Bayesian analysis for comparison of nonlinear regression model parameters: an application to ruminal degradability data Metodologia Bayesiana para comparação de parâmetros de modelos de regressão não-linear: uma aplicação a dados de degradabilidade ruminal

This paper shows the Bayesian approach as an alternative to the classical analysis of nonlinear models for ruminal degradation data. The data set was obtained from a Latin square experimental design, established for testing the ruminal degradation of dry matter, crude protein and fiber in neutral detergent of three silages: elephant grass (Pennisetum purpureum Schum) with bacterial inoculant or enzyme-bacterial inoculant and corn silage (Zea mays L.). The incubation times were 0, 2, 6, 12, 24, 48, 72 and 96 hours. The parameter estimates of the equations fitted by both methods showed small differences, but by the Bayesian approach it was possible to compare the estimates correctly, that does not happen with the frequentist methodology because it is much more restricted in the applications due to the demand for a larger number of presuppositions.<br>Neste trabalho a abordagem Bayesiana é apresentada como alternativa à abordagem clássica na modelagem não-linear de dados de degradação ruminal. Foram utilizados dados provenientes de um experimento em delineamento quadrado latino para avaliar a degradabilidade da matéria seca, da proteína bruta e da fibra em detergente neutro de três silagens: silagem de capim-elefante (Pennisetum purpureum Schum) com inoculante bacteriano, com inoculante enzimo-bacteriano e silagem de milho (Zea mays L.), nos tempos de incubação: 0, 2, 6, 12, 24, 48, 72 e 96 horas. Obtidas as estimativas dos parâmetros do modelo ajustado, pelos dois métodos, observou-se que não há diferenças marcantes entre as mesmas para nenhuma das variáveis estudadas. No entanto, por meio da metodologia Bayesiana, foi possível comparar as estimativas dos parâmetros para cada tratamento, o que não ocorre com a metodologia frequentista, por ser muito mais restrita nas aplicações devido à exigência de maior número de pressuposições.