Resumen:
La competitividad del sector productivo ovino depende de la estandarización de la oferta de carne, en cuanto a calidad se refiere, para ello es importante implementar herramientas que permiten estimar las características y composición de las canales a partir del comportamiento productivo, como son los modelos de predicción. En esta investigación se emplearon los datos de 580 ovinos machos de seis genotipos, Suffolk, Hampshire, Katahdin, Ramboulliet, Dorper y Dorset, producidos bajo condiciones similares en sistema intensivo y alimentados con dietas altas en concentrado. Esta base fue analizada y depurada, con el objetivo de que la información fuera homogénea respecto a las variables, lo que resultó en 175 observaciones. Se obtuvieron los estadísticos descriptivos para observar las distribuciones, momentos y sesgo de las variables, se realizaron los análisis de correlación, regresión lineal múltiple, regresión sobre componentes principales, regresión cuantílica y correlaciones canónicas no lineales. Lo que permitió obtener ecuaciones de predicción para las características de la canal, a partir de peso vivo inicial (PVI), peso vivo final (PVF), ganancia diaria de peso (GDP), ganancia de peso total (GPT), consumo de materia seca (CMS), eficiencia alimenticia (EF), conversión alimenticia (CA) y peso al sacrificio (PS). La regresión lineal múltiple logró predecir peso de la canal caliente (PCC) (R2=0.55), peso de la canal fría (PCF) (R2=0.76), perímetro de grupa (PG) (R2=0.46), ancho de grupa (AG) (R2=0.45), profundidad de tórax (PT) (R2=0.66) e índice de compacidad (IC) (R2=0.56); a través de la regresión sobre componentes principales se obtuvieron las ecuaciones para PCC (R2=0.58), PCF (R2=0.77), PG (R2=0.53), PT (R2=0.67) e IC (R2=0.60); la regresión cuantílica permitió estimar 8 modelos con pseudo R2 ≥ 0.21, de 3 variables relacionadas con el peso (PCC, PCF e IC) y 5 con morfometría (LC, PG, AG, AP y PT); por último la correlación canónica permitió agrupar en dos dimensiones a las variables y observar gráficamente que a mayor ganancia de peso total durante la crianza y engorda de los ovinos, mayor PT tendrá la canal; así mismo, PVF, PCC, PCF y PS están altamente correlacionadas; por último, los animales con adecuado PVI pueden presentar una elevada GDP lo cual se traducirá en la posible presentación de canales con buen ACH. Se concluye que: a) los distintos métodos de estimación permitieron ajustar ecuaciones para variables de rendimiento de la canal en términos de pesos posteriores a la matanza, y calidad de la canal, ambos relacionados con la CONFS y Geng; b) el método de regresión lineal múltiple mostró que las variables ante mortem y postmortem presentan distinto grado de autocorrelación, dependencia y multicolinealidad; c) el método de regresión de componentes principales combinado con el método mínimos cuadrados parciales aumentaron el coeficiente de determinación de las variables de PCC, PCF, PG, PT e IC, d) el método de regresión cuantílica evidencio distinto grado de ajuste entre cuartiles para todas las variables, siendo significativo e importante en PCC, PCF, PT e IC; y d) se observó fuerte correlación canónica entre variables antemortem y postmortem, donde PVF y PS son las variables antemortem de mayor importancia, mientras que dentro del grupo de variables postmortem fueron PCC y PT para la primera dimensión de la correlación canónica. Finalmente, para la segunda dimensión de la correlación canónica, las variables de mayor importancia fueron PVI, GDP para las variables antemortem, mientras que ACH y PT para variables postmortem.