Esta tese foi desenvolvida a partir de quatro estudos. O primeiro estudo teve por objetivo avaliar o uso da abordagem de modelos não lineares mistos na comparação de curvas de crescimento de dois genótipos de caprinos leiteiros (Alpina e Sannen). Os modelos não lineares avaliados foram Brody, Von Bertalanffy, Richards, Logístico e Gompertz. Efeitos aleatórios (u1, u2 e u3) foram vinculados aos parâmetros que representam o peso assintótico (β1), constante de integração (β2) e taxa de crescimento (β3), respectivamente. Quatro combinações de efeitos aleatórios foram avaliadas, além da abordagem tradicional considerando todos os parâmetros da função fixos. Uma correlação dos erros foi identificada a partir da analise de resíduos e uma modelagem da estrutura do erro foi necessária. A função de Richards (u1 e u3) com uma estrutura de erro do tipo SP(MATERN) apresentou melhor ajuste. Existe diferença no padrão de crescimento para os dois genótipos avaliados. A metodologia de modelos não lineares mistos é uma eficiente ferramenta para lidar com características intrínsecas de curvas de crescimento como correlação de erros e heterogeneidade de variância. O segundo estudo foi realizado com o objetivo de estudar a estratificação da fibra no rúmen e desenvolver uma abordagem matemática para estimação do tempo médio de retenção (TMR) de concentrados e forragens no rúmen de caprinos que considerasse tal estratificação. Para isto, um banco de dados que continha informações a respeito do consumo e da massa ruminal de NDF e lignina, bem como informações a respeito da cinética de passagem de forragem e concentrados através de indicadores foi montado. Utilizaram-se os pressupostos do Teste de Lucas para identificar compartimentos heterogêneos para a fibra e lignina no rúmen. Foi utilizada regressão stepwise para identificar variáveis preditoras significativas, posteriormente, uma metanálise foi realizada de forma a retirar o efeito de experimento na regressão. Foi realizada também uma avaliação da relação entre taxa de passagem de volumoso e concentrado através de simulação de Monte Carlo. A abordagem de um único compartimento ruminal para lignina não se aplica, uma vez que foi detectada uma significativa (intercepto ≠ 0) porção metabólica para tal entidade. A regressão ixstepwise para estimativa do TMR para forragens considerando os dois compartimentos ruminais rendeu um coeficiente de determinação aproximado (R2) e uma raiz do quadrado médio do erro (RQME) de 0.53 e 9.78 h, respectivamente e para concentrado de 0.49 e 5.86 h, respectivamente. A taxa de passagem de forragens e concentrado em caprinos é relacionada. A estratificação da fibra ruminal deve ser assumida quando cabras são alimentadas com altos conteúdos de fibra. O terceiro estudo teve por objetivo avaliar a inserção das equações anteriormente desenvolvidas em um modelo nutricional mecanicista para caprinos (Small Ruminant Nutrition System SRNS) e comparar com a atual abordagem de um único compartimento de fibra ruminal. Além disso, uma abordagem alternativa para estimação do consumo de matéria seca (CMS) foi avaliada. Um banco de dados (n = 327) que continha informações necessárias para as predições foi levantado. As variáveis avaliadas predição do consumo de energia metabolizável (CEM) e produção de leite (PL). A abordagem alternativa para estimação do consumo de matéria seca é baseada em métodos de otimização. O CMS estimado desta forma foi comparado com CMS do observado no banco de dados. O modelo adotando o compartimento heterogêneo de fibra ruminal teve o mesmo poder de predição da abordagem considerando um único compartimento, entretanto, ambos os cenários apresentaram um viés médio ao estimar a produção de leite. O CMS estimado pelo o método alternativo apresentou boas estimativas e pode ser utilizado em formulação de rações para ruminantes. É necessário o desenvolvimento de um submodelo que considere a mobilização de reservas corporais a ser introduzido no SRNS de forma a tornar as predições de PL mais verossímil. O quarto estudo teve por objetivo comparar dois sistemas que são usados para determinar a cinética de fermentação de alimentos para ruminantes através da técnica de produção de gases in vitro. Os sistemas avaliados foram o ANKOMRF Gas Production Systems® (aIVGP) que utiliza um sistema se fio; e o outro foi sistema foi o descrito por Pell e Schofield (1993) (tIVGP). As variáveis utilizadas para comparar os sistemas foram a concentração de hidrogênio e metano no gás acumulado, o pH da solução após a fermentação, o total de gás produzido e a taxa de produção de gás. Não foi encontrado significativa concentração de hidrogênio no tIVGP, portanto não foi comparado entre os sistemas. Os sistemas apresentam similares resultados para produção total de gás, concentração de metano e pH da solução, entretanto, as taxas de produção de gás foram diferentes. Os resultados sugerem que os sistemas apresentam similar padrão de fermentação. A diferença na taxa de produção de gás pode se dar devido a diferentes composições iniciais na fase gasosa dos sistemas.Conselho Nacional de Desenvolvimento Científico e TecnológicoThis thesis was composed of four studies. The first study aimed to use nonlinear mixed-model methodology to compare the growth curves of two dairy goat genotypes (Alpine and Saanen). The nonlinear functions evaluated included the Brody, Von Bertalanffy, Richards, Logistic, and Gompertz functions. First, the random effects u1, u2, and u3 were linked to the asymptotic body weight (β1), constant of integration (β2), and rate constant of growth (β3) parameters, respectively. In addition to a traditional fixed- effects model, we evaluated four combinations of models using random variables. Second, we refined the fit of the best adjusted model by using the power variance and modeling the error structure. The Richards (u1 and u3) function had the best fit to the data. Different Richards growth-curve parameters should be used for the predominantly Alpine and Saanen genotypes. The nonlinear mixed-model methodology is an efficient tool to address growth-curve features. The second study aimed to evaluate rumen-fiber stratification and to develop a mathematical approach for predicting the mean retention time (MRT) of forage and concentrates considering this stratification for goats. A dataset from three studies was used that contained information regarding fiber and lignin intake as well as rumen content and the kinetics of fiber passage for forage and concentrates. The heterogeneous fiber pools in the rumen were evaluated using the Lucas test assumptions. The equations used to predict the MRT for forage and concentrate fiber were developed using stepwise regression. A sensitivity analysis was conducted using a Monte Carlo simulation to investigate the relationships between the dependent and independent variables and between the forage- and concentrate-passage rates. The homogeneous fiber- pool approach could not be applied once that was detected a metabolic portion (intercept ≠ 0) for lignin content. The stepwise regression model for MRT for forage estimation had an approximate coefficient of determination and a root mean square error (RMSE) for the forage of 0.53 and 9.78 h, respectively, and for the concentrate of 0.49 and 5.86 h, respectively. The rates of passage of forage and concentrate in goats overlap and are closely related. A heterogeneous rumen fiber pool should be assumed for goats fed diets with high fiber contents. The objectives of the third study were to evaluate the use of the viiequations previously estimated in a mechanistic nutritional model for goats (Small Ruminant Nutrition System SRNS) and to compare with the homogeneous fiber-pool approach adopted currently. Moreover, an alternative approach to predict the dry matter intake (DMI) based on optimization process was evaluated. The metabolizable energy intake (MEI) and milk yield (MY) estimated using these scenarios were compared with the results of an independent dataset (n = 327). The alternative method to estimate DMI was compared with the results observed in the independent dataset. The evaluated scenarios presented the same ability to predict the MEI and MY. However, both of the scenarios presented a mean bias in the MY prediction. The alternative approach to estimate the DMI is reasonable and can be used to formulate diets. It is necessary to develop a submodel that accounts for tissue mobilization to be inserted in the SRNS model. The fourth experiment aimed to compare two computerized systems used for determining the fermentation kinetics, through pressure sensors, of in vitro anaerobic gas incubation of feedstuffs commonly fed to ruminant animals. The evaluated systems were the ANKOMRF Gas Production Systems® (aIVGP), which uses a wireless system, and the in vitro anaerobic fermentation system (tIVGP) as described by Pell and Schofield (1993). The total gas production, fractional production rate of gas, pH of the solution, and hydrogen and methane concentrations in the bottle s headspace were used to compare the systems. A significant concentration of hydrogen was not found in the headspace of the tIVGP. The IVGP systems had similar values for total gas production, methane concentration, and solution pH. However, the estimated values of the fractional production rate of gas were different. The results suggest that both of the IVGP systems had similar fermentation patterns. The difference in the fractional production rate of gas between these IVGP systems may be due to differences in the headspace gas composition.