RESUMOObjetivou-se com este trabalho descrever as medidas biométricas de cordeiros lactantes da raça Santa Inês criados em condições amazônicas; estabelecer relação entre a idade e as medidas corporais; bem como correlacionar essas medidas biométricas com o peso corporal. Utilizaram-se 75 animais criados em sistema semi-intensivo, submetidos a mensurações do peso corporal (PC), comprimento corporal (CC), altura do anterior (AA) e do posterior (AP), perímetro torácico (PT), largura da garupa (LG) e do peito (LP), comprimento da perna (CP), perímetro da perna (PP) e compacidade corporal (COMPC), ao nascer e aos 15, 30, 45 e 60 dias de idade. Somente as medidas LG e PP demonstraram regressões com R 2 abaixo de 0,70 em relação à idade dos cordeiros. Todas as medidas corporais utilizadas nesta pesquisa, individualmente, demonstraram r positivo com o peso corporal. As variáveis biométricas que melhor compuseram a equação de predição do peso dos cordeiros utilizados neste estudo foram CC, AP, PT, LG e PP. Concluiu-se que a idade de cordeiros pode ser utilizada como preditora do peso e de algumas medidas biométricas corporais e que o peso pode ser estimado por meio de algumas medidas biométricas. Palavras-chave: ovinocultura, produtividade, medidas corporais, predição ABSTRACT This study aimed to 1) describe the biometric measurements of Santa Inês lambs until weaning, when raised in the Amazonia conditions; 2) establish the relationship between age and body measurements; and 3) correlate these biometric measurements to body weight. 75 animals submitted to semi-intensive breeding were used, and underwent measurements of body weight (BW), body length (BL), height of the forelimb (HF) and hindlimb (HH), thoracic perimeter (TP), width of rump (WR) and chest (WC), length of leg (LL), perimeter of leg (PL)and more body compacity (COMP), at birth and at 15, 30, 45

Este artigo descreve uma metodologia para obtenção deárvores de decisão para previsão do peso de abate com base em variáveis de cria em bovinos. Para tal, procedeu-se a tarefas de mineração de dados com classificação após pré-processamento com discretização dos atributos numéricos por descoberta de agrupamentos. Os resultados obtidos mostraram que a descoberta de agrupamentos como forma de discretização pode gerar classes com balanceamento de melhor qualidade em comparação ao método tradicional, permitindo a indução de modelos utilizáveis em problemas reais.