Remuestreo bootstrap para obtener una aproximación precisa de los estimadores en la composición de nutrientes
Palabras clave:
bootstrap, intervalos de confianza, composición nutricional, ganadería tropical, optimización estocásticaResumen
Este estudio tuvo como objetivo incorporar el método bootstrap en el software AliCuba para estimar con precisión la desviación estándar y los intervalos de confianza de la composición nutricional de los alimentos, tomando como caso de estudio la especie Megathyrsus maximus, y validar los resultados mediante comparación con software estadístico de referencia. Para ello desarrolló tablas completas de composición nutritiva para rumiantes en Cuba a partir del procesamiento de toda la información publicada disponible (1967-2019). Como caso de estudio representativo, se validó específicamente con Megathyrsus maximus, mediante variables agronómicas clave como variedad, región y manejo. La metodología empleó 10000 remuestreos bootstrap (IC 95% percentil), lo que demuestra una alta precisión y excelente concordancia con los softwares comparados (AliCuba y SPSS). Los resultados permiten una formulación precisa de dietas mediante programación estocástica, una valoración económica más realista de los alimentos y, fundamentalmente, la integración de toda la evidencia científica nacional disponible. Esta herramienta representa un avance significativo para la nutrición animal tropical, con una metodología aplicable a todos los recursos alimentarios documentados en la literatura científica cubana, superando las limitaciones de las tablas tradicionales que solo reportaban valores promedios.
Descargas
Citas
Bravo, J. A. (2010). Aplicación del método Bootstrap para la estimación de parámetros poblacionales en Parcelas Permanentes de Muestreo y en la modelación Matemática en plantaciones de PinuscubensisGriseb [Tesis de doctorado, Instituto de Ciencia Animal]. https://rc.upr.edu.cu/jspui/handle/DICT/2183
Cáceres, O., Ojeda, F., González, E., Arece, J., Milera, M., Lamela, L., Esperance, M., Montejo, I. L., y Soca, M. (2002). Valor nutritivo de recursos forrajeros tropicales para los rumiantes. Editorial Estación Experimental de Pastos y Forrajes Indio Hatuey. https://biblioteca.ihatuey.cu/link/proyecto/tablavalornutritivo/tbn.pdf
Cadenas, J. M. y Verdegay, J. L. (1999). Modelos de optimización con datos imprecisos. Servicios de publicaciones de la Universidad de Murcia.
Cisneros, M. V., La O, P. y Arronte, P. (2015). Recomendaciones para el trabajo técnico en alimentación del ganado bovino. Editorial Dimitrov.
Editorial de la Estación Experimental de Pastos y Forrajes Indio Hatuey (EEPF IH, 2019). Revista Pastos y Forrajes. https://payfo.ihatuey.cu
Editorial del Instituto de Ciencia Animal (ICA, 2019). Revista Cubana de Ciencia Agrícola. https://cjascience.com
Fernández, R., Cao, R. y Costa, J. (2023). Técnicas de Simulación y Remuestreo. https://rubenfcasal.github.io/simbook/Simulacion.pdf
Fox, J. y Weisberg, S. (2018). Bootstrapping Regression Models in R. An appendix to an R Companionto Applied Regression (3.a ed.). McMaster University. https://socialsciences.mcmaster.ca/jfox/Books/Companion/appendices/Appendix-Bootstrapping.pdf
García, R. y Pedroso, D. M. (1989). Alimentos para rumiantes. Tablas de valor nutritivo. EDICA.
Gil, S. N. (2014). Bootstrap en poblaciones finitas. Universidad de Granada. https://masteres.ugr.es/moea/pages/tfm1314/tfm_samuel_gil_abreu/
Guevara, V. R. (2004). Use of nonlinear programming to optimize performance response to energy density in broiler feed formulation. Poultry Science, 83(2), 147-151. https://doi.org/10.1093/ps/83.2.147
Instituto de Investigaciones Porcina (IIP, 2015). Revista Computadorizada de Producción Porcina. http://www.iip.co.cu
Martínez, J. A. y Pérez, P. S. (2023). Coeficiente de correlación intraclase. Medicina de Familia. SEMERGEN, 49(3). https://doi.org/10.1016/j.semerg.2022.101907
Mavromichalis, I. (2015). The impact of nutrient variability in feed stuffs. WATTAgNet. http://www.wattagnet.com/articles/20894-the-impact-of-nutrient-variability-in-feedstuffs
Ministerio de la Agricultura (MINAG, 2009). Tablas de especificaciones nutricionales de los piensos y composición nutritiva y límites de inclusión de las materias primas. UECAN.
Morales, D. M. (2012). Formulación de piensos industriales empleando modelos de optimización con datos imprecisos [Tesis de doctorado. Universidad de Granma].
Pérez, F. (2013). Ganadería eficiente. Bases fundamentales. Editorial Asociación Cubana de Producción Animal.
Pérez, F., Romero, O. y Centurión, A. (2021). AliCuba: software de gestión de composición de alimentos para el ganado en Cuba. Revista Cubana de Ciencias Informáticas, 15(4), 15-28. https://rcci.uci.cu/?journal=rcci&page=article&op=download&path%5B%5D=2059&path%5B%5D=889
Rodríguez, L. (2015). Modelación y simulación de la producción de biomasa de Pennisetum Purpureum Schumvc. King grass y su aplicación en la alimentación animal [Tesis de doctorado. Instituto de Ciencia Animal].
Schlageter-Tello, A., Fahey, G. C., Freel, T., Koutsos, L., Miller, P. S. y Weiss, W. P. (2020). Asas-Nanp Symposium: Ruminant/Nonruminant Feed Composition: Challenges and opportunities associated with creating large feed composition tables. Journal of Animal Science, 98(8), 1-13. https://doi.org/10.1093/jas/skaa240
Solanas, A. y Sierra, V. (1992). Bootstrap: fundamentos e introducción a sus aplicaciones. Anuario de Psicología, 55, 143-154. https://hdl.handle.net/2445/69449
Statistical Package for the Social Sciences (Versión 27.0.0.0) (SPSS (2019). Programa de ordenador. IBM Corporation. http://www.ibm.com
St-Pierre, N. R. y Weiss, W. P. (2015). Partitioning variation in nutrient composition data of common feeds and mixed diets on commercial dairy farms. Journal of Dairy Science, 98, 1-12. https://doi.org/10.3168/jds.2015-9431
Tozer, P. R. (2000). Least-Cost Ration Formulations for Holstein Dairy Heifers By Using Linear and Stochastic Programming. Journal of Dairy Science, 83(3), 443–451. https://www.journalofdairyscience.org/article/S0022-0302(00)74901-0/pdf
Tran, H., Schlageter-Tello, A., Caprez, A., Miller, P. S., Hall, M. B., Weiss, W. P., y Kononoff, P. J. (2020). Development of feed composition tables using a statisticals creening procedure. Journal of Dairy Science, 103(4), 3786-3803. https://doi.org/10.3168/jds.2019-16702
Universidad de Camagüey (UC, 2019). Revista de Producción Animal. https://revistas.reduc.edu.cu/index.php/rpa
Vitoriano, B. y Ramos, A. (2023). Programación matemática: Métodos de optimización. Universidad Complutense. http://blogs.mat.ucm.es/bvitoriano/wp-content/uploads/sites/69/2023/02/MM_PMII_I_IIb.pdf
Woli, P., Rouquette, F. M., Long, C. R. y Tedeschi, L. O. (2021). Estimating the daily nutritive value of bermuda grass for grazing livestock. Applied Animal Science, 37(1), 1-10. https://doi.org/10.15232/aas.2020-02087




























































