English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Objetivou-se com este trabalho apresentar uma metodologia de identificação e modelagem da autocorrelação residual considerando ajustes individuais do modelo de Wood às lactações de cabras leiteiras e também avaliar a influência de tal modelagem na qualidade do ajuste. O modelo de Wood foi ajustado individualmente às lactações, considerando três estruturas residuais. Na primeira, assumiu-se independência dos erros (EI) para todas as lactações, na segunda, assumiu-se a estrutura de erros autoregressivos de primeira ordem (AR1) para todas as lactações e, na terceira, nomeada por EI-AR1, foi utilizada a estrutura de erros AR1 somente para as lactações que apresentaram autocorrelação residual, segundo o teste de Durbin-Watson, e de EI para as demais. As três situações de ajuste foram comparadas pelos percentuais de convergência e pelas médias dos quadrados médios dos erros (QME) e dos coeficientes de determinação ajustados (R²aj). As médias dos QME e dos R²aj apresentaram valores semelhantes nas três situações de estrutura residual. No entanto, o modelo com estrutura EI-AR1 apresentou maior convergência, o que consiste em uma vantagem, já que permite que um maior número de animais seja avaliado quanto à sua curva de lactação. Portanto, em função da maior convergência obtida, o ajuste do modelo de Wood com a estrutura EI-AR1 consiste na opção mais indicada para grandes conjuntos de dados. The objective of this research was to present a methodology for identification and modeling of residual autocorrelation considering individual adjustments of the Wood's model to lactation dairy goats and evaluate the influence of such modeling in the quality of adjustment. The Wood's model was adjusted individually for lactations in three different ways, the first have assumed independence of errors (IE) for all lactations, the second have assumed autoregressives first order errors (AR1) for all lactations and the third, named (IE-AR1), was used the AR1 errors structure only for lactations that showed residual autocorrelation according to Durbin-Watson test, and the IE errors structure for the other lactations. The three ways of adjustment were compared by the percentage of convergence and the average of the mean square errors (MSE) and coefficients of determination adjusted (R²adj). The average of MSE and R²aj were very similar in the three cases of residual structure. However, the model with IE-AR1 residual structure showed a higher rate of convergence, which is an advantage, as it allows a greater number of animals are evaluated for their lactation curve. Therefore, due to the increasing convergence obtained, the fit of the Wood's model with IE-AR1 residual structure is the option most suitable for large data sets

Identificação e modelagem da autocorrelação residual no ajuste do modelo de Wood às curvas de lactação de cabras