Modelo matemático para predecir el rendimiento del queso a partir de la composición química de la dieta

Abstract

Se elaboró un modelo matemático para predecir el rendimiento del queso usando como entradas el peso vivo del animal y la composición química de la dieta. Para el desarrollo del modelo se realizó un análisis sistemático de artículos del Journal of Dairy Science (1980-2011), se estableció una metodología para la selección de los artículos y la selección de variables para el modelo, con las cuales se realizaron seis regresiones lineales por mínimos cuadrados, para predecir el consumo de materia seca (R2= 62.5 %), la producción de leche (R2=90.6 %), proteína (R2=90.4 %), grasa (R2=83.5 %), lactosa (R2=94.8 %) y caseína (R2=100 %); en cada regresión se verificó la existencia de una distribución normal en los residuales (P<0.05; Anderson-Darling), con media cero y varianza constante. Asimismo, se validó cada ecuación usando nuevos datos y se calculó el error predicho promedio al cuadrado y el porcentaje de variabilidad que explica el modelo con los nuevos datos (R2predicción). Para la predicción del rendimiento del queso se seleccionó la ecuación de Van Slyke y Publow, la cual también se validó con la R2predicción. Se concluye que, usando el modelo, el rendimiento del queso chedar y la eficiencia alimenticia son sensibles a cambios en el contenido nutrimental de la dieta consumida por el animal. _______________ MATHEMATICAL MODEL FOR CHEESE YIELD PREDICTION USING NUTRITIONAL COMPOSITION OF THE DIET. ABSTRACT: A mathematical model was developed to predict cheese yield using live animal weight and chemical composition of the diet as inputs. To build the model, a systematic analysis of data base from Journal of Dairy Science papers (between 1980-2011), was conducted. A methodology for selecting papers and variables for the model was established, in order to obtain six least squares linear regressions to predict dry matter intake (R2= 62.5%), milk production (R2=90.6%), milk protein yield (R2=90.4%), milk fat yield (R2=83.5%), lactose yield (R2=94.8%) and casein yield (R2=100%). It was verified that the residuals of each linear regression were normally distributed (P value > 0.05, with Anderson-Darling test), with mean equal to zero and constant variance. Finally, each equation was validated using new data and was calculated the average predicted squared errors and the percentage of variability that explains the model with new data (R2prediction). To predict cheese yield the Van Slyke and Publow equation was used, which was also validated with the variability that explains the model with new data. Using the model, the cheese yield and feed efficiency are sensible to changes in chemical composition of the diet consumed by the animal.