: varianza del error de predicción; AIC: criterio de información Akaike. BIC: criterio de información Bayesiano. R2: coeficiente de determinación. DW: estadístico Durbin Watson.

Las estimaciones de β1, β3 y PI como resultados del ANA2 (Tabla 2) están sobre estimadas y fuera de contexto para interpretarse o asociarse al crecimiento de los bovinos. En la Figura 1 se muestran las curvas de crecimiento elaboradas con los resultados del ANA2, donde se observa que los modelos generados no tienen capacidad predictiva con base en el proceso generador de los datos. Resultados diferentes se presentan en la Figura 2, a partir del ANA1 con base en MNLM, las curvas describen de forma adecuada el comportamiento del crecimiento a través del tiempo. El análisis de residuales a través de los estadísticos VEP, EPP y DW está asociado a la capacidad predictiva o proceso de validación del modelo; los criterios AIC, BIC y R2 corresponden a la jerarquización y nivel de ajuste de los modelos. Con base en los resultados de la Tabla 3, los MNLM del ANA1 presentaron mejor nivel de ajuste, buena capacidad de predicción, y los parámetros de crecimiento se apegan a una interpretación biológica.

Figura 1

Curvas de crecimiento en bovinos Cebú Cubano a partir de los modelos no lineales: LOG: Logístico; BRO: Brody; GOM: Gompertz; y, BER: von Bertalanffy.

2007-901X-era-4-11-00341-gf1.png

2007-901X-era-4-11-00341-gf2.png

Figura 2. Curvas de crecimiento en bovinos Cebú Cubano a partir de los modelos no lineales mixtos: LOG: Logístico, BRO: Brody, GOM: Gompertz y BER: von Bertalanffy.

DISCUSIÓN

En el análisis y la caracterización del crecimiento de bovinos Bos indicus, son diversos con respecto al MNL de mejor ajuste, capacidad predictiva e interpretación de los parámetros de crecimiento. Al respecto Paro et al. (2004) y de Andrade et al. (2010) coinciden con los resultados del presente estudio, ya que el LOG fue el idóneo para describir y evaluar el crecimiento en las poblaciones evaluadas; mientras que de Lima et al. (2011) y da Silva et al. (2013) el BRO, y para Lopes et al. (2012) el BER, fueron los MNL de mejor ajuste. Estudios relacionados con la producción animal, donde los MNLM han presentado mejor ajuste con respecto a los MNL, fueron publicados por Palacios-Espinoza et al. (2016), Köhn et al. (2007) y Sofaer et al. (2013).

El PD, PCI, P365, P450 y P540 coinciden con la información de crecimiento en ganado Cebú analizado por Menéndez et al. (2006), Espinoza-Villavicencio et al. (2008), Guillen et al. (2011), y Guillen et al. (2012). El crecimiento de los bovinos para carne está caracterizado por una curva de tipo sigmoidea de tres fases: un crecimiento lento inicial, una fase de aceleración pronunciada y un período de desaceleración, hasta alcanzar el peso adulto (Lawrence y Fowler 2002, Goyache 2005). En el contexto de curva de crecimiento tipo sigmoide, el punto de inflexión (PI), determina un cambio en la tasa de crecimiento y señala el momento en que el crecimiento deja de acelerar. La forma de la curva está determinada por la interacción del peso asintótico (β1) y la velocidad (β3) de crecimiento (Owens et al. 1993); que de manera conjunta con la inclinación de la curva, proporciona información sobre el comportamiento de los datos (Ratkowsky 1990, Balzarini et al. 2004).

El modelo LOG presenta una curva simétrica respecto al PI; el cual alcanza el 50 % del peso asintótico (β1) y considera la velocidad de crecimiento proporcional (Goyache, 2005). Con base en los resultados de MNLM, para el modelo LOG, el PI (Tabla 1) se calculó alrededor de los 289 d, el cual se ubicó en la primera pesada dentro de la prueba de comportamiento, a diferencia de los modelos BER y GOM, donde el PI está ubicado en el periodo predestete. En el modelo LOG los P365, P450 y P540 correspondieron al 57 %, 67 % y 86 % del peso asintótico (392.9 kg); con base en la tasa de crecimiento, el peso asintótico se alcanza después de los 24 meses de edad. Se han explorado los posibles efectos sobre el ajuste y jerarquización de los MNL, dado la estructura de la base de datos, así como las características de las poblaciones de estudio (de Lima et al. 2011, Posada et al. 2011). De acuerdo con Arango y Van Vleck (2002) y Santoro et al. (2005), la dificultad de ajuste y capacidad de predicción de los MNL se debe al uso de animales jóvenes para la estimación del peso adulto, así como la falta de datos en periodos importantes de la curva de crecimiento; el punto para alcanzar el peso adulto no se define de forma correcta cuando la edad máxima de los datos analizados es de dos años, ya que aún falta desarrollo y conformación de los animales.

CONCLUSIONES

Todos los modelos explicaron alrededor del 95 % de la variación de los datos, los valores del estadístico Durbin Watson indican que no hubo auto correlación en los residuales, y el signo en el error de predicción promedio indica que todos los modelos tienden a subestimar las predicciones. El modelo logístico, derivado del análisis de modelos no lineales mixtos, fue el de mejor ajuste y capacidad de predicción. Los modelos no lineales mixtos presentaron el mejor ajuste, con base en los criterios de información Akaike y Bayesiano. Las curvas de crecimiento generadas con los modelos no lineales mixtos, presentaron buena capacidad predictiva.

LITERATURA CITADA

1 

Agudelo GA, Cerón MF, Restrepo BLF (2008) Modelación de funciones de crecimiento aplicadas a la producción animal. Revista Colombiana de Ciencias Pecuarias 20: 39-58.

A Agudelo G MF Cerón LF Restrepo B 2008Modelación de funciones de crecimiento aplicadas a la producción animalRevista Colombiana de Ciencias Pecuarias203958

2 

Arango JA, Van Vleck LD (2002) Size of beef cows: early ideas, new developments. Genetics and Molecular Research 1: 51-63.

JA Arango LD Van Vleck 2002Size of beef cows: early ideas, new developmentsGenetics and Molecular Research15163

3 

Balzarini M, Macchiavelli R, Casanoves F (2004) Aplicaciones de modelos mixtos en agricultura y forestería. Centro agronómico tropical de investigación y enseñanza - CATIE. Costa Rica. 189p.

M Balzarini R Macchiavelli F Casanoves 2004Aplicaciones de modelos mixtos en agricultura y foresteríaCentro agronómico tropical de investigación y enseñanza - CATIECosta Rica189

4 

Blasco A (1999) La descripción del crecimiento. Informe técnico ocasional No 6. Departamento de ciencia animal. Universidad Politécnica de Valencia. Valencia, España. 20p.

A Blasco 1999La descripción del crecimiento. Informe técnico ocasional No 6Departamento de ciencia animal. Universidad Politécnica de ValenciaValencia, España20

5 

Burnham KP, Anderson DR (1998) Model selection and inference. Springer. London, UK. 38p.

KP Burnham DR Anderson 1998Model selection and inferenceSpringerLondon, UK38

6 

Burrow HM (2012) Importance of adaptation and genotype × environment interactions in tropical beef breeding systems. Animal 6: 729-740.

HM Burrow 2012Importance of adaptation and genotype × environment interactions in tropical beef breeding systemsAnimal6729740

7 

Ching-Fan S (2005) Using SAS PROC NLMIXED to fit item response theory models. Behavior Research Methods 37: 202-218.

S Ching-Fan 2005Using SAS PROC NLMIXED to fit item response theory modelsBehavior Research Methods37202218

8 

CONARGEN (2010) Guía técnica de programas de control de producción y mejoramiento genético en bovinos de carne. Consejo Nacional de los Recursos Genéticos Pecuarios. México, DF. 80p.

CONARGEN 2010Guía técnica de programas de control de producción y mejoramiento genético en bovinos de carneConsejo Nacional de los Recursos Genéticos PecuariosMéxico, DF80

9 

da Silva MKN, Ribeiro de FA, da Silva FAJ, Ferreira DFE (2013) Nonlinear models for fitting growth curves of Nellore cows reared in the Amazon Biome. Revista Brasileira de Zootecnia 42: 645-650.

MKN da Silva FA Ribeiro de FAJ da Silva DFE Ferreira 2013Nonlinear models for fitting growth curves of Nellore cows reared in the Amazon BiomeRevista Brasileira de Zootecnia42645650

10 

de Andrade SL, Novais CD, Souza CPL, Mendes MCH, Martins FR (2010) Curvas de crescimiento em bovinos de raça Indubrasil criados no Estado do Sergipe. Revista de Ciencias Agronómica 41: 671-676.

SL de Andrade CD Novais CPL Souza MCH Mendes FR Martins 2010Curvas de crescimiento em bovinos de raça Indubrasil criados no Estado do SergipeRevista de Ciencias Agronómica41671676

11 

de Lima SF, Mello de AM, Ribeiro de FA , Umberto PI, Barreto MG (2011) Curvas de crescimiento em vacas de corte de diferentes tipos biológicos. Pesquisa Agropecuaria Brasileira 46: 262-271.

SF de Lima AM Mello de FA Ribeiro de PI Umberto MG Barreto 2011Curvas de crescimiento em vacas de corte de diferentes tipos biológicosPesquisa Agropecuaria Brasileira46262271

12 

Espinoza VJL, Palacios EA, de Luna PR, Ávila SN, Guerra ID, González-Peña D, et al. (2007) Componentes de (co) varianza para caracteres de crecimiento y reproducción en ganado cebú en Cuba. Archivos de Zootecnia 56: 919-927.

JL Espinoza V A Palacios E PR de Luna N Ávila S D Guerra I D González-Peña 2007Componentes de (co) varianza para caracteres de crecimiento y reproducción en ganado cebú en CubaArchivos de Zootecnia56919927

13 

Espinoza-Villavicencio JL, Palacios-Espinoza A, Guerra-Iglesias D, González-Peña D , Ortega-Pérez R, Rodríguez-Almeida F (2008) Comparación de dos modelos para la estimación de parámetros y valores genéticos del peso en ganado cebú. Agrociencia 42: 29-36.

JL Espinoza-Villavicencio A Palacios-Espinoza D Guerra-Iglesias D González-Peña R Ortega-Pérez F Rodríguez-Almeida 2008Comparación de dos modelos para la estimación de parámetros y valores genéticos del peso en ganado cebúAgrociencia422936

14 

Guillén TA, Guerra ID, Ávila SN, González-Peña D , Palacios EA, de Luna PR , et al. (2011) Parámetros genéticos de rasgos de crecimiento en el ganado Cebú cubano. Revista Cubana de Ciencia Agrícola 45:117-120.

A Guillén T D Guerra I N Ávila S D González-Peña A Palacios E PR de Luna 2011Parámetros genéticos de rasgos de crecimiento en el ganado Cebú cubanoRevista Cubana de Ciencia Agrícola45117120

15 

Guillén TA, Guerra ID, Ávila SN, Palacios EA, Ortega PR, Espinoza VJL (2012) Parámetros y tendencias genéticas del peso al destete y a los 18 meses de edad en ganado Cebú bermejo de Cuba. Revista Mexicana Ciencias Pecuarias 3: 19-31.

A Guillén T D Guerra I N Ávila S A Palacios E R Ortega P JL Espinoza V 2012Parámetros y tendencias genéticas del peso al destete y a los 18 meses de edad en ganado Cebú bermejo de CubaRevista Mexicana Ciencias Pecuarias31931

16 

Goyache FM (2005) Crecimiento, consumo y medidas corporales. Estandarización de las metodologías para evaluar la calidad del producto (animal vivo, canal carne y grasa) en los rumiantes. Monografías INIA - Serie ganadera. Madrid, España. 14p.

FM Goyache 2005Crecimiento, consumo y medidas corporales. Estandarización de las metodologías para evaluar la calidad del producto (animal vivo, canal carne y grasa) en los rumiantesMonografías INIASerie ganaderaMadrid, España14

17 

IMRC (2015) Instituto de meteorología de la República de Cuba. Disponible: Disponible: http://www.met.inf.cu/ . Fecha de consulta 15 noviembre de 2015.

IMRC 2015Instituto de meteorología de la República de CubaDisponible: http://www.met.inf.cu/ 15 noviembre de 2015

18 

Köhn F, Sharifi AR, Simianer H (2007) Modeling the growth of the Goettingen minipig. Journal Animal Science 85: 84-92.

F Köhn AR Sharifi H Simianer 2007Modeling the growth of the Goettingen minipigJournal Animal Science858492

19 

Lawrence T, Fowler V (2002) Growth of farm animal. 2a ed. CAB International. London UK. 478p.

T Lawrence V Fowler 2002Growth of farm animal2CAB InternationalLondon UK478

20 

Lopes FB, da Silva MC, Marques GE, McManus CM (2012) Analysis of longitudinal data of beef cattle raised on pasture from northern Brazil using nonlinear models. Tropical Animal Health Production 44:1945-1951.

FB Lopes MC da Silva GE Marques CM McManus 2012Analysis of longitudinal data of beef cattle raised on pasture from northern Brazil using nonlinear modelsTropical Animal Health Production4419451951

21 

Menéndez BA, Guerra D, Planas T, Ramos F (2006) Factores que afectan el crecimiento de machos jóvenes de la raza Cebú en pruebas de comportamiento en condiciones de pastoreo. Revista Cubana de Ciencia Agrícola 40: 389-396.

A Menéndez B D Guerra T Planas F Ramos 2006Factores que afectan el crecimiento de machos jóvenes de la raza Cebú en pruebas de comportamiento en condiciones de pastoreoRevista Cubana de Ciencia Agrícola40389396

22 

Motulsky H, Christopoulos A (2003) Fitting models to biological data using linear and nonlinear regression. A practical guide to curve fitting. Graph Pad Software Inc. USA 351p.

H Motulsky A Christopoulos 2003Fitting models to biological data using linear and nonlinear regression. A practical guide to curve fittingGraph Pad Software IncUSA351

23 

Owens FN, Dubeski P, Hanson CF (1993) Factors that alter the growth and development of rumiants. Journal Animal Science 71: 3138-3150.

FN Owens P Dubeski CF Hanson 1993Factors that alter the growth and development of rumiantsJournal Animal Science7131383150

24 

Palacios-Espinoza A , Domínguez-Viveros J, Padrón-Quintero Y, Rodríguez-Castro M, Rodríguez-Almeida FA, Espinoza-Villavicencio JL , et al. (2016) Caracterización de la curva de lactancia de bovinos siboney con modelos no lineales mixtos. Revista Mexicana de Ciencias Pecuarias 7: 233-243.

A Palacios-Espinoza J Domínguez-Viveros Y Padrón-Quintero M Rodríguez-Castro FA Rodríguez-Almeida JL Espinoza-Villavicencio 2016Caracterización de la curva de lactancia de bovinos siboney con modelos no lineales mixtosRevista Mexicana de Ciencias Pecuarias7233243

25 

Paro de PCC, Umberto PI , Ribeiro de FA , Tambasco-Talhari D, de Almeida RLC, Mello de AM , et al. (2004) Ajuste de modelos não-lineares em estudios de associação entre polimorfismos genéticos e crecimiento em bovinos de corte. Revista Brasileira de Zootecnia 33: 1416-1425.

CC Paro de P PI Umberto FA Ribeiro de D Tambasco-Talhari RLC de Almeida AM Mello de 2004Ajuste de modelos não-lineares em estudios de associação entre polimorfismos genéticos e crecimiento em bovinos de corteRevista Brasileira de Zootecnia3314161425

26 

Posada OS, Rosero NR, Rodríguez N, Acosta A (2011) Estimación de parámetros de curvas de crecimiento de ganado Nellore criado en confinamiento. Revista MVZ Córdoba 16: 2701-2710.

S Posada O R Rosero N N Rodríguez A Acosta 2011Estimación de parámetros de curvas de crecimiento de ganado Nellore criado en confinamientoRevista MVZ Córdoba1627012710

27 

Ratkowsky DA (1990) Handbook of nonlinear regression models. Marcel Dekker. New York, EUA. 350p.

DA Ratkowsky 1990Handbook of nonlinear regression modelsMarcel DekkerNew York, EUA350

28 

Santoro KG, Paes BSB, de Albuquerque BLH, de Souza SE (2005) Estimativas de parâmetros de curvas de crecimiento de bovinos zebu, criados no Estado de Pernambuco. Revista Brasileira de Zootecnia 34:2262-2279.

KG Santoro BSB Paes BLH Albuquerque SE de Souza 2005Estimativas de parâmetros de curvas de crecimiento de bovinos zebu, criados no Estado de PernambucoRevista Brasileira de Zootecnia3422622279

29 

SAS (2005) Statistic Analysis System. User´s Guide: Statistics (version 9.0). SAS Institute Inc. Cary NC, USA.

SAS 2005Statistic Analysis SystemUser´s Guide: Statistics (version 9.0)SAS Institute IncCary NC, USA

30 

Sofaer HR, Phillip L, Chapman T, Scott S, Cameron K (2013) Advantages of nonlinear mixed models for fitting avian growth curves. Journal of Avian Biology 44: 469-478.

HR Sofaer Phillip L Chapman Scott S T K Cameron 2013Advantages of nonlinear mixed models for fitting avian growth curvesJournal of Avian Biology44469478

31 

Thornley J, France J (2007) Mathematical models in agriculture, quantitative methods for plant, animal and ecological sciences. 2a Ed. CAB International, London UK. 845p.

J Thornley J France 2007Mathematical models in agriculture, quantitative methods for plant, animal and ecological sciences2CAB InternationalLondon UK845

32 

Torres V, Barbosa I, Meyer R, Noda A, Sarduy L (2012) Criterios de bondad de ajuste en la selección de modelos no lineales en la descripción de comportamientos biológicos. Revista Cubana de Ciencia Agrícola 46: 345-350

V Torres I Barbosa R Meyer A Noda L Sarduy 2012Criterios de bondad de ajuste en la selección de modelos no lineales en la descripción de comportamientos biológicosRevista Cubana de Ciencia Agrícola46345350

33 

Wolfinger RD (1999) Fitting nonlinear mixed models with the new NLMIXED procedure. SAS Users Group International Conference 24: 278-284.

RD Wolfinger 1999Fitting nonlinear mixed models with the new NLMIXED procedureSAS Users Group International Conference24278284

34 

Zheng M (2010) Fitting linear and nonlinear growth curve models using PROC NLMIXED. SAS Statistic and data analysis. Los Ángeles, EUA. 125p.

M Zheng 2010Fitting linear and nonlinear growth curve models using PROC NLMIXEDSAS Statistic and data analysisLos Ángeles, EUA125

35 

Zucchini W (2000) An introduction to model selection. Journal Mathematic Psychology 44: 41-61

W Zucchini 2000An introduction to model selectionJournal Mathematic Psychology444161



This display is generated from NISO JATS XML with jats-html.xsl. The XSLT engine is libxslt.



ECOSISTEMAS Y RECURSOS AGROPECUARIOS(ECOSYSTEMS AND AGRICULTURAL RESOURCES), Year 6, Issue 16, January-April 2019, is a triannual journal edited, published and distributed by the Universidad Juárez Autónoma de Tabasco, Av. Universidad s/n, Zona de la Cultura, Col. Magisterial, Villahermosa, Centro, Tabasco, CP. 86040, Tel (993) 358 15 00, www.ujat.mx, era@ujat.mx., era@ujat.mx. Editor-in-chief: Efraín de la Cruz Lázaro. Copyright No. 04-2013-120514213600-203, ISSN: 2007-901X, both granted by the Instituto Nacional del Derecho de Autor (National Institute of Copyright), with certificate of title and content No. 16540 granted by the Secretaría de Gobernación(Ministry of the Interior). Individual responsible for the last update of this issue was journal Editorial Assistant Lic. Misael Hernández Martínez, Av. Universidad s/n, Zona de la Cultura, Col. Magisterial, Vhsa, Centro, Tabasco, Mex. C.P. 86040; date of last modification, December 31, 2018.

The opinions expressed by the authors do not necessarily reflect the position of the publisher.

The total reproduction of the articles is authorized, provided that the author and the journal Ecosistemas y Recursos Agropecuariosare mentioned or cited.

 

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

 

 

Flag Counter