Foram utilizados 9.374 registros semanais de produção de leite de 302 primeiras lactações de cabras da raça Alpina. A produção de leite no dia do controle foi analisada por meio de um modelo animal, unicarater, de regressão aleatória, em que as funções de covariâncias para os componentes genéticos aditivos e de ambiente permanente foram modeladas por meio das funções de Wilmink, Ali e Schaeffer e por polinômios ortogonais, em uma escala de Legendre de ordens cúbica e quíntica. Assumiu-se, ainda, variância residual homogênea durante toda a lactação e heterogênea com três e quatro classes de variância residual. Os modelos foram comparados pelo critério de informação de Akaike (AIC), pelo critério de informação Bayesiano de Schwar (BIC), pela função de verossimilhança (Ln L), pela visualização das estimativas de variâncias genéticas, de ambiente permanente, fenotípicas e residuais e pelas herdabilidades. O polinômio de Legendre de ordem quíntica, com quatro e três classes de variâncias residuais, e a função de Ali e Schaeffer, com quatro classes de variâncias residuais, foram indicados como os mais adequados pelo AIC, BIC e Ln L. Estes modelos diferiram na partição da variância fenotípica para as variâncias de ambiente permanente, genética e residual apenas no início e no final da lactação. Contudo, a função de Ali e Schaeffer resultou em estimativas negativas de correlação genética entre os controles mais distantes. O polinômio de Legendre de ordem quíntica, assumindo variância residual heterogênea, mostrou-se mais adequado para ajustar a produção de leite no dia do controle de cabras da raça Alpina. ; Data consisting of 9,374 test day milk yield records from 302 first lactations of Alpina goats were analyzed by random regression models using the Wilmink and Ali and Schaeffer functions and Legendre orthogonal polynomials of third and fifth orders. Models including animal additive genetic, permanent environmental and homogeneous or heterogeneous (three or four classes) residual random effects were compared by Akaike information criterion (AIC), Schwarz Bayesian information criterion (BIC), likelihood ratio test (Ln L), phenotypic, permanent environmental, genetic and residual variances and by heritability estimates. According to AIC, BIC and Ln L, Legendre orthogonal polynomial of fifth order with three or four residual classes and Ali and Schaeffer function with four residual classes were the best fitting models. These models differed by the partition of phenotypic, permanent environmental, genetic and residual variance estimates in the beginning and in the end of the lactation period. Genetic correlation estimates between milk yields in the beginning and in the end of lactation obtained by Ali and Schaeffer function were negative. Legendre polynomial of fifth order assuming heterogeneous residual variance was the best fitting model for test day milk yield of Alpina goats.