A maior rede de estudos do Brasil

Grátis
11 pág.
exigências de nutrientes para vacas leiteiras

Pré-visualização | Página 1 de 4

DOI: http://dx.doi.org/10.5935/2176-4158/rcpa.v18n1p55-65
Previsão da produção de leite a partir de meta-dados de experimentos com vacas leiteiras
Clayson Correia de Sousa1, Glauco de Souza Rolim1
1 UNESP/FCAV campus de Jaboticabal. E-mail: claysoncorreia@hotmail.com
Resumo: Os modelos do NRC (2001) para predição da produção de leite por vacas leiteiras não se aplicam 
as condições brasileiras e têm sido invalidados. Modelos de predição (estimação) são aplicáveis às condições 
ou conjuntos de dados aos quais eles foram ajustados as quais são puramente aleatórias e estimam condições 
atuais. Assim faltam modelos aplicados as condições brasileiras de alimentos de clima tropical, para a previsão 
(forecast) da produção de leite por vacas. Partindo da hipótese que a produção de leite se correlaciona com os 
componentes bromatológicos da dieta, o objetivo deste artigo foi ajustar modelos de previsão da produção de 
leite a partir de meta-dados de experimentos de desempenho de vacas leiteiras. A variável MP (Produção de 
Leite) foi regredida em função de variáveis bromatológicas pelo método dos mínimos quadrados ordinários 
(OLS). A seleção de variáveis para os modelos foi feita pelo método stepwise com aproximação backwards, 
seguindo o critério de melhoria da acurácia. Foram excluídos modelos por colinearidade devido ao coeficiente 
r acima de 0,7. Das 511 combinações possíveis ajustaram-se 170 modelos. O modelo mais acurado foi MP = 
1.57CP (proteína bruta)-0.08TDN (Nutrientes digestíveis totais)+0.80TDNI (ingestão de TDN)-4.12 o qual 
apresentou menor valor de ED (Distância Euclidiana) (10.53).
Palavras-chave: desempenho, modelagem, nutrientes, requerimentos, regressão
Milk production forecast models from dairy cows experiments metadata
Abstract: The models of the NRC (2001) for prediction of milk production by dairy cows do not apply to 
Brazilian conditions and have been invalidated under these conditions. Prediction models (estimation) apply 
to the conditions or sets of data to which they have been adjusted and are purely random and estimate current 
conditions. Thus missing the models applied to Brazilian conditions of tropical foods, to forecast the dairy 
cows production. Assuming that the milk production correlates with bromatological components of the diet, 
the purpose of this article was to adjust forecast models to milk production from dairy cows performance 
experiments meta-data. The MP (Milk Production) variable was regressed due to bromatological variables 
by the method of ordinary least squares (OLS). The selection of variables for models was done by stepwise 
method approach backwards, following the criterion of improving accuracy. Models were excluded when 
there were collinear variable whose r was above of 0.7. With 511 possible combinations set to 170 models. 
The high accurate model was MP = 1.57CP (crude protein) -0.08TDN (total digestible nutrients) + 0.80TDNI 
(TDN intake) -4.12 which showed the lowest ED (Euclidean Distance) (10.53).
Key words: performance, modeling, nutrients, requirements, regression
Rev. Cient. Prod. Anim., v.18, n.1, p.55-65, 2016
56
Introdução
Predição (Estimação) e previsão (do inglês forecast) 
são conceitos distintos na área de modelagem. 
Modelos de previsão são utilizados para estimar 
valores atuais a partir de condições atuais, pois eles 
são puramente aleatórios. Mas, modelos de previsão 
utilizam as correlações entre as variáveis dependentes 
e independentes para prever valores futuros a partir 
de condições atuais, apesar das variáveis também 
seguirem a curva de distribuição de probabilidades 
(Matsueda et al., 2016). Alguns autores na área 
de econometria têm trabalhado com estimação 
(Macedo et al., 2014) o qual pretendeu encontrar 
determinantes de taxas de crédito; Outros artigos têm 
se utilizado de técnicas de previsão (Silva, 2008) com 
o objetivo de prever a demanda hídrica na região do 
Minho (Portugal) a partir de variáveis conhecidas 
para proporcionar um manejo mais sustentável dos 
sistemas de suprimento hídrico. Também há trabalhos 
que utilizaram tanto técnicas de previsão quanto de 
estimação (Santos & Zielgman, 2012).
A meta-análise pode ser descrita como uma técnica 
de análise estatística que tem o objetivo de: obtenção 
de novos resultados, os quais seriam impossíveis a 
partir da análise dos dados originais isoladamente, 
associação de diferentes dados, incremento da precisão 
das análises, obtenção de novas hipóteses e esquemas 
experimentais a partir de novas conclusões (Lovatto, 
2007). A meta-análise permite agrupar resultados 
de experimentos conduzidos isoladamente, gerando 
novas inferências. Suas etapas basicamente são: 
definição dos objetivos analíticos, eleição e tabulação 
dos dados, testes dos dados, estudo gráfico, estudo de 
meta-dispositivo, seleção dos modelos estatísticos, 
ajuste, pós-análise, aplicação dos modelos (Sauvante 
et al., 2008).
A formulação da dieta é de grande importância 
prática na pecuária leiteira, e contribui para o 
incremento da produção, racionalizando o uso dos 
alimentos na nutrição animal. O uso de sistemas de 
predição do consumo de matéria seca (CMS) como 
uma função da produção de leite (PL), ou inversamente 
tem sido recorrente; por exemplo, os modelos do 
sistema de predição de Winsconsin relacionam o 
CMS à PL por uma função linear e 75% das variações 
em desempenho em ruminantes têm sido explicadas 
pelo CMS (Sousa, 2009). Em uma meta-análise foi 
verificado que a PL aumentou conforme o incremento 
da diferença no CMS entre os tratamentos e o grupo 
controle (Rabiee et al., 2012).
Freitas et al., (2006) além do CMS também incluiu 
em seus modelos outras variáveis como: Fibra em 
Detergente Neutro (FDN), Peso Corpóreo (PC), 
Nutrientes Digestíveis Totais (NDT). O sistema 
NRC (2001), adota como variáveis explicativas PC, 
PL, e teor de gordura do leite (TG) como variáveis 
explicativas do CMS, e este sistema tem sido 
intensivamente utilizado no Brasil para predição do 
CMS e formulação de dietas para vacas leiteiras, 
conjuntamente com os modelos do Sistema Cornell 
de Carboidrato e Proteína. Contudo, estes modelos 
têm sido invalidados em estudos feitos em regiões de 
clima tropical, pois superestimam a PL ou subestimam 
o CMS (Freitas et al., 2006).
Souza (2013) fez uma meta-análise para 
desenvolver um modelo de estimação do CMS 
e avaliar os modelos do Agricultural and Food 
Research Council (AFRC); National Research 
Council (NRC); Cornell Net Carbohydrate and 
Protein System (CNCPSe os modelos de Freitas et al. 
(2006). Seus resultados indicam que os modelos de 
Freitas et al., (2006) não são eficientes nas referidas 
condições, subestimando o CMS em 2,3 kg.dia-1, com 
RMSE (Raiz do erro quadrado médio) de 22.8% do 
CMS observado, precisão de baixa a moderada (ρ 
= 0.49) e acurácia (Cb = de 0,81). O autor afirma 
que a nova equação resultante de sua meta-analise 
proveu maior acurácia e precisão na estimação do 
CMS de vacas em lactação em condições tropicais 
Rev. Cient. Prod. Anim., v.18, n.1, p.55-65, 2016
57
(Souza, 2013). Outro autor também comparou seu 
modelo com as equações do NRC (2001) e Freitas 
et al. (2006) e concluiu que os seus modelos foram 
mais acurados que aqueles (Souza, 2015). Conforme 
dito anteriormente, os modelos de predição são 
puramente aleatórios, e cada condição experimental 
proporcionará modelos diferentes (Matsueda et al., 
2016). O trabalho mais recente sobre previsão da PL 
de vacas leiteiras foi feito na Irlanda e, comparou 
alguns métodos de previsão, mas seus objetivos não 
estiveram relacionados à aspectos nutricionais, mas a 
previsão PL de rebanhos (Murphy et al., 2014). Assim 
faltam modelos aplicados as condições brasileiras 
para a previsão da PL por vacas leiteiras em condições 
brasileiras de alimentos tropicais. 
A hipótese deste trabalho é de que as correlações 
entre as variáveis dependentes independentes podem 
ser utilizadas para a previsão da PL por

Crie agora seu perfil grátis para visualizar sem restrições.