Explorar
Comunidades em Português
Anuncie na Engormix

Coeficiente medida precisão frangos

Avaliação do coeficiente de variação como medida da precisão em experimentos com frangos de corte

Publicado: 9 de março de 2011
Por: Paulo Lourenço Silva (Dr. em Ciências Veterinárias -UFLU); D.F. Mohallem, M. Tavares, E.C. Guimarães, R.F. Freitas
RESUMO
Estabeleceram-se faixas de coeficientes de variação (CV) que orientem a avaliação de determinadasvariáveis em pesquisas futuras. Foram coletados dados de CV de vários trabalhos publicados no Brasil,com ênfase em frangos de corte, abordando: ganho de peso, consumo de ração, conversão alimentar,mortalidade, viabilidade, peso vivo e rendimentos de carcaça, de peito, de pernas, de gordura abdominal,de asas e de dorso. Utilizou-se uma tabela que relaciona mediana (Md) e pseudo-sigma (PS) paraestabelecer os intervalos de CV de cada variável. O rendimento de gordura abdominal apresentou faixa devariação com maiores coeficientes de variação; para as demais variáveis, as faixas de classificação doscoeficientes de variação mostraram-se relativamente baixas.
Palavras-chave: frango de corte, estatística, coeficiente de variação, precisão, avicultura 
INTRODUÇÃO
O coeficiente de variação é uma medida de dispersão empregada para estimar a precisão de experimentos e representa o desvio-padrão expresso como porcentagem da média.Como medida de dispersão, a principal qualidade do CV é a capacidade de comparar resultados de diferentes trabalhos que envolvem a mesma variável-resposta, permitindo quantificar a precisão das pesquisas (Kalil, 1977; Garcia, 1989). O número de repetições, tamanho das parcelas, delineamento experimental, heterogeneidade do ambiente e a diversidade genética dos animais influem no erro experimental. Em igualdade de condições, é mais preciso o experimento com menor coeficiente de variação (Garcia, 1989). De acordo com Snedecor e Cochran (1980), a distribuição do CV possibilita estabelecer faixas de valores que orientem os pesquisadores sobre a validade de seus experimentos. 
Na pesquisa avícola, não há referencial de valoresd e CV que identifique faixas de classificação quanto a seu grau de precisão, a exemplo do que ocorre com dados agronômicos (Amaral et al.,1997; Costa et al., 2002; Lima et al., 2004) e mesmo na suinocultura (Judice et al., 1999). Gomes(1991) sugere o cálculo do índice de variação, que é a relação entre o CV e a raiz quadrada do número de repetições, entretanto este deve ser determinado individualmente para cada trabalho e depois ser comparado.Assim, fica evidente a necessidade de se estudar a distribuição dos valores de CV em pesquisas com aves, pois a maioria dos pesquisadores tem comparado os seus resultados com aqueles sugeridos por Gomes (1990). Essa classificação considera os coeficientes de variação como baixos quando inferiores a 10%, médios entre 10 e 20%, altos entre 20 e 30% e muito altos se superiores a30%; valores esses obtidos em experimentos de campo com culturas agrícolas e que, consequentemente, não devem ser aplicados à avicultura em que as condições experimentais são diferentes.Amaral et al. (1997) e Judice et al. (1999) sugerem verificar a normalidade da distribuição dos coeficientes de variação para encontrar as faixas de variabilidade. Entretanto, Costa et al. (2002), ao trabalharem com dados da cultura do arroz de terras altas, apresentaram um novo método de classificação dos coeficientes de variação que pode ser aplicado independentemente da distribuição dos valores de CV. Este método baseou-se no uso da mediana (Md) e do pseudo-sigma (PS), medidas, segundo Costa et al. (2002), mais resistentes que a média e o desvio-padrão. 
Quando os dados não têm distribuição normal, o uso do pseudo-sigma como uma medida de dispersão será mais resistente que o desvio padrão(s) clássico. Se os dados têm distribuição aproximadamente normal, o pseudo-sigmaproduz uma estimativa próxima de s, que é o desvio-padrão da amostra (Hoaglin et al., 1983;Blanxart et al., 1992). O objetivo deste trabalho foi avaliar a distribuição do CV em experimentos com frangos de corte, considerando suas principais variáveis-resposta, para estabelecer faixas de classificação que orientem o pesquisador com relação à precisão dos dados de sua pesquisa. 
MATERIAL E MÉTODOS
Foram tabulados coeficientes de variação dediversos trabalhos sobre frangos de cortepublicados no Arquivo Brasileiro de MedicinaVeterinária (1999 a 2006), Revista Brasileira deCiência Avícola (2000 a 2005) e Revista Brasileirade Zootecnia (2000 a 2006). Selecionaram-se asvariáveis que ocorreram com maior freqüência nosartigos, quais sejam: ganho de peso, consumo deração, conversão alimentar, mortalidade,viabilidade, peso vivo, rendimento de carcaça,rendimento de peito, rendimento de pernas (coxas esobrecoxas), rendimento de gordura abdominal,rendimento de asas e rendimento de dorso.Neste trabalho, não foram especificados osdelineamentos experimentais, considerando aconclusão de Estefanel et al. (1987), segundo a qualtais aspectos não influenciaram significativamenteos valores de CV, pressupondo-se que a forma dedisposição da pesquisa visa, em princípio, atenuar apossibilidade do erro experimental. 
Para testar o ajuste dos dados à distribuiçãonormal, utilizou-se o método de Kolmogorov-Smirnov, modificado por Lilliefors (1967).Para cada variável-resposta, foram obtidos:maior valor, menor valor, amplitude, média,mediana, primeiro quartil, terceiro quartil,amplitude interquartílica e pseudo-sigma.As faixas de classificação foram definidas deacordo com o modelo proposto por Costa et al.(2002), que consideraram: baixo: CV ≤ (Md - PS),médio: (Md - PS) < CV ≤ (Md + PS), alto: (Md +PS) < CV ≤ (Md + 2PS), muito alto: CV > (Md +2PS), em que: Md =(Q1 + Q3)/2 é a mediana doscoeficientes de variação, Q1 e Q3 são o primeiro eterceiro quartis, respectivamente, os quaisdelimitam 25% de cada extremidade da distribuiçãoe PS = IQR/1,35 é o pseudo-sigma sendo IQR,amplitude interquartílica (IQR = Q3 - Q1), medidaresistente que indica o quanto os dados estãodistanciados da mediana.Sob a condição de normalidade, tem-se que 68,3%dos CV estão incluídos entre Md±1PS; 95,4% dosCV estão entre Md±2PS; e 99,7% dos CV estãoentre Md±3PS (Spiegel, 1993). Portanto, asfreqüências esperadas dos coeficientes de variaçãonas faixas de classificação definidas acimacorrespondem a: 15,9%, 68,3%, 13,6% e 2,3%,respectivamente. 
RESULTADOS E DISCUSSÃO
A aplicação do teste de normalidade de Lillieforsmostrou que somente as variáveis viabilidade,rendimento de gordura abdominal, rendimento deasas e rendimento de dorso tiveram distribuiçãonormal com 5% de significância.Nas Tab. 1 e 2, são apresentados os resultadosestatísticos obtidos a partir dos valores de CVencontrados na literatura.A variável mortalidade apresentou elevada variaçãoem seus CV, resultando em pseudo-sigma de 86,7%e amplitude de 453,2% (Tab. 1 e 2). Esses altosvalores devem-se à própria natureza da variável,que por ter um valor muito baixo sofre,proporcionalmente, grandes alterações compequenas mudanças absolutas. Os valoresencontrados para Md e PS de mortalidade tornarama faixa de classificação dos CV incoerente, nãosendo, portanto, estipulada. Por não ser umavariável com boa precisão (grande amplitude deCVs), seu uso não é aconselhável. Em seu lugar, éindicada a viabilidade que possui característicasmais estáveis, mostrando PS 1,4% e amplitude de8,3%, induzindo a menores chances de erroexperimental. 
Avaliação do coeficiente de variação como medida da precisão em experimentos com frangos de corte - Image 1
Avaliação do coeficiente de variação como medida da precisão em experimentos com frangos de corte - Image 2
Ganho de peso e conversão alimentarapresentaram amplitude de 29,7% e 28,3% (Tab.1), respectivamente, sendo esse elevado valoratribuível à grande diversidade de pesquisas,uma vez que não foram especificados osdelineamentos experimentais. Para ganho depeso, a média dos CV foi de 4,6% e, paraconversão alimentar, de 4,15%, evidenciandoque a ocorrência de coeficientes de variação altospara essas características não são comuns.Como demonstrado por sua média de CV (Tab.2), o rendimento de gordura abdominal é umavariável com comportamento diferente dasdemais. Exceção feita à mortalidade, por suascaracterísticas já comentadas, o rendimento degordura abdominal é a característica queapresentou o maior valor de CV máximo assimcomo o maior valor de CV mínimo (Tab. 1).Analisando-se a metodologia proposta por Costaet al. (2002), a Tab. 3 deve ser utilizada comoreferência pelo pesquisador para verificar se osresultados de CV obtidos estão, ou não, dentro deuma faixa esperada de valores. 
Avaliação do coeficiente de variação como medida da precisão em experimentos com frangos de corte - Image 3
Ao se compararem as faixas de classificaçãoencontradas (Tab. 3) com a proposta por Gomes(1990), na qual valores de CV menores que 10são considerados baixos, fica evidente adisparidade das informações. O rendimento decarcaça destaca-se como característica commenor mediana de CV (Tab. 2), o que reflete emsua faixa de classificação bastante estreita (Tab.3). O rendimento de gordura abdominal teve umafaixa classificação de CV próxima aopreconizado por Gomes em (1990). Excetuandoseo rendimento de gordura abdominal, para asdemais variáveis, um CV de 8,0% é consideradomuito alto, diferentemente do preconizado peloreferido autor.Gomes (1990) estipulou as faixas declassificação de CV com base em variáveisagronômicas, entretanto, na avicultura de corte,as variações não controladas, ou frutos do acaso,são relativamente menores que as encontradasnos experimentos agronômicos. Isso porque setrabalha com linhagens e híbridos, dentro de umambiente com certo grau de controle, esperandoalta homogeneidade. Portanto, essas faixasestipuladas por Gomes (1990), apesar de seremamplamente utilizadas como valores referenciais,induzem a um grande viés nas conclusões dosexperimentos na área de avicultura de corte.
CONCLUSÕES
As faixas de classificação dos coeficientes devariação encontradas para as variáveis analisadaspodem ser utilizadas como referência paradeterminar a precisão experimental. Oscoeficientes de variação em estudos com frangosde corte têm características próprias e diferemsignificativamente das faixas propostas porGomes (1990) para a maioria das variáveisanalisadas. As faixas de classificação doscoeficientes de variação mostraram-serelativamente baixas, indicando homogeneidadedas condições experimentais. 
REFERÊNCIAS BIBLIOGRÁFICAS
AMARAL, A.M.; MUNIZ, J.A.; SOUZA, M.Avaliação do coeficiente de variação comomedida da precisão na experimentação comcitros. Pesq. Agropecu. Bras., v.32, p.1221-1225,1997.BLANXART, M.F.; COSIALLS, L.S.; OLMOS,J.G. et al. Análisis exploratorio de datos: nuevastécnicas estadísticas. Barcelona: Promociones yPublicaciones Universitarias, 1992. 296p.COSTA, N.H.A.D.; SERAPHIN, J.C.;ZIMMERMANN, F.J.P. Novo método declassificação de coeficientes de variação para acultura do arroz de terras altas. Pesq. Agropecu.Bras., v.37, p.243-249, 2002.ESTEFANEL, V.; PIGNATARO, I.A.B.;STORCK, L. Avaliação do coeficiente devariação de experimentos com algumas culturasagrícolas. In: SIMPÓSIO DE ESTATÍSTICAAPLICADA À EXPERIMENTAÇÃOAGRONÔMICA, 2., 1987, Londrina. Anais...Londrina: UEL/RBRAS, 1987. p.115-131.GARCIA, C.H. Tabelas para classificação docoeficiente de variação. Piracicaba: IPEF, 1989.12p. (Circular técnica, 171).GOMES, F.P. Curso de estatística experimental.12.ed. São Paulo: Nobel, 1990. 467p.GOMES, F.P. O índice de variação, umsubstituto vantajoso do coeficiente de variação.Piracicaba: IPEF, 1991. 4p. (Circular técnica,178).HOAGLIN, D.C.; MOSTELLER, F.; TUCKEY,J.W. Understanding robust and exploratory dataanalysis. New York: J. Wiley, 1983. 477p.JUDICE, M.G.; MUNIZ, J.A.;CARVALHEIRO, R. Avaliação do coeficientede variação na experimentação com suínos.Cienc. Agrotec., v.23, p.170-173, 1999.KALIL, E.B. Princípios de técnica experimentalcom animais. Piracicaba: ESALQ/USP, 1977.210p.LILLIEFORS, H.W. On the Kolmogorov-Smirnov test for normality with mean andvariance unknown. J. Am. Stat. Assoc., v.62,p.399-402, 1967.LIMA, L.L.; NUNES, G.H.S.; BEZERRANETO, F. Coefficients of variation of somemelon yield components and fruit quality traits: aproposal for classification. Hortic. Bras., v.22,p.14-17, 2004.SNEDECOR, G.W.; COCHRAN, W.G.Statistical methods. 7.ed. Ames: The Iowa StateUniversity, 1980. 593p.SPIEGEL, M.R. Estatística. 3.ed. São Paulo:Makron Books, 1993. 643p. (Coleção Schaum). 
Tópicos relacionados
Autores:
Paulo Lourenço da Silva
Universidade Federal de Uberlândia - Brasil
Siga
Junte-se para comentar.
Uma vez que se junte ao Engormix, você poderá participar de todos os conteúdos e fóruns.
* Dados obrigatórios
Quer comentar sobre outro tema? Crie uma nova publicação para dialogar com especialistas da comunidade.
Criar uma publicação
Matemático Arturo Gómez
8 de marzo de 2011

Dois fenómenos que podem resultar úteis em este tipo de processos são a falta de normalidade e a grande dispersão verficadas em algumas variáveis.
Algumas vezes devem - se à propria natureza das variáveis em jogo, como no caso explicado da mortalidade, pois uma baixa probabilidade de ocorrencia afasta a distribuição da aproximação pela normal. Aliás, em variaveis análogas, usadas em teoría de risco e cálculos associados a seguros, emplean -se distribuições assimétricas, como pareto, exponencial e gamma.

Outras vezes, isto deve - se a presencia de valores extremos ou outliers,o que é corrigido em primeira instancia com o uso de estatísticos rouustos como a mediana e o seudosigma, que não dependem de quánto se afastem esses valores.

Finalmente, a mixtura de mais de uma população (tipo frangos de razas diferentes) no mesmo grupo de dados da uma distribuição multimodal, com os dados concentrandose em mais de um rango de valores..

O estudo das distribuições empíricas (histogramas dos dados) e dos valores extremos é uma valiosa fonte de informação para refinar os modelos, o processo de colheita de dados, ou descobrir causas que descontrolem a variabilidade dos processos
Arturo Gómez

Profile picture
Autor
8 de marzo de 2011

Dois fenómenos que podem resultar úteis em este tipo de processos são a falta de normalidade e a grande dispersão verficadas em algumas variáveis.
Algumas vezes devem - se à propria natureza das variáveis em jogo, como no caso explicado da mortalidade, pois uma baixa probabilidade de ocorrencia afasta a distribuição da aproximação pela normal. Aliás, em variaveis análogas, usadas em teoría de risco e cálculos associados a seguros, emplean -se distribuições assimétricas, como pareto, exponencial e gamma.

Outras vezes, isto deve - se a presencia de valores extremos ou outliers,o que é corrigido em primeira instancia com o uso de estatísticos rouustos como a mediana e o seudosigma, que não dependem de quánto se afastem esses valores.

Finalmente, a mixtura de mais de uma população (tipo frangos de razas diferentes) no mesmo grupo de dados da uma distribuição multimodal, com os dados concentrandose em mais de um rango de valores..

O estudo das distribuições empíricas (histogramas dos dados) e dos valores extremos é uma valiosa fonte de informação para refinar os modelos, o processo de colheita de dados, ou descobrir causas que descontrolem a variabilidade dos processos.

Cidinei Trajano Silva
24 de febrero de 2011

boa noite, sou cidinei trajan silva (UFPB) parabéns pelo trabalho publicado! realmente nas pesquisas avícolas tem se buscado diminuir ao máximo o CV, por varios motivos, (homogeneidade, frangos genética, galpões, experimentais,etc), ja citado acima. para falar uma um exemplo de um trabalho ainda não publicado nosso(UFPB/Bananeiras-PB), quando aumentamos o numero de aves por parcela e diminuindo o numero de repetições por cada tratamento esse indici de CV te diminuindo muito. 


e tenho uma pergunta sobre os coeficientes de variações com as analise intestinais (figado, moela, gordura abdominal), esse CV realmente é muito alto. o que vc sugere para que poçamos diminuir esse CV.??

grato até logo

Junte-se à Engormix e faça parte da maior rede social agrícola do mundo.
Iniciar sessãoRegistre-se