Remuestreo bootstrap para obtener una aproximación precisa de los estimadores en la composición de nutrientes

Autores/as

Palabras clave:

bootstrap, intervalos de confianza, composición nutricional, ganadería tropical, optimización estocástica

Resumen

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

Los datos de descargas todavía no están disponibles.

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

Publicado

30-05-2026

Cómo citar

Pérez Amores, F., Romero Cruz, O., & Centurión Fajardo, A. (2026). Remuestreo bootstrap para obtener una aproximación precisa de los estimadores en la composición de nutrientes. Opuntia Brava, 18(2), 182–195. Recuperado a partir de https://opuntiabrava.ult.edu.cu/index.php/opuntiabrava/article/view/2961

ARK