APLICACIN DE LOS MODELOS LINEAL, EXPONENCIAL Y GAMMA DE WOOD EN LA CARACTERIZACIN DE CURVAS DE LACTANCIA EN GANADO LECHERO EN EL TROPICO

M.V. Spiridione Mauricio Puzzar Quintero

UNIVERSIDAD CENTROCCIDENTAL "LISANDRO ALVARADO"

TARABANA, 2000

APLICACIN DE LOS MODELOS LINEAL, EXPONENCIAL Y GAMMA DE WOOD EN LA CARACTERIZACIN DE CURVAS DE LACTANCIA EN GANADO LECHERO EN EL TROPICO

Por

M. V. Spiridione Mauricio Puzzar Quintero

Trabajo de Ascenso presentado para optar a la categora de Profesor Asistente en el escalafn del Personal Docente y de investigacin

UNIVERSIDAD CENTROCCIDENTAL "LISANDRO ALVARADO"

TARABANA,2000

APLICACIN DE LOS MODELOS LINEAL, EXPONENCIAL Y GAMMA DE WOOD EN LA CARACTERIZACIN DE CURVAS DE LACTANCIA EN GANADO LECHERO EN EL TROPICO

Por

M. V. Spiridione Mauricio Puzzar Quintero

TRABAJO APROBADO

______________________

______________________

______________________

TARABANA, 2000

DEDICATORIA

A la memoria de Stefano Puzzar Soric

AGRADECIMIENTO

A M.V. Hermes Bravo Brito, Tutor Acadmico, por su confianza y apoyo. A M.V. Adolfo Hernndez por su consejo oportuno. A la Asociacin de Ganaderos de Aroa.

APLICACIN DE LOS MODELOS LINEAL, EXPONENCIAL Y GAMMA DE WOOD EN LA CARACTERIZACIN DE CURVAS DE LACTANCIA EN GANADO LECHERO EN EL TROPICO

M. V. Spiridione Mauricio Puzzar Quintero RESUMEN Conocer el comportamiento de la produccin de leche, a travs del tiempo en que transcurre la lactancia, es importante para mejorar la planificacin de la finca, las prcticas de alimentacin y seleccin gentica, as como la descripcin matemtica de un sistema ganadero, para tal fin los estudiosos de la produccin de leche han utilizado modelos matemticos en los pases templados. En las regiones tropicales a pesar del uso de los modelos matemticos, no se cuenta con criterios definidos para la aplicacin de los mismos en la caracterizacin de la curva de lactancia. En esta investigacin se describen tres de estos modelos: Lineal, Exponencial y el modelo de Wood (funcin Gamma incompleta), en sus principios, componentes y la forma de uso matemtico. Para proponer alguno de ellos, se aplicaron estos modelos a los datos suministrados por la Asociacin de Ganaderos de Aroa, estos se agruparon por lactancias en cuatro grupos. Para los clculos se utilizaron los datos globales por mes de produccin y los promedio del mes de produccin por lactancias; al aplicarle el PROC GLM del SAS, se encontraron los siguientes resultados para los modelos bajo estudio: Lineal (94% de ajuste), Exponencial (94,9% de ajuste) y Wood (99,6% de ajuste). Por justificacin terica el r2 ser el criterio para seleccionar el modelo a aplicar, y los datos deben ser utilizados en promedios mensuales, con estas consideraciones para los animales mestizos Pardo Suizo de Aroa, debe usarse en la caracterizacin y calculo de su curva de lactacin, el modelo del Wood (0,996 de r2).

vi

INDICE Pg.

vii

I. INTRODUCIN

Investigadores en produccin de leche de diversos pases, han utilizado diferentes modelos matemticos, para tratar de explicar la mayor proporcin de las variaciones observadas en el transcurso de los das de produccin. Los resultados encontrados permiten estimar a travs de la ecuacin de prediccin, el desempeo productivo de cualquier animal en el rebao, ayudando de esta manera a tomar decisiones de tipo gerencial y a conocer las variables que se deben controlar para mejorar el proceso productivo del hato.

Un modelo, es la representacin matemtica de la realidad, ste se encuentra compuesto por diferentes variables e interacciones posibles entre ellas, para su aplicacin en la produccin pueden intervenir un sin nmero de variables entre ellas: la raza, la poca del ao, el nmero de lactancia, la cantidad de das secos, la cantidad de das en produccin, la produccin total por lactancia, entre otras.

Estos modelos persiguen describir la variabilidad del evento o situacin bajo estudio, disminuyendo as los componentes no explicables del mismo a travs de un diseo apropiado, es decir, logra explicar con los resultados obtenidos en el modelo las variaciones observadas en los eventos naturales, se espera de esta

manera predecir con un porcentaje de exactitud alto la produccin de leche (y i) de cualquier animal (xj) en cualquier mes de produccin (xk).

a. Planteamiento del problema La poca adaptabilidad de las razas europeas a las condiciones del trpico, y la imposibilidad de lograr en este ganado rendimientos similares a los obtenidos en sus pases de origen, cre la necesidad de evaluar su adaptabilidad y desempeo en el medio tropical, partiendo as por la caracterizacin inicial de las curvas de lactancia, se aplican diversos modelos para tal fin pero no se establece un criterio para su seleccin y posterior uso.

Objetivo General Establecer criterios en la seleccin y uso de los modelos lineal, exponencial y gamma de Wood para caracterizar curvas de lactancia en el trpico.

Objetivos especficos Describir los modelos lineal, exponencial y gamma de Wood usados en la caracterizacin de curvas de lactancia. Establecer un criterio en el uso de los modelos lineal, exponencial y gamma de Wood utilizando datos mensuales globales por lactancia. Establecer un criterio en el uso de los modelos lineal, exponencial y gamma de Wood utilizando promedios mensuales por lactancia.

10

II.

MARCO TERICO

A. REVISIN DE LITERATURA Para Handam (1993), el modelo "es una definicin de trminos verbales o matemticos de las relaciones de interdependencia existente entre las diferentes partes de un sistema que ser lo suficientemente clara y explcita, tal que permita estudiar el sistema considerado de acuerdo con su comportamiento en diferentes circunstancias y ms an, que nos permita discutirlo y predecir sus resultados futuros."

En general se suelen tomar los modelos como representaciones de la realidad; aceptndose como representacin o como adjetivo referido a grado de perfeccin, y en cuanto a la aplicacin de los mismos se utiliza el trmino "modelo" como sinnimo de mostrar, revelar, representar o hacer ver como es una cosa, evento o situacin.

En relacin con el sentido de representacin de los modelos, Handam los divide en: modelos icnicos, modelos analgicos y modelos simblicos, estos ltimos, son representaciones de la realidad mediante smbolos, cuando dichos smbolos son nmeros se refiere a modelos matemticos, cualquier modelo que represente el trabajo o movimiento de un sistema, y el cual suponga la

consideracin dentro del mismo de procesos de control y previsin, estar

11

contenido en este grupo; su aplicacin esta generalizada a cualquier rama cientfica, son los considerados en este estudio, para su aplicacin en la caracterizacin de la curva de lactacin del ganado lechero en el trpico.

Con relacin a la naturaleza de las variables que intervienen en estos modelos, los mismos se pueden clasificar como sigue: m odelos determinsticos y modelos estocsticos. Para Sierra Bravo (1991), en el modelo estocstico intervienen las variables aleatorias que suelen representar, el efecto de los factores no controlados por las variables que definen a dicho modelo. Es el tipo de modelo planteado para lograr el objetivo en esta investigacin.

En funcin de los alcances del estudio, referidos a la profundidad de anlisis del comportamiento de las variables dentro del sistema y sus relaciones, se pueden clasificar en: modelos descriptivos y modelos analticos. Esta

investigacin se centra en los modelos descriptivos, los cuales establecen dentro del sistema, relaciones entre estmulos y respuestas sin analizar dichas relaciones, tal es el caso al considerar la produccin de leche por mes de produccin, a fin de observar solamente las variaciones de la cantidad de leche producida, sin tomar en cuenta los mecanismos biolgicos que los relacionan.

Alrededor de los aos 20, fue considerada de inters la descripcin matemtica y el anlisis de las curvas de lactancia en ganado lechero (Grossman

12

y col (1986) citado por Grossman y Koops (1988). Segn Grcia (1995) el grfico de la produccin diaria de leche en funcin del tiempo, usualmente 305 das o 10 meses en ganado lechero, constituye la curva de lactancia. Estas pueden ser desarrolladas y estudiadas mediante modelos matemticos, la regresin lineal simple tiene la habilidad de generar curvas de lactancia altamente confiables, al utilizar promedios de pesadas diarias o mensuales, se encontr un nivel altamente significativo para la regresin, explicando el modelo el 95% de la variacin de la produccin de leche en funcin del tiempo de duracin de la lactancia, cuando se utilizaron los promedios de pesadas mensuales (Garca, 1995).

El conocimiento de la forma de la curva de lactancia es muy til en la estimacin de rendimientos lcteos a partir de pocas observaciones de pesajes diarios o mensuales. En intentos por describir esta curva, Appleman y col. (1969), Madsen (1985), y Gravert y Baptist (1976), utilizaron la regresin lineal simple de la produccin de leche en funcin del tiempo.

Gaines (1927), propuso la funcin exponencial para la descripcin de la curva de lactancia; por su parte Wood (1967), describi una ecuacin para la curva de lactancia basada en la transformacin logartmica de la funcin gamma incompleta. Posteriormente, una funcin exponencial ms compleja fue dada por Kellogg y col. (1977).

13

Conocer la forma de la curva de lactancia en ganado lechero es importante, por que a travs de ella se puede conocer como la vaca produce en el tiempo y determinar su eficiencia econmica y biolgica con el propsito de adecuar el sistema de alimentacin y seleccin (Grossman y col. 1987).

Wood (1967, 1968 y 1976) observ que la funcin tipo Gamma

yi = a n b e cn ), describa la relacin diaria entre la produccin (y ) y el tiempo (n), i

detallando as diferentes propiedades de esta curva: a b y c, donde a representa a el promedio de produccin mensual, b es un ndice de la capacidad que posee la vaca para utilizar energa en la produccin de leche y c representa a la pendiente de la curva.(Shanks y col. 1981)

Para generar curvas de lactancia utilizando la regresin lineal simple deben considerarse la totalidad de la informacin diaria (305 das) o mensual (10 meses); posteriormente las predicciones de produccin diaria o acumuladas pueden ser comparadas con la produccin real para los primeros 120, 210 305 das de lactancia, pudindose extender registros parciales al equivalente 305 das de produccin.( Congleton y Everett, 1980)

Conocer el comportamiento de la produccin de leche, a travs del tiempo en que transcurre la lactancia, es importante para mejorar la planificacin de la

14

finca, las prcticas de alimentacin y seleccin gentica, as como la descripcin matemtica de un sistema ganadero. Estas son reas que se benefician directamente de la descripcin matemtica de las curvas de lactancias en diferentes especies animales (Quiroz,1992)

El incremento constante del nivel tcnico en la explotacin lechera, precisa de frmulas capaces de predecir, con tiempo suficiente, el comportamiento de la lactancia en rebaos en produccin (Garca,1995)

La regresin lineal simple es un procedimiento lgico en la caracterizacin de las curvas de lactancias, cuando han sido registradas todas las pesadas de una o ms lactancias completas (Schacffer y col. 1977). Un modelo algebraico puede ser usado de igual manera para totalizar una lactacin producida por un animal individual; tambin el promedio de curvas de un grupo de animales puede ser comparado en trminos de los parmetros en el modelo.

La regresin lineal, es un modelo determinstico

yi = 0

+ 1 X

donde yi

representa la produccin en el i-esimo mes de lactancia,

0 (intercepto)

representa el promedio poblacional de leche para la raza estudiada y 1 (pendiente) la cantidad de litros de leche que aumentan al incrementar el mes de produccin. La regresin lineal se define como una relacin que se expresa entre

15

dos variables, geomtricamente, como la lnea recta; matemticamente, por la ecuacin lineal anteriormente descrita.

Muchos modelos son usados en su forma simple, pero no son adecuados para situaciones reales, es decir, que la variable independiente Y, no siempre es representada adecuadamente por una ecuacin determinstica con una o ms variables independientes.

Al respecto, Neter (1994), plantea que las funciones de regresin lineal y cuadrtica pueden ser usadas en forma satisfactoria en las primeras

aproximaciones para la regresin de naturaleza desconocida. Este proceso de ajuste comprende dos operaciones fundamentales: estimar la forma, lineal o no, de la ecuacin y calcular los parmetros de la misma. La primera operacin se suele realizar hipotticamente, examinado el diagrama de dispersin, es decir, la representacin grfica de las dos variables en el eje de coordenadas cartesianas; adoptando la hiptesis de acuerdo con este examen, donde la ecuacin de regresin puede ser de tipo lineal, exponencial, parablica, entre otras. La pertinencia de esta decisin se puede comprobar, una vez que se haya efectuado la segunda operacin aludida, comprobando la bondad del ajuste a travs del r 2 de la ecuacin de regresin obtenida.

16

En cuanto a la segunda operacin consiste en especificar la ecuacin de ajuste elegida, para ello slo se precisa calcular los parmetros de la misma, porque una vez calculados estos, se tiene la pauta, norma o ley de variacin de Y en funcin de X.

Existen varios procedimientos para calcular estos parmetros en cuestin, uno de los ms utilizados es el procedimiento de los MNIMOS CUADRADOS, que consiste en minimizar la suma de cuadrados (SC) del error de prediccin

( y ( y

)2 y

que encuentra los estimadores de

y 0 1

que minimicen a

)2 y

para todos los puntos muestreados, es decir, encuentra los

parmetros para la ecuacin que hace mnima la suma de las diferencias entre los valores observados y los valores empricos, representado as todas las

influencias, generalmente desconocidas, que pueden hacer variar a Y de manera independiente de la variacin de X, al agregarle al modelo determinstico descrito anteriormente se obtiene un modelo estocstico. (Cobby y Le Du , 1978)
+ X + = y 0 1 . ij

El Coeficiente de Determinacin, r 2, es el cuadrado del coeficiente r de Pearson, y representa la porcin de la variacin explicada de una variable respecto a la variacin total de otra variable. Recibe el nombre de Coeficiente

17

de Determinacin porque se suele considerar como medida del grado de influencia de una variable en la otra.
r =
2

Varianza exp licada Varianza total

Frmula:

Los modelos normalmente usados para corregir curvas de lactancias poseen un r2 relativamente alto, esto no es necesariamente un criterio de validacin para determinar la mejor correccin de la funcin. Los residuales no se distribuyen aleatoriamente en funcin del tiempo, fallando as el modelo en cuantificar la produccin de leche al inicio y, especialmente, al final de la lactacin cuando la produccin decrece (Grossman y col, 1987).

b cn Otro modelo yi = A n e es el presentado por Wood en 1965, fue el

primer paso para intentar describir la curva de lactancia entera, en este modelo "y i" representa los promedios de produccin de leche diarios en n semanas de lactacin; a, b y c son parmetros positivos a travs de los cuales se determina la forma de la curva. Los parmetros de la ecuacin
yi = A n b e cn

pueden

estimarse despus de realizar una transformacin logartmica, a travs de los mnimos cuadrados ( Cobby y Le Du,1978). La ecuacin transformada seria:

log e y i = log e A + b log e n cn

18

Una de las caractersticas de algunos fenmenos de crecimiento simple es que puede existir una aumento o disminucin proporcional en funcin del tiempo, el modelo exponencial es usado ampliamente en el estudio de sistemas, donde uno de sus componentes falla en el tiempo (Snedecor y Cochran , 1980), es decir, puede ser usado en el estudio de las producciones mensuales hasta que ya no exista la misma, como en la produccin de leche.

x cx El modelo exponencial de una variable aleatoria es yi = e = ae ; para

estudiar los coeficientes en este modelo el mismo deber ser linealizado expresndose de la siguiente manera:
Log e y = Log e a + c x

Donde Logeyi es la produccin de i-esimo mes de produccin, Log ea es el promedio de produccin del grupo estudiado, c es la cantidad de Lts de leche que se incrementan por mes de produccin y produccin, x 0 representa a los meses de

La transformacin de variables que presentan relacin no lineal es un mtodo simple de correccin, pero el mismo envuelve principios que deben ser tomados en consideracin, para la distribucin exponencial se asume que el modelo poblacional es de forma: Y = Lny = + x +ij . Donde los residuales son

19

2 independientes, con X y constantes y al realizar test de significancia a los

coeficientes o efectos y se asume que se distribuyen normalmente.

A veces parece ms realista el conocimiento del proceso, al asumir que en l, los residuos se distribuyen normalmente y tiene variacin constante en la escala original. Postulndose as el modelo poblacional:
y= x +ij

Donde y son parmetros poblacionales y ij N(0, ).

2

Por medio de la aplicacin del mtodo de Mnimos Cuadrados se estiman y a partir de la minimizacin de (y -x) para los valores de la muestra. El ajuste lineal de Ln y provee de una buena estimacin inicial que algunas veces necesita solo pequeos cambios. (Snedecor y Cochran , 1980)

20

III . MATERIALES Y METODOS A. Localizacin La presente investigacin se realiz sobre 2800 pesadas mensuales producto de 152 lactancias provenientes de animales mestizos Pardo Suizo en la Finca "La Chalera", ubicada en el Municipio Autnomo Bolvar, Estado Yaracuy, considerndose para el ensayo la pesada mensual (pesada) y el mes de produccin (mesp).

B. Muestra Para la aplicacin de los modelos Lineal, Exponencial y Wood, se analizaron 2124 pesadas producto de 152 lactancias, representando el total producido en el lapso 1996 - 1999 en la finca estudiada. Los registros fueron suministrados por la Asociacin de Ganaderos de Aroa (ASOAROA), en formato Dbase III provenientes de los archivos generales de la misma.

A. Variables Variable dependiente: Produccin de leche medida como promedio mensual. Como en la finca realizan dos ordeos diarios (maana - tarde), este promedio se

21

calculo a travs de la siguiente ecuacin:

Pp =

Pm + Pt 2 ; donde ; Pp = Pesada

promedio, Pm = Pesada Maana y Pt = Pesada tarde. Variable independiente: Mes de pesa, representado por el nmero de pesadas realizadas. Es una variable continua, usada en forma de variable ordinal para determinar su efecto sobre la produccin, a travs de ella se trata de explicar las variaciones observadas en la produccin lctea.

Para realizar los anlisis, se tomaron en consideracin las lactancias que posean los animales bajo estudio, de esta manera se obtuvieron

cuatro grupos: l primera (1) lactancia, segunda (2) lactancia, tercera (3) lactancia y cuatro y ms (>=4) lactancias. Las lactancias se usaron como una variable de agrupacin, con la finalidad de disminuir la variacin en la produccin por mes.

C. Restricciones El estudio se limit a los aos 1996, 1997, 1998 y 1999, se analizaron slo aquellas lactancias de animales que llegaron a 8 meses (240 das) en produccin, de esta forma slo se analizaron 2124 pesadas.

D. Anlisis Estadstico

22

Para cada modelo se utiliz el mtodo de mnimos cuadrados, facilitando la obtencin de los coeficientes en las ecuaciones probadas con el menor sesgo, adems de calcular su ajuste a travs del r 2; este procedimiento se realiz a travs del PROC GLM del paquete estadstico SAS versin 6.12 para windows.

Con respecto a las transformaciones necesarias por algunos modelos se realizaron en la Hoja de Clculo EXCEL 2000, antes de proporcionarle al SAS la base de trabajo.

23

IV . RESULTADOS Y DISCUSIN

1.- Estadstica Descriptiva Cuadro 1.- Valores estadsticos por grupo de lactancias en ganado mestizo Pardo - Suizo. Aroa. 1999 Lactancia Nmero de pesada Promedio Desvi Coeficiente de Produccin Estndar Variacin (Lt) 1 424 6,30 1,61 25,5 2 3 4y+ 317 284 1099 7,10 7,11 7,21 1,78 1,70 25,0 23,9

2,01 27,8 Fuente: Clculos propios

Las vacas de primera lactancia presentan un promedio de produccin de 6,30 1,61 Lts/ da, y un coeficiente de variacin de 25,5%, representando ste al promedio ms bajo obtenido; por su parte los grupos de vacas con lactancias 2, 3 4 y ms, presentaron promedios: 7,10 1,78 Lts/ da; 7,11 1,70 Lts/ da y 7,21 2,01 Lts/ da respectivamente, sus coeficientes de variacin fueron: 25%, 23,9% y 27,8%. Se puede observar la gran semejanza de los valores por grupo, a travs de los coeficientes de variacin; adems el promedio despus de la primera lactancia es muy semejante para las dems lactancias estudiados, stos concuerdan con lo hallado por Garcia (1995), a medida que avanza el nmero de lactancias o grado de madurez, el nivel de produccin de leche tiende a estabilizarse en su punto mximo presentando las curvas de lactancias un comportamiento similar.

24

Cuadro 2. Promedio de produccin primera, segunda, tercera, >=cuarta y lactancia total por mes de pesada en ganado mestizo Pardo - Suizo.Aroa. 1999 Mes de Nmero de Promedio Promedio Promedio Promedio Promedio pesa pesada Produccin Primera Segunda Tercera >=Cuarta (Lt) Lactancia Lactancia Lactancia Lactancia 1 271 7,8 6,73 7,50 7,86 8,28 2 271 8,0 7,05 8,19 8,18 8,28 3 270 7,6 6,87 7,55 7,77 7,90 4 271 7,2 6,48 7,14 7,55 7,49 5 269 6,9 6,30 7,08 6,65 7,20 6 267 6,5 5,73 6,99 6,90 6,66 7 267 6,0 5,72 6,20 6,22 6,12 8 238 5,9 5,34 6,02 5,57 5,62 Fuente: Clculos propios El comportamiento de las pesadas mensuales por lactancia es similar, localizndose el pico de produccin en el segundo mes de pesada, aproximadamente entre la cuarta y octava semana, esto coincide con lo expuesto por Kellogg y col.(1977), quienes sitan la mxima produccin entre la cuarta y doceava semana pos parto. Esto se produce en forma similar en los dems grupos coincidiendo con lo encontrado por Keown y col.(1996), quienes concluan que el da del pico de produccin se encuentra cercano entre las lactancias estudiadas y es influenciado por: numero de lactacin y produccin del rebao. Con respecto a la produccin alcanzada en el pico (segundo mes), es menor en la primera lactancia y similar en los siguientes hallazgos que concuerdan con lo descrito por Conglenton y Everest (1980), quienes indican que en las vacas de primera lactancia se presenta un pico de produccin ms bajo que en las siguientes.

25

Posterior a este aumento se evidencia un descenso lineal negativo constante con pesadas muy similares los siguientes meses.

b. Modelos Cuadro 3. Modelo Lineal, n, r 2, coeficiente de variacin (CV), efectos calculados por lactancias globales y sus significancias. Lactancias Modelo Lineal: y i = 0 + 1 MPESA + ij n r2 CV Efecto Sig. 1 424 0,1109 24,08 0 = 7,339
**** **** **** ****

1 = -0,235

317 0,1101 23,66 0 = 8,258

1 = -0,261

284 0,2136 21,28 0 = 8,648

**** ****

1 = -,0346

4y+

109 0,1997 24,98 0 = 8,980 9 **** 1 = -0,396

****

En el anlisis de regresin lineal para la produccin de leche a travs de las lactancias globales, solo logra explicar de las variaciones observadas en la produccin lctea el 11,09%, 11,01%, 21,36% y 19,97%, en los grupos de vacas de primera lactancia, segunda lactancia, tercera lactancia y cuarta y ms lactancias respectivamente. Estos valores son menores alos

26

encontrados por Garca (1995) cuando se uso la regresin lineal como modelo para explicar las variaciones en la primera lactacin total (valores globales) en mestizos Pardo Suizo - Brahmn donde resulto un r 2 de 36,8%; 36,16%; 49,49% y 43,15% respectivamente.

Cuadro 4. Modelo Lineal, r2, coeficiente de variacin (CV), efectos calculados por lactancias promedios y sus significancias. Lactancias Modelo Lineal: y i = 0 + 1 MPESA + ij r2 Efecto Sig. 0 = 7,349 1 88,7 **** 2 3 4y+ Promedio 81,9 89,1 97,0 94,0
1 = -0,238 0 = 8,263
**** **** **** **** **** **** **** **** ****

1 = -0,262 0 = 8,657 1 = -0,349 0 = 8,980 1 = -0,397 0 = 8,500 1 = -0,338

Al analizar los valores de produccin por lactancias promedios, se encuentra un r2 ms altos que en los calculados a partir de lactancias globales, siendo estas las ecuaciones que explican, mayor proporcin de las variaciones observadas en la produccin mensual de leche en vacas mestizas Pardo -Suizo. Para la primera lactancia global se encontr un r 2 de 11, 09%, es decir, que el modelo explica hasta un 11,09% de las variaciones observadas de la produccin

27

lctea. La misma lactancia pero estudiando los promedios mensuales produjo un r2 88,7%, coincidiendo con lo reportado por Appleman y col,(1969), Kellogg y col, (1977) y Schaeffer y col,(1979) citados por Garca (1995), donde concluyen que altos valores de r2 y una muy estrecha correspondencia del modelo de prediccin, se obtena al utilizar los promedios de produccin de leche. La variacin no explicada al trabajar con promedios puede deberse a la variacin entre vacas.

Al comparar los interceptos ( 0 ) entre las lactancias, se observa que a medida que estas aumentan, el promedio calculado a travs del modelo para las mismas tambin aumenta. El promedio aumenta aproximadamente 1,6 lt de la
1 ) esta tambin primera a la cuarta lactancia, con respecto a la pendiente (

aumenta con el incremento de lactaciones,

28

Grfico 1. Produccin por mes de pesa observada, y la calculada por el modelo lineal ( y i = 0 + 1 MPESA + ij ) para la primera lactancia global.
7,5

Produccin promedio (lt)

6,5

5,5

5 Calculada 4,5 Observada

4 1 2 3 4 5 6 7 8

Mpesa

Fuente: Clculos propios.

Se puede observar la coincidencia grfica en el primer mes de produccin, conforme aumentan los meses la curva subestima la produccin real observada, demostrndose el ajuste no adecuado de este modelo.

29

Grfico 2. Produccin por mes de pesa observada, y la calculada por el modelo lineal ( y i = 0 + 1 MPESA + ij ) para la segunda lactancia promedio.
7,5

Produccin promedio (Lt)

6,5

5,5

5 Observado 4,5 Calculada

4 1 2 3 4 Mpesa 5 6 7 8

Se puede observar que antes del pico de produccin se sobrestima la misma y pos pico se subestima, concordando esto con lo expuesto por Keown et al (1986), el cual plantea, que si el muestreo se realiza posterior al pico de produccin, pueden subestimarse las cantidades de leche pre-pico; en cuanto a las producciones pos-pico y hasta el final de la lactacin estas pueden ser subestimadas. Por otra parte el sptimo mes coincide con lo esperado y el octavo mes es sobre estimado.

30

Cuadro 5. Modelo Exponencial, n, r 2, coeficiente de variacin (CV), efectos calculados por lactancias globales y sus significancias. Lactancias 1
0 Modelo Exponencial: i 2 N r CV Efecto 424 0,846 24,44 0 = 7,22

y = + e 1MPESA
Sig.

**** **** **** ****

1 = -0,70

317

0,827 24,03 0 = 8,12

1 = -0,78

284 0,1678 21,89 0 = 8,50

**** ****

1 = -1,06
85

4y+

109 0,1652 25,55 0 = 8 9 **** 1 = -1,24

****

El modelo exponencial y la produccin por lactancia se ajustan hasta 25,55 % en la lactancia 4 y ms; los coeficientes de variacin se mantienen bajos indicando la homogeneidad de los resultados del modelo, estudiando los componentes del mismo a travs de los efectos se deduce, que el promedio aumenta hasta 1,63 lt, de la primera a la cuarta lactacin y que la pendiente es ms pronunciada a partir de la tercera lactancia.

31

Cuadro 6. Modelo Exponencial, n, r 2, coeficiente de variacin (CV), efectos calculados por lactancias promedios y sus significancias. Lactancias Modelo Exponencial:
1MPESA

yi = 0 + e
1 2 r2 0,887 0,824

Efecto 0 = 7,43

Sig.
**** **** **** **** **** **** **** **** **** ****

1 = -0,04
0 = 8,36 1 = -0,04
0 = 8,84 1 = -0,05 0 = 9,21 1 = -0,06 0 = 8,66 1 = -0,05

3 4y+ Promedio

0,879 0,954 0,949

Los r2 alcanzados al usar el promedio del mes de produccin en el calculo de la ecuacin exponencial superan los calculados a partir de las pesadas globales, hasta un mximo de 80% de ajuste en las lactancias 4 y + ;

concordando con lo expuesto por Appleman et al (1969), Kellogg et al (1977), Schaeffer et al (1979) y Garca (1995),

32

Cuadro 7. Modelo de Wood, n, r2, coeficiente de variacin (CV), efectos calculados por lactancias globales y sus significancias. Lactancias 1 2 3 4y+
b cn Modelo de Wood: y i = an e N r2 CV Efecto 424 0,1131 14,58 a:1,96 b:0,18 c:-0,09 317 0,1084 14,23 a:2,08 b:0,17 c:0,09 284 0,2250 12,09 a:2,14 b:0,20 c:-0,10 109 0,2048 14,05 a:2,18 9 b:0,17 c:-0,11

Sig. **** **** **** **** ** **** **** **** **** **** **** ****

El modelo de Wood usado en el calculo con lactancias globales solo explica un 22;50% (tercera lactancia) de las variaciones observadas en la produccin, los coeficientes de variacin obtenidos son muy bajos para los resultados del mismo comprobando la homogeneidad de estos. En cuanto a los efectos: el parmetro "a" aumenta de 1,96 primera lactancia a 2,18 en las lactaciones de 4 y ms. Con relacin a la curvatura pre-pico (b) se puede notar su fluctuacin y su aumento, coincidiendo este ltimo con la tercera lactacin; el descenso (pendiente) pos-pico (c) se hace ms pronunciado conforme las lactaciones aumentan.

33

Cuadro 8. Modelo de Wood, n, r2, coeficiente de variacin (CV), efectos calculados por lactancias promedio y sus significancias. Lactancias
b cn Modelo de Wood: y i = an e r2 Efecto Sig. 1 0,967 a:1,99 **** b:0,14 ** c:-0,07 **** 2 0,914 a:2,11 **** b:0,15 n.s c:-0,08 **** 3 0,947 a:2,16 **** b:0,17 ** c:-0,09 **** 4y+ 0,996 a:2,21 **** b:0,15 *** c:-0,09 **** Promedio 0,996 a:2,15 **** b:0,15 **** c:-0,09 ****

Como sugieren Appleman et al (1969), Kellogg et al (1977), Schaeffer et al (1979) y Garca (1995), al usar de los promedios de

produccin mensual incrementan el r2 de las ecuaciones. Aplicndolo a la ecuacin de Wood con producciones promedios por mes, aument el r 2 con respecto a las calculadas con los promedios globales por mes, hasta un 0,70; es decir, que explican dependiendo de la lactancia en la que se aplique desde un 91% hasta un 99,6% (cuarta y ms lactancias, promedio de todas); esto concuerda con lo hallado por Cobby et al (1978), donde esta regresin cuantifica el 94,2% de la variacin observada y difiere de los

34

r2 encontrados por Kellogg et al (1977), para la primera lactancia 0,918, segunda lactancia 0,931, tercera lactacin 0,822 y cuarta lactacin 0,938.

35

V. CONCLUSIONES Y RECOMENDACIONES

Los modelos estudiados cuando se asume la variacin intra-mes de produccin (forma global), no explican suficientemente las variaciones observadas en la produccin de leche, originndose r 2 menores de 25%. El uso de un promedio de la produccin por mes, disminuye o enmascara el efecto de la variacin intra-mes, alcanzando ajustes (r2) mayores del 91%

Al estudiar los promedios de las pesadas mensuales (en datos promediados), se puede usar como criterio de seleccin para el modelo a aplicar, el porcentaje de ajuste de la curva (r 2). Los resultados obtenidos en la investigacin para los modelos: Lineal (94% de ajuste), Exponencial (94,9% de ajuste) y Wood (99,6% de ajuste).

Si se asume el criterio anteriormente descrito, se recomienda para el estudio de las curvas de lactancia del ganado mestizo Pardo Suizo en Aroa, utilizar el modelo de Wood.

Se recomienda continuar este tipo de investigacin, para lo cual se propone la aplicacin de MODELOS MIXTOS, trabajando en una sola finca o zona, con la finalidad de minimizar as los efectos debido al ambiente, asumiendo la variacin intra-mes.

36

VI. BIBLIOGRAFA Allaire, F.R. and C. R. Henderson. (1966). Selection precticed among dairy cow. III. Type appraisal and lactation traits. J. Dairy Science. 30: 194 -200. Appleman, R.D.; S.D. Musgrave and R.D. Morrison.( 1968). Extending incomplete lactation record of Holstein cows with varying levels of production. J. Dairy Science 52: 360 - 368. Cobby, J. M. and Le Du L. P. (1978). On fitting curve to lactation data. Anim. Prod. 26: 127 -133. Congleton, W. R. and R.W. Everest.(1980). Error and bias in using the imcomplete gamma funtion to describe lactation curve. J. Dairy Science 63: 101-108. Garca, M. J. (1995). La cuva de lactancia del Ganado mezstizo Pardo Suizo Brahman. Revista Ciencias Veterinarias. Ao 1. Nmero 1. pp.: 11-44. Grossman, M. and Koops, W. J. (1988). Multiphasic anlisis of lactations curves. J. Dairy Science. 71: 1598 -1608. Grossman, M.; A. L. Kuck and H.W. Norton. Lactation curves of purebred and crossbred dairy cattle. J. Dairy Science 69: 195 -203 Hamdan, G. N. Anlisis cuantitativo en la planificacin educativa: aplicacin de modelos matemticos. Universidad Central de Venezuela. CDCHT. 1993.pp: 159-199. Kellogg, D. W. ; Urouhart, N. S. and A. J. Ortega. (1977). Estimating holstein lactation curve whit a gamma curve. J. Dairy Science 60: 1308 -1315. Keown, J.F. ; Everet, R. W.; Empet N. B.; and Wadell, L. H. (1996). Lactation curves. J. Dairy Science 69: 769 - 781 Neter, J. and R. D. Irwin.(1994). Applied lineal statistical model. Quiroz, R. 1992.Apuntes sobre modelos matemticos en problemas ganaderos. Simulacin de Sistema Pecuarios.IICA. pp. 183 - 186.

37

Sierra Bravo, R. (1991). Diccionario prctico de estadstica. Editorial Paraninfio S.A. Espaa.

38