08 junio 2010

BANCOS DE PROTEINAS

DEFINICION DE BANCOS DE PROTEINAS
¿Qué es un Banco forrajero?
Es un Sistema de Cultivo en el cual las Leñosas Perennes o las Forrajeras Herbáceas crecen en Bloque Compacto y con Alta Densidad, con miras a MAXIMIZAR la Producción de Fitomasa de Alta Calidad Nutritiva.
Si la forrajera sembrada tiene más de 15% PC, el bloque constituiráun BANCO DE PROTEINA. (Muhammad I. 2008)

Es una alternativa de bajo costo para mejorar el contenido de proteínas de la ración alimentaría del ganado, ya que las proteínas constituyen uno de los nutrientes más costosos en todas las raciones alimentarias para la producción animal.
Es un área sembrada por leguminosas forrajeras herbáceas, rastreras o erectas, o de tipo arbustivo, que se emplean para corte o pastoreo directo por rumiantes, como complemento al pastoreo de gramíneas.
Son áreas pequeñas cercanas a las instalaciones pecuarias como corrales y establos de ordeños, cultivadas con una mezcla de arbustos forrajeros (nacedero, morera, botón de oro, ramio, matarratón, etc. Sembrados a densidades muy altas a 1x 1 m o 2 x 2 m de acuerdo a la especie3 (Urbano., et al, 2000).
Es un área de terreno o potrero destinado al uso exclusivo de una especie vegetal rica en proteínas, el cual puede ser usado mediante un pastoreo controlado o cosecharse mediante prácticas de cortes.
Se denomina bancos de proteína a la siembra de especies herbáceas o de árboles y arbustos con follaje de alto contenido proteico, dispuestos en arreglos de altas densidades de plantas que pueden ser cosechados y llevados a los animales en un sistema de corte y acarreo o que pueden ser pastoreados directamente, por lo general, durante cortos períodos diarios (1.5 a 2.5 horas diarias). (Camero A., Muhanunad I. 1995).


USO E IMPORTANCIA
Los bancos de proteína son importantes en la suplementación del ganado y existe una gran cantidad de árboles y arbustos forrajeros que se pueden utilizar en bancos de proteína de acuerdo a las diferentes zonas climáticas. Cada árbol se adapta a determinadas condiciones de altitud, humedad y condiciones del suelo especificas y requiere también un manejo agronómico apropiado. (Barba 2009).
El uso de plantas leguminosas como banco de proteínas ayuda a fijar el nitrógeno atmosférico, por lo que necesitan baja fertilización al sembrarse en altas densidades, tienen raíces profundas, alta capacidad de rebrote, alto contenido de proteína en las hojas (hasta 23%), previenen la erosión y reciclan los nutrientes.
Se puede utilizar bajo pastoreo en períodos cortos durante cada día una o dos horas después del ordeño, o para corte se hace podando y proporcionando la cantidad adecuada de forraje de las leguminosas a los animales. (Flores 2005).
Son de gran importancia ya que el uso de los bancos de proteína, influyen sobre el patrón de consumo de la gramínea y que pueden ser una alternativa para disminuir las pérdidas de peso por estrés en animales rumiantes. (Araque 2001).
El uso de las leguminosas en una ganadería sostenible es una necesidad incuestionable para muchos países tropicales en vías de desarrollo. (Shelton, 1996).
IMPLANTACION DEL SISTEMA BANCO DE PROTEINA.
¿Cómo establecer un Banco Forrajero con Leñosas Perennes?
-Manifiesten una buena capacidad de rebrote luego de la defoliación
-Posean un alto potencial para producir hojas
-Persistan cuando son sometidas a la defoliación frecuente e intensa, sea en forma de podas o la ejercida por los animales (pastoreo/ramoneo)
-Presenten una calidad nutritiva aceptable, la cual se expresa en:
-Alto contenido de nitrógeno y/o energía digerible, Niveles aceptables de consumo, Bajo contenido de metabolitos secundarios que afecten el consumo, la digestibilidad o la salud de los animales. (Muhammad I. 2008)
Para la implantación de este sistema se requiere de especies de alta producción de materia seca, un buen desenvolvimiento durante la época seca y que garantice una buena calidad tanto química como física en el forraje.
Una de las plantas promisorias para este tipo de sistema es la leucaena (leucaena leucocephala), cuyas características de rendimiento, palatabilidad y calidad la hacen una leguminosa importante para la alimentación bovina.
En la zona oriental del estado Falcón, específicamente la zona de Bajo Tocuyo, se trabaja con esta leguminosa con la meta de reducir los costos de producción en fincas con orientación lechera. El ensayo en sí, está centrado en la introducción de una alternativa tecnológica de fácil adopción por el productor.
POTENCIALIDADES DE LAS LEGUMINOSAS COMO BANCOS DE PROTEINAS EN LA GANADERÍA
Como fuente nutritiva las leguminosas poseen bondades en la alimentación animal. Se ha comprobado que su suministro contribuye a aumentar la respuesta en la producción de leche y carne, así como también a mejorar la eficiencia reproductiva de los rebaños.
Entre las características más resaltantes de las leguminosas usadas en bancos de proteínas, como fuente alimenticia podemos señalar:
1. Son una fuente importante de proteínas de buena calidad, dado que poseen una amplia gama de aminoácidos esenciales que las hacen superiores a las gramíneas tropicales.
2. Presentan una concentración de nitrógeno en las hojas, superior al de las gramíneas.
3. Sus contenidos de proteína tienden a disminuir más gradualmente que en las gramíneas, en lo referente con la edad de la planta.
4. Son plantas ricas en calcio.
5. Presentan bajos niveles de fibras, en comparación con las gramíneas tropicales.
Como mejoradora del suelo: otra bondad de estas especies es la de mejorar los suelos desde el punto de vista de fertilidad, pues tienen la propiedad de fijar el nitrógeno gaseoso de la atmósfera, a través de una simbiosis con microorganismos bacterianos del género Rizobium.
La simbiosis se sucede por medio de los pelos adsorbentes de las raíces que son "infectados" por estas bacterias, formando conglomerados celulares denominados nódulos.
La fijación de nitrógeno que se realiza en estos nódulos, es aportado al suelo una vez envejecidas o muertas las raíces, siendo fácilmente aprovechado por otras plantas.
La cantidad de nitrógeno fijado por algunas plantas leguminosas pueden variar de 20 a 560 Kg./ha año, dependiendo del suelo y de la humedad disponible en el medio agroecológico.
Esta cualidad de fijar nitrógeno y otros elementos importantes (fósforo), le dan a las leguminosas la facultad de habitar en suelos de fertilidad pobre, sin que esto les afecte significativamente en calidad y cantidad de biomasa.
Ventajas económicas del uso de bancos de proteínas bajo pastoreo/ramoneo.
Costo de establecimiento 45.5 % inferior en los bancos que son usados bajo pastoreo, porque:Se invierte menos inversión en semila, al ser la densidad de siembra la mitad de la utilizada en sistemas de corte
El "corte y acarreo" determina que los costos de mano de obra sean 3.65 veces más altos que en el pastoreo. Sin embargo, el análisis efectuado no consideróque:Hay una demanda por mano de obra para las podas que deben efectuarse cada 2 ó3 ciclos, cuando los bancos son usados bajo pastoreo
La vida útil del banco usado bajo pastoreo puede ser menor, ya que hay mayor riesgo de pérdida del mismo por mal manejo
LIMITACIONES DE LAS LEGUMINOSAS FORRAJERAS EN BANCOS DE PROTEINAS
Una limitante importante de las leguminosas tropicales es la de presentar sustancias antimetabólicas que producen efectos tóxicos en el animal (Cuadro 2). El consumo excesivo de algunas especies puede causar problemas que llegan a ser severos, sobre todo cuando se usan como fuente exclusiva (banco de proteínas). En el caso de las asociaciones se puede presentar con menos frecuencia, ya que el animal tiende a consumir preferentemente la gramínea presente.
En los casos observados de intoxicación por el consumo excesivo de leguminosas, no ha causado la muerte. La acción puede ser reversible con sólo suprimir la leguminosa de la dieta diaria.
Cuadro2. Antimetabolítos en Leguminosas Forrajeras (Chacón y Betancourt, 1986).

Género Antimetabolítos Efectos Biológicos
Desmodium Taninos Deprime la Digestibilidad y aceptabilidad
Indigofera Indospicina AA- Teratogénico Hepato-tóxico, abortos
Leucaena Mimocina Agente bociógeno, abortos.
Trifolium Fitoestrógenos Acción estrogénica, abortos.

MANEJO Y UTILIZACION DEL BANCO DE PROTEÍNA.

Lo recomendable es que el banco de proteína esté en un sitio cercano a donde se debe llevar el forraje cosechado ( caso de corte y acarreo), o donde se podría controlar en una forma más eficiente el ramoneo si se utiliza bajo esta modalidad. Esta localización cercana permite reducir los costos de manejo del banco de proteína
No es recomendable utilizar el banco de proteínas antes de los ocho 8 a 12 meses de establecido. Bajo un sistema de corte y acarreo se pueden cortar a una altura de 60 a 90 cm del suelo, dependiendo de la especie utilizada.
• Si el "banco" se pretende utilizar bajo corte, las hileras pueden estar distanciadas a 0.8 -1.0 m, y de 0.25 -0.5 m entre plantas
• Si el banco se pretende utilizar bajo pastoreo: La distancia mínima entre hileras será de 2.0 m y de 0.5 -1.0 m entre plantas
Algunas especies presentan problemas en su establecimiento, tanto en el manejo desde la fase de semillero, como en el tipo de material vegetativo utilizado y el método de siembra, establecimiento del banco de proteína. Por lo general, se puede establecer un banco de proteínas en un área del 20 a 30% del terreno utilizado para pasturas, dependiendo por supuesto de la productividad y el número de animales a suplementar. (Alberto Camero Rey I Muhanunad Ibrahim 1997)
Resultados obtenidos en el CA TIE han demostrado que en vacas en producción, la suplementación con 4 a 6 kg de MS comestible de poro o madero negro han incrementado la producción de leche entre 1 a 1.5 vaca/día.
Diariamente se debe suministrar entre 1 a 3 kg. De forraje arbóreo fresco por cada 100 kg. de peso vivo del animal, esto puede significar un aumento en la producción de leche diaria hasta del 20 %, y además mejora la reproducción considerablemente. En animales jóvenes el forraje arbóreo mejora el crecimiento entre el 10 % y el 30%. (Barba 2009)
¿Cuándo efectuar la primera defoliación?
Según (Muhammad I. 2008), esta es una decisión crítica, pues ejerce influencia sobre: Engrosamiento de tallos, Desarrollo radicular, Capacidad de rebrote luego de defoliación, Resistencia a daño mecánico por animales, Sobrevivencia de plantas.
En la mayoría de leñosas se recomienda efectuar la primera defoliación cuando las plantas han alcanzado 1.0 -1.5 m de altura
En áreas con período de sequía prolongado, esto ocurre generalmente al segundo año de haber sido establecido el banco.
No es posible hacer una recomendación general sobre altura de corte, pero sí deben recordarse algunos principios básicos de la fisiología del rebrote de plantas forrajeras
a. Cuando la defoliación es muy intensa, el rebrote es muy dependiente de las reservas orgánicas, presentes en los tallos residuales
b. Para asegurar un rebrote vigoroso, el material remanente luego de la poda debe tener una buena cantidad de yemas
c. El dejar algo de hojas luego de la poda, favorece la velocidad de rebrote
d. Si la defoliación es muy intensa (poco material remanente luego de la poda), debe incrementarse el intervalo entre podas
¿Cómo manejarlos bajo pastoreo/ramoneo?
Cuando los animales defolian, ellos tienden a seleccionar preferentemente hojas, lo cual normalmente resulta en una menor intensidad de defoliación que cuando se corta. Por ello, el intervalo entre defoliaciones tiende a ser menor bajo pastoreo, que bajo corte
MANEJO RECOMENDADO:
Sistema de Pastoreo: Rotacional
Período de Descanso: 60-80 días
Período de Ocupación: 7 días o menos
Horas de Ocupación c/día: 1-2 h
Carga Animal: 2.5 UA/ha (sin embargo, esta puede variar en función del nivel de oferta de biomasa comestible)
Podas de uniformización cada 6-12 meses, cortando los tallos hasta 0.5-1.0m. Las podas de uniformización tienen los siguientes propósitos: Evitar que los nuevos brotes se produzcan por encima de la altura de ramoneo de los animales (< 2.0 m), pues por alcanzarlos, los animales provocan daños mecánicos sobre las plantas, eliminar tallos viejos, para así promover el macollamiento, promover una mayor uniformidad de rebrote. Debe tenerse particular cuidado en el manejo de la intensidad de defoliación (regularmente controlada a través de la carga), pues el sobrepastoreo resultará inicialmente en la pérdida de productividad del banco forrajero, pero eventualmente en la pérdida de plantas y la invasión de malezas.

Estimación de área para establecer banco de proteínas
A = AF * D * NUA
P * EU
A = Área requerido para establecer banco proteína, ha
AF = Asignación de forraje per. unidad animal (UA) per. día, Kg MS/UA/día
D = número de días para suplementar los animales, # días
NUA = Numero de unidad animales,
P = producción de materia seca del banco, Kg. MS/ha
EU = eficiencia de utilización (proporción eq, 0.85 para corte, 0.65 para ramoneo)
Área requerida para plantar un banco de proteína de Leucaena leucocephala para suplementar el hato
a. Consumo Diaria de Leucaena (CDL)
CDL = 0.5 kg MS /100 kg PV (equivalen a 2 kg MS/UA/día)
b. Consumo Diaria de Leucaena para el Hato entero (CDLH)
C DLH = CDL x No. UA
CDLH = 2 x 17,25 = 34.5 kg MS/dia
Producción estimada de MS de Leucaena (PeMSL)
PeMSL = 11,500 kg MS/ha/año
Eficiencia de Utilización (EU) = 60 %
Área Requerida para Plantar Leucaena (ARPL)
ARPL= CDLH x No dias = 34.5 x 365 = 1.82 has
PeMSL x EU 11,500 x 0.6
Números de parcelas recomendadas para rotación.
Periodos de descanso = 70 días
Periodo de pastoreo = 7 días
ND = 70 + 7 = 11
7
Tamaño de la parcela = ARPL/ND = 1.82/11 = 0.165 has
ESPECIES MAS UTILIZADAS EN LOS BANCOS DE PROTEINAS.
Leñosas: Leucaena. Leucaena leucocephala, Matarratón Gliricidia sepium, Nacedero Trichanthera gigantea.
Herbaceas: Alfalfa Medicago sativa, Frijol espada, Centrosema pubensis, Desmodium genero, Sirato Macroptilium atropurpureum, Mani forrajero, Arachis pintoi, Genero Sttylosantes, Kudzu, Pueraria phaseoloides, Trébol blanco,Trifolium repeus, Frijol caupi, Vaigna sinensis.
Las leguminosas como la leucaena, son altamente recomendadas para el establecimiento de bancos de proteínas, que requieren de especies de alta producción de materia seca y buena persistencia durante la época seca. Con estos bancos se asegura una provisión de recursos alimenticios de alto valor nutritivo en la época de escasez. (Barrera G., 2001).
Entre las leguminosas forrajeras, las arbustivas tienen como ventaja que son más persistentes que las herbáceas, además de permanecer verdes aún en condiciones de sequía. Entre las más comunes la Leucaena leucocephala ha demostrado una amplia adaptación al medio ambiente y una gran variedad de usos. Compite con otras especies por poseer una combinación única de atributos (Shelton, 1996) La leucaena (leucaena leucocephala), es considerada como una planta forrajera potencial para ser incorporada en los sistemas alimenticios de vacas en producción por su alto valor proteico, la cual sufre poca degradación en el rumen debido a su protección por los elevados niveles de 4 – 6% de taninos. Esto favorece que la proteína sea digerida en el intestino delgado, actuando como proteína sobre pasante (Clavero, 1998). Para su empleo con animales se opta por una altura de unos tres metros o menos. Produce entre 12 y 20 toneladas de materia seca por hectárea. Posee un contenido de proteína cruda de 22 al 23% (Urbano J., et al, 2000)
Establecimiento: Leucaena leucocephala, al igual que muchas especies arbóreas es lenta en su establecimiento en comparación con otras especies herbáceas. En muchos lugares del trópico las plantaciones no pueden ser consideradas como establecidas para ser explotadas hasta después de 12 a 18 meses de sembradas o aún más. Las pequeñas plántulas son muy vulnerables a la competencia con las malezas, destrucción y defoliación durante el período de establecimiento debido a entradas anticipadas de animales a las áreas de siembra, ataque de plagas y enfermedades u otras causas.

Siembra. Existen informaciones (Hughes, 1998) que son indicadoras de que hay que considerar la temperatura, humedad y luminosidad para seleccionar la fecha del año en la cual existen buenas condiciones para la germinación y el desarrollo temprano con el objetivo de obtener buenos establecimientos. La disminución de la cantidad de luz y de temperatura afecta grandemente el crecimiento de las plantas jóvenes en casi todos los componentes. Leucaena requiere temperaturas entre 25 -30 C diarios para un óptimo crecimiento (Shelton y Brewbaker, 1994). La profundidad de siembra, es otro aspecto que debe considerarse esencial. Piggin y col (1987) compararon profundidades de siembra de leucaena en suelos alcalinos sedimentarios de Timor. Estos autores encontraron que una emergencia del 80 % se alcanzó en siembras a 5 cm de profundidad que disminuyó a 20-25 % cuando esta fue en la superficie y de sólo 0.8 % a 15 cm de profundidad.
En Cuba, las investigaciones de Ruiz, Lauzurica y Bernal (1985) mostraron que las mejores profundidades en suelo fue de entre 2 y 4 cm mientras que las peores germinaciones y emergencias ocurren cuando la siembra fue superficial. La dosis de siembra depende de la densidad poblacional que se requiere disponer en el campo, el peso y la viabilidad de la semilla, así como por la distancia entre surcos y la supervivencia. Algunos autores (Jones y col, 1982, Pratchett y Triglione, 1989) sugieren que la dosis de siembra en condiciones de precipitación puede variar entre 0.5 y 5 kg/há de semilla en dependencia del lecho de siembra y la distancia. En estudios sobre el establecimiento de la Leucaena Ruiz y col (1996) recomiendan sembrar cuando esta planta tenga 8-9 cm de altura. Una inoculación efectiva es esencial para lograr un crecimiento vigoroso en esta planta y la investigación ha examinado la efectividad de diferentes cepas de Rhizobium tanto en suelos alcalinos como ácidos en diferentes regiones tropicales del mundo como (López, 1987).
Manejo para el establecimiento: Competencia y control de malezas.
La competencia con las malezas restringe severamente el crecimiento de la planta. Hill (1970) informó en Papua-Nueva Guinea que limpiezas periódicas incrementa el crecimiento de la leguminosa del 30 al 100 % en los primeros 3 meses. Esta leguminosa permite cierto enyerbamiento durante los primeros 20 días a partir de la siembra lo que conduce a una mayor flexibilidad para iniciar la labor de control de malezas. La fertilización, es otro aspecto que debe tenerse en cuenta al analizar las diferentes gestiones a desarrollar durante el período de establecimiento de la L. leucocephala. No obstante, consideramos que su aplicación debe valorarse cuidadosamente y en consonancia con las condiciones edáficas de las áreas objeto de siembra ya que la práctica de la fertilización aumenta los costos y en consecuencia puede encarecer las tecnologías.
Se ha encontrado que sólo en la etapa inicial de crecimiento es necesario aplicar fertilizante para acelerar el desarrollo de la leucaena y que pueda competir favorablemente con las malezas. Esta leguminosa crece más rápido cuando se aplica 30, 45 y 50 kg/há de N, P y K respectivamente. No se ha encontrado necesidad de aplicar fertilizante químico a partir de que las plantas alcancen 150 cm de altura (Crespo y Curbelo, 1991).
Manejo, Momento de comenzar el pastoreo. El conocimiento de cuando un pasto está en condiciones para la primera defoliación es usualmente subjetivo y se basa en el estado de crecimiento y otras consideraciones que definen la vida útil del pasto (Ruiz y col, 1988). Esto se pudo apreciar en una investigación desarrollada en Cuba por Ruiz, Febles, Cobarrubia, Díaz y Bernal (1988) en plantaciones que comenzaron a pastarse en diferentes momentos después de la siembra (tabla 5) donde se concluye que cuando el pastoreo comienza a una altura entre 90-100 cm no se compromete la vida útil y futura del pastizal.
Se aprecia que las plantas que llegaron a alturas por encima de 200 cm, 60 % de su disponibilidad no estuvo al alcance de animales adultos. Las plantas que comenzaron a pastarse por debajo de 100 cm dan la posibilidad de que se efectúe un consumo total de las partes activas de crecimiento controlando. La altura de la planta, peso/planta y otras mediciones tuvieron un mejor balance cuando el pastoreo fue entre 90-100 cm. También para influir en la estabilidad del sistema esta planta debe pastarse de forma rotacional empleando como mínimo de 6-8 cuartones según el sistema productivo a que esté sometida. El ramoneo por los animales no debe remover más del 80 % del área foliar para asegurar así un mejor rebrote.
A lo anterior debemos unir que el tiempo de reposo podrá oscilar de 28 a 35 días en la estación de lluvias y de 35 a 42 días en la estación de seca, y la ocupación no debe ser mayor de 5 días, ya que los animales pueden afectar los nuevos rebrotes. Estos resultados coinciden con los planteados por Lamela (1989) y Milera (1991).
Cuando no existe la posibilidad de que el animal consuma al menos entre 11-12 kg/MS/animal/día de pasto o forraje, lo que ocurre especialmente durante la estación seca, aumenta la ingestión de la leucaena por encima de 3 kg MS/animal/día lo que puede provocar toxicidad causada por la mimosina. Las tecnologías para vacas lecheras son para animales de mayor o de menor potencial lechero, de ahí que se estudien las de bajos o altos insumos, utilizando la leucaena como bancos de proteína (30 % del área) u otro sistema. Para los sistemas de altos insumos, donde se fertiliza la gramínea y se riega, se logran reducir los gastos de 30 % del área que ocupa la leucaena en fertilización y riego y disminuir los gastos de suplementación con concentrados en 33 %.
Tabla 1. Resultados de la introducción de la leucaena en los sistemas de altos insumos
Años tecnológicos
Indicadores 1ero. 2do. 3ro.
Producción/há/vacas en ordeño, kg 15 779 15 681 17 219
Producción/año/vacas totales, kg 2 805 2 776 3 027
Duración de la lactancia, días 297 302 308
Producción/vaca/día en el año, kg 14.5 14.1 15.1




Gliricidia sepium. Matarratón.
Otra leguminosa usada comúnmente en bancos de proteína es Gliricidia sepium, matarratón, en altas densidades (40000 y 160000 plantas/ha) y usando para la propagación semillas o material vegetativo, es una de las especies más utilizadas en sistemas de corte y acarreo, debido a su alta producción y calidad de forraje (Ademosun et al 1985; Atta- Krah Sumberg 1988; Pezo et al 1990; Rangkuti et al 1990; Mochiutti 1995).
Estos árboles tienen la capacidad de fijar nitrógeno, promover el reciclaje de nutrientes y mejorar las condiciones físicas y biológicas del suelo por la deposición de materia orgánica de alta calidad. Además producen forraje con 12 a 30% de proteína cruda, capaz de llenar el déficit proteico existente en la mayoría de los pastos tropicales (Blair et al 1990; Devedra 1992; Norton 1994).
Comúnmente, la densidad utilizada en el establecimiento de bancos de proteína de Gliricidia sepium es de 10000 plantas/ha.
El primer corte se puede realizar a los 6 meses después de la siembra. La altura de corte aproximadamente a los 80 cm.
En términos generales, la producción de forraje fue superior en el primer corte que en los cortes posteriores. Lo cual está de acuerdo con lo expuesto por Gómez et al (1995), quienes encontraron que la producción de Gliricidia sepium es mayor al primer corte que en los cortes siguientes.
Whiteman et al (1986) observaron que los árboles de Gliricidia sepium pierden las hojas cuando la temperatura nocturna desciende por debajo de 15° C.
El Matarratón se encuentra, en toda América Central, Colombia, Venezuela, Brasil y en otros países tropicales. Se cultiva desde el nivel del mar hasta los 1.500 metros, soporta temperaturas entre 15 y 30°C y precipitaciones entre 500 y 3.000 milímetros.
Es una planta poco exigente en cuanto a clase de suelos se refiere, adaptándose fácilmente tanto a suelos secos como a húmedos, a suelos con PH entre 4.5 y 7 y a suelos franco arenosos y arcillosos.
Esta planta presenta un mal desarrollo cuando los suelos permanecen inundados por exceso de lluvia y falta de drenajes. Por la rapidez en su desarrollo, cuando se multiplica por medio de estacas o estacones, el sistema radicular inicia en forma temprana la formación de nódulos radiculares fijadores de nitrógeno.
Si su propagación es realizada por estaca o rama, desarrolla muchas raíces laterales superficiales, largas y fuertes. Esto significa que no crece una raíz principal sino varias raíces hacia los lados.
La hoja, como buena leguminosa tiene un alto contenido de proteína, que puede ir desde 12% hasta un 30%. En algunas regiones las hojas se caen por completo para permitir el desarrollo de la floración.
Preparada la estaca se procede a realizar su siembra en campo, abriendo un hueco con la misma estaca hasta logar una profundidad de 10 a 15 centímetros.
El matarratón cuando está sembrado en suelos infértiles o poco fértiles, responde muy bien a las aplicaciones de abonos orgánicos como gallinaza, porquinaza, compost o mantillo. No requiere aplicación de abonos químicos y menos los que son a base de nitrógeno como la úrea, porque limitan la producción de bacterias nitrificantes.

02 abril 2010

modelo

Come se escribe el modelo para un diseño doblemente en medidas repetidas.

Yij = µ +αi + Ʈj +€ij

Yij= i,j K-enesima observación

µ = parámetro común para los tratamientos, es la media global.

αi = Factor tiempo, efecto del i-esimo nivel del factor, efecto del i-esimo tiempo.

Ʈj = Factor tratamiento, efecto del j-esimo segundo factor, efecto del j-esimo tratamiento.

€ij= componente del error aleatorio.
DATA VACAS;
INPUT TRATAMIENTO $ L1 L3 L5 L7 G1 G3 G5 G7;
DATALINES;
T0 4.59 4.30 4.28 3.80 3.1 3.1 3.2 3.8
TO 4.40 4.10 4.00 3.50 3.2 3.5 3.1 3.2
T0 4.10 4.08 3.80 3.61 3.2 3.9 3.1 3.5
T0 4.30 4.10 3.99 3.70 3.2 3.1 3.3 3.3
T0 4.49 4.30 4.00 3.91 3.1 3.2 3.2 3.5
T0 4.50 4.41 4.28 3.90 3.9 3.2 3.8 3.2
T0 3.91 3.70 3.79 3.40 3.9 3.1 3.2 3.3
T0 4.58 4.10 4.01 3.70 3.8 3.2 3.8 3.2
T0 3.89 3.71 3.70 3.30 3.1 3.2 3.5 3.9
T0 4.18 4.00 3.81 3.50 3.9 3.1 3.8 3.2
T0 4.38 4.10 3.99 3.70 3.1 3.1 3.8 3.1
T0 4.49 4.30 4.00 3.91 3.5 3.2 3.1 3.5
T0 4.50 4.41 4.28 3.90 3.2 3.1 3.3 3.2
T0 3.91 3.70 3.79 3.40 3.5 3.3 3.5 3.2
T0 4.58 4.10 4.01 3.70 3.3 3.2 3.2 3.2
T1 5.09 4.90 4.88 4.60 3.1 3.3 3.9 3.4
T1 4.91 4.88 4.70 4.70 3.9 3.8 3.3 3.8
T1 3.88 4.10 3.89 3.70 3.9 3.5 3.1 3.4
T1 4.81 5.00 4.99 4.70 3.1 3.4 3.8 3.4
T1 4.19 4.30 4.28 4.00 3.1 3.4 3.4 3.7
T1 3.69 3.80 3.78 3.60 3.1 3.6 3.9 3.4
T1 5.01 5.00 4.78 4.60 3.4 3.8 3.5 3.9
T1 4.40 4.59 4.30 4.28 3.8 3.4 3.9 3.4
T1 4.80 4.70 4.80 5.00 3.5 3.3 3.4 3.4
T1 4.79 4.90 4.89 4.80 3.9 3.4 3.1 3.4
T1 4.40 4.59 4.30 4.28 3.7 3.7 3.7 3.3
T1 4.19 4.30 4.28 4.00 3.1 3.7 3.8 3.3
T1 4.08 4.90 4.89 4.80 3.2 3.7 3.8 3.3
T1 3.88 4.10 3.89 3.70 3.5 3.2 3.6 3.9
T1 4.91 4.88 4.70 4.70 3.1 3.3 3.8 3.6
T2 4.78 4.90 5.00 5.09 3.4 3.8 3.3 3.3
T2 4.99 5.20 5.28 5.80 3.8 3.6 3.8 3.3
T2 4.80 5.01 5.19 5.30 3.1 3.6 3.8 3.3
T2 4.59 4.70 4.61 4.90 3.9 3.6 3.5 3.9
T2 4.71 4.90 4.90 5.08 3.1 3.8 3.6 3.5
T2 5.08 5.00 5.21 5.40 3.8 3.9 3.8 3.1
T2 4.09 4.00 4.38 4.40 3.3 3.1 3.2 3.9
T2 4.39 4.61 4.30 4.20 3.8 3.6 3.1 3.2
T2 3.99 4.00 4.18 4.40 3.1 3.3 3.8 3.8
T2 5.08 5.00 5.21 5.40 3.9 3.4 3.3 3.1
T2 4.80 5.01 5.19 5.30 3.6 3.2 3.1 3.6
T2 4.39 4.61 4.30 4.28 3.9 3.2 3.1 3.6
T2 4.09 4.01 4.38 4.40 3.8 3.5 3.9 3.3
T2 4.59 4.70 4.61 4.90 3.2 3.4 3.6 3.4
T2 4.58 4.70 4.59 4.60 3.1 3.5 3.8 3.2
;
PROC GLM DATA=VACAS;
CLASS TRATAMIENTO;
MODEL L1 L3 L5 L7 G1 G3 G5 G7=TRATAMIENTO/NOUNI;
REPEATED RESPONSE 2 IDENTITY, TIME 4;
RUN;

Sistema SAS
Procedimiento GLM
Información del nivel de clase
Clase Niveles Valores
TRATAMIENTO 4 T0 T1 T2 TO

Número de observaciones 45

________________________________________

Sistema SAS
Procedimiento GLM
Análisis de medidas repetidas de la varianza
Información del nivel de medidas repetidas
Variable dependiente L1 L3 L5 L7 G1 G3 G5 G7
Nivel de RESPONSE 1 1 1 1 2 2 2 2
Nivel de TIME 1 2 3 4 1 2 3 4

Criterio de test MANOVA y estadísticos F exactos para la hipótesis de efectos no RESPONSE
H = Tipo III Matriz SSCP para Término indeRESPONSE
Matriz SSCP de error E =

S=1 M=0 N=19
Estadístico Valor F-Valor Num DF Den DF Pr > F
Wilks' Lambda 0.00259775 7678.98 2 40 <.0001
Pillai's Trace 0.99740225 7678.98 2 40 <.0001
Hotelling-Lawley Trace 383.94891638 7678.98 2 40 <.0001
Roy's Greatest Root 383.94891638 7678.98 2 40 <.0001
1. Efecto nulo de la respuesta (son dos respuestas)
Ρ= 0,0001, rechazo la hipótesis nula El efecto no es nulo. (No se comporta la una como la otra.)

Criterio de test MANOVA y aproximaciones para la hipótesis de efectos no RESPONSE*TRATAMIENTO H = Tipo III Matriz SSCP para RESPONSE*TRATAMIENTO Matriz SSCP de error E = S=2 M=0 N=19 Estadístico Valor F-Valor Num DF Den DF Pr > F
Wilks' Lambda 0.41199047 7.44 6 80 <.0001
Pillai's Trace 0.62592470 6.23 6 82 <.0001
Hotelling-Lawley Trace 1.33521139 8.80 6 51.593 <.0001
Roy's Greatest Root 1.26230573 17.25 3 41 <.0001 NOTA:
El estadístico F para la raíz mayor de Roy es un límite superior. NOTA: El estadístico F para Lambda de Wilks es exacto.

2. La interacción nula RESPUESTA *TRATAMIENTO
Ρ= 0,0001, rechaza la hipótesis nula, de que se comporten de igual manera El efecto no es nulo.
Criterio de test MANOVA y estadísticos F exactos para la hipótesis de efectos no RESPONSE*TIME H = Tipo III Matriz SSCP para Término indeRESPONSE*TIME Matriz SSCP de error E = S=1 M=2 N=17 Estadístico Valor F-Valor Num DF Den DF Pr > F
Wilks' Lambda 0.51069240 5.75 6 36 0.0003
Pillai's Trace 0.48930760 5.75 6 36 0.0003
Hotelling-Lawley Trace 0.95812585 5.75 6 36 0.0003
Roy's Greatest Root 0.95812585 5.75 6 36 0.0003


3. Interaccion nula RESPUESTA*TIEMPO
Ρ= 0,0001, rechaza la hipótesis nula, de que se comporten de igual manera
El efecto no es nulo.




Criterio de test MANOVA y aproximaciones para la
hipótesis de efectos no RESPONSE*TIME*TRATAMIENTO
H = Tipo III Matriz SSCP para RESPONSE*TIME*TRATAMIENTO
Matriz SSCP de error E =

S=3 M=1 N=17
Estadístico Valor F-Valor Num DF Den DF Pr > F
Wilks' Lambda 0.13594589 5.83 18 102.31 <.0001
Pillai's Trace 1.18750372 4.15 18 114 <.0001
Hotelling-Lawley Trace 4.17462531 8.13 18 66.222 <.0001
Roy's Greatest Root 3.64550339 23.09 6 38 <.0001
NOTA: El estadístico F para la raíz mayor de Roy es un límite superior. 4. Interacción nula RESPUESTA*TIEMPO*TRATAMIENTO
Ρ= 0,0001, rechaza la hipótesis nula, de que se comporten de igual manera El efecto no es nulo. Todas las interacciones son altamente significativas, no se discuten las tablas de media ________________________________________

Sistema SAS Procedimiento GLM Análisis de medidas repetidas de la varianza Tests de hipótesis para efectos Between Subjects Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F
TRATAMIENTO 3 12.05784395 4.01928132 14.74 <.0001 Error 41 11.17983827 0.27267898

ANALISIS DE VARIANZA MULTIVARIANTE PARA EL DISEÑO EN MEDIDAS REPETIDAS USANDO COMO RESPUESTA LA MEDICION PARA LECHE. DATA VACAS; INPUT TRATAMIENTO $ L1 L3 L5 L7 G1 G3 G5 G7; DATALINES; T0 4.59 4.30 4.28 3.80 3.1 3.1 3.2 3.8 TO 4.40 4.10 4.00 3.50 3.2 3.5 3.1 3.2 T0 4.10 4.08 3.80 3.61 3.2 3.9 3.1 3.5 T0 4.30 4.10 3.99 3.70 3.2 3.1 3.3 3.3 T0 4.49 4.30 4.00 3.91 3.1 3.2 3.2 3.5 T0 4.50 4.41 4.28 3.90 3.9 3.2 3.8 3.2 T0 3.91 3.70 3.79 3.40 3.9 3.1 3.2 3.3 T0 4.58 4.10 4.01 3.70 3.8 3.2 3.8 3.2 T0 3.89 3.71 3.70 3.30 3.1 3.2 3.5 3.9 T0 4.18 4.00 3.81 3.50 3.9 3.1 3.8 3.2 T0 4.38 4.10 3.99 3.70 3.1 3.1 3.8 3.1 T0 4.49 4.30 4.00 3.91 3.5 3.2 3.1 3.5 T0 4.50 4.41 4.28 3.90 3.2 3.1 3.3 3.2 T0 3.91 3.70 3.79 3.40 3.5 3.3 3.5 3.2 T0 4.58 4.10 4.01 3.70 3.3 3.2 3.2 3.2 T1 5.09 4.90 4.88 4.60 3.1 3.3 3.9 3.4 T1 4.91 4.88 4.70 4.70 3.9 3.8 3.3 3.8 T1 3.88 4.10 3.89 3.70 3.9 3.5 3.1 3.4 T1 4.81 5.00 4.99 4.70 3.1 3.4 3.8 3.4 T1 4.19 4.30 4.28 4.00 3.1 3.4 3.4 3.7 T1 3.69 3.80 3.78 3.60 3.1 3.6 3.9 3.4 T1 5.01 5.00 4.78 4.60 3.4 3.8 3.5 3.9 T1 4.40 4.59 4.30 4.28 3.8 3.4 3.9 3.4 T1 4.80 4.70 4.80 5.00 3.5 3.3 3.4 3.4 T1 4.79 4.90 4.89 4.80 3.9 3.4 3.1 3.4 T1 4.40 4.59 4.30 4.28 3.7 3.7 3.7 3.3 T1 4.19 4.30 4.28 4.00 3.1 3.7 3.8 3.3 T1 4.08 4.90 4.89 4.80 3.2 3.7 3.8 3.3 T1 3.88 4.10 3.89 3.70 3.5 3.2 3.6 3.9 T1 4.91 4.88 4.70 4.70 3.1 3.3 3.8 3.6 T2 4.78 4.90 5.00 5.09 3.4 3.8 3.3 3.3 T2 4.99 5.20 5.28 5.80 3.8 3.6 3.8 3.3 T2 4.80 5.01 5.19 5.30 3.1 3.6 3.8 3.3 T2 4.59 4.70 4.61 4.90 3.9 3.6 3.5 3.9 T2 4.71 4.90 4.90 5.08 3.1 3.8 3.6 3.5 T2 5.08 5.00 5.21 5.40 3.8 3.9 3.8 3.1 T2 4.09 4.00 4.38 4.40 3.3 3.1 3.2 3.9 T2 4.39 4.61 4.30 4.20 3.8 3.6 3.1 3.2 T2 3.99 4.00 4.18 4.40 3.1 3.3 3.8 3.8 T2 5.08 5.00 5.21 5.40 3.9 3.4 3.3 3.1 T2 4.80 5.01 5.19 5.30 3.6 3.2 3.1 3.6 T2 4.39 4.61 4.30 4.28 3.9 3.2 3.1 3.6 T2 4.09 4.01 4.38 4.40 3.8 3.5 3.9 3.3 T2 4.59 4.70 4.61 4.90 3.2 3.4 3.6 3.4 T2 4.58 4.70 4.59 4.60 3.1 3.5 3.8 3.2 ; *PROC GLM DATA=VACAS; *CLASS TRATAMIENTO; *MODEL L1 L3 L5 L7 G1 G3 G5 G7=TRATAMIENTO/NOUNI; *REPEATED RESPONSE 2 IDENTITY, TIME 4; *RUN; PROC GLM DATA=VACAS; CLASS TRATAMIENTO; MODEL L1 L3 L5 L7 =TRATAMIENTO/NOUNI; REPEATED TIME 4/SUMMARY; RUN; Sistema SAS Procedimiento GLM Información del nivel de clase Clase Niveles Valores TRATAMIENTO 4 T0 T1 T2 TO Número de observaciones 45 ________________________________________

Sistema SAS Procedimiento GLM Análisis de medidas repetidas de la varianza Información del nivel de medidas repetidas Variable dependiente L1 L3 L5 L7 Nivel de TIME 1 2 3 4
Criterio de test MANOVA y estadísticos F exactos para la hipótesis de efectos no TIME H = Tipo III Matriz SSCP para Término indeTIME Matriz SSCP de error E = S=1 M=0.5 N=18.5 Estadístico Valor F-Valor Num DF Den DF Pr > F
Wilks' Lambda 0.52448513 11.79 3 39 <.0001
Pillai's Trace 0.47551487 11.79 3 39 <.0001
Hotelling-Lawley Trace 0.90663176 11.79 3 39 <.0001
Roy's Greatest Root 0.90663176 11.79 3 39 <.0001
El efecto tiempo es altamente significativo con respecto a las respuestas lo cual se rechaza la hipótesis nula que se comporta de igual manera en el tiempo.
Criterio de test MANOVA y aproximaciones para la hipótesis de efectos no TIME*TRATAMIENTO H = Tipo III Matriz SSCP para TIME*TRATAMIENTO Matriz SSCP de error E = S=3 M=-0.5 N=18.5 Estadístico Valor F-Valor Num DF Den DF Pr > F
Wilks' Lambda 0.16019707 11.85 9 95.066 <.0001
Pillai's Trace 1.04524319 7.31 9 123 <.0001
Hotelling-Lawley Trace 3.96875894 16.90 9 58.185 <.0001
Roy's Greatest Root 3.62008386 49.47 3 41 <.0001
NOTA: El estadístico F para la raíz mayor de Roy es un límite superior.

La interacción TIEMPO*TRATAMIENTO P= 0,0001 altamente significativa se rechaza la Ha. existiendo diferencias asociados entre el tratamiento y el tiempo para la producción de leche. ________________________________________

Sistema SAS Procedimiento GLM Análisis de medidas repetidas de la varianza Tests de hipótesis para efectos Between Subjects Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F
TRATAMIENTO 3 16.00180218 5.33393406 10.58 <.0001 Error 41 20.66679560 0.50406819

Sistema SAS Procedimiento GLM Análisis de medidas repetidas de la varianza Test de hipótesis univariante para efectos Within Subject Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F Adj Pr > F
G - G H - F
TIME 3 0.82806366 0.27602122 16.28 <.0001 <.0001 <.0001
TIME*TRATAMIENTO 9 3.82623925 0.42513769 25.08 <.0001 <.0001 <.0001 Error(TIME) 123 2.08481631 0.01694973 Greenhouse-Geisser Epsilon 0.7750 Huynh-Feldt Epsilon 0.8845 ________________________________________ Sistema SAS Procedimiento GLM Análisis de medidas repetidas de la varianza Análisis de varianza de las variables de contraste TIME_N representa el contraste entre el nivel n de TIME y de último Variable de contraste: TIME_1 Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F

Mean 1 1.50241297 1.50241297 28.88 <.0001
TRATAMIENTO 3 7.00123159 2.33374386 44.85 <.0001 Error 41 2.13326619 0.05203088 Variable de contraste: TIME_2 Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F
Mean 1 0.90700227 0.90700227 22.98 <.0001
TRATAMIENTO 3 3.23185778 1.07728593 27.29 <.0001 Error 41 1.61857333 0.03947740 Variable de contraste: TIME_3 Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F
Mean 1 0.52040351 0.52040351 27.28 <.0001
TRATAMIENTO 3 1.64437206 0.54812402 28.73 <.0001 Error 41 0.78221905 0.01907851


ANALISIS DE VARIANZA MULTIVARIANTE PARA EL DISEÑO EN MEDIDAS REPETIDAS USANDO COMO RESPUESTA LA MEDICION PARA GRASA. DATA VACAS; INPUT TRATAMIENTO $ L1 L3 L5 L7 G1 G3 G5 G7; DATALINES; T0 4.59 4.30 4.28 3.80 3.1 3.1 3.2 3.8 TO 4.40 4.10 4.00 3.50 3.2 3.5 3.1 3.2 T0 4.10 4.08 3.80 3.61 3.2 3.9 3.1 3.5 T0 4.30 4.10 3.99 3.70 3.2 3.1 3.3 3.3 T0 4.49 4.30 4.00 3.91 3.1 3.2 3.2 3.5 T0 4.50 4.41 4.28 3.90 3.9 3.2 3.8 3.2 T0 3.91 3.70 3.79 3.40 3.9 3.1 3.2 3.3 T0 4.58 4.10 4.01 3.70 3.8 3.2 3.8 3.2 T0 3.89 3.71 3.70 3.30 3.1 3.2 3.5 3.9 T0 4.18 4.00 3.81 3.50 3.9 3.1 3.8 3.2 T0 4.38 4.10 3.99 3.70 3.1 3.1 3.8 3.1 T0 4.49 4.30 4.00 3.91 3.5 3.2 3.1 3.5 T0 4.50 4.41 4.28 3.90 3.2 3.1 3.3 3.2 T0 3.91 3.70 3.79 3.40 3.5 3.3 3.5 3.2 T0 4.58 4.10 4.01 3.70 3.3 3.2 3.2 3.2 T1 5.09 4.90 4.88 4.60 3.1 3.3 3.9 3.4 T1 4.91 4.88 4.70 4.70 3.9 3.8 3.3 3.8 T1 3.88 4.10 3.89 3.70 3.9 3.5 3.1 3.4 T1 4.81 5.00 4.99 4.70 3.1 3.4 3.8 3.4 T1 4.19 4.30 4.28 4.00 3.1 3.4 3.4 3.7 T1 3.69 3.80 3.78 3.60 3.1 3.6 3.9 3.4 T1 5.01 5.00 4.78 4.60 3.4 3.8 3.5 3.9 T1 4.40 4.59 4.30 4.28 3.8 3.4 3.9 3.4 T1 4.80 4.70 4.80 5.00 3.5 3.3 3.4 3.4 T1 4.79 4.90 4.89 4.80 3.9 3.4 3.1 3.4 T1 4.40 4.59 4.30 4.28 3.7 3.7 3.7 3.3 T1 4.19 4.30 4.28 4.00 3.1 3.7 3.8 3.3 T1 4.08 4.90 4.89 4.80 3.2 3.7 3.8 3.3 T1 3.88 4.10 3.89 3.70 3.5 3.2 3.6 3.9 T1 4.91 4.88 4.70 4.70 3.1 3.3 3.8 3.6 T2 4.78 4.90 5.00 5.09 3.4 3.8 3.3 3.3 T2 4.99 5.20 5.28 5.80 3.8 3.6 3.8 3.3 T2 4.80 5.01 5.19 5.30 3.1 3.6 3.8 3.3 T2 4.59 4.70 4.61 4.90 3.9 3.6 3.5 3.9 T2 4.71 4.90 4.90 5.08 3.1 3.8 3.6 3.5 T2 5.08 5.00 5.21 5.40 3.8 3.9 3.8 3.1 T2 4.09 4.00 4.38 4.40 3.3 3.1 3.2 3.9 T2 4.39 4.61 4.30 4.20 3.8 3.6 3.1 3.2 T2 3.99 4.00 4.18 4.40 3.1 3.3 3.8 3.8 T2 5.08 5.00 5.21 5.40 3.9 3.4 3.3 3.1 T2 4.80 5.01 5.19 5.30 3.6 3.2 3.1 3.6 T2 4.39 4.61 4.30 4.28 3.9 3.2 3.1 3.6 T2 4.09 4.01 4.38 4.40 3.8 3.5 3.9 3.3 T2 4.59 4.70 4.61 4.90 3.2 3.4 3.6 3.4 T2 4.58 4.70 4.59 4.60 3.1 3.5 3.8 3.2 ;
*PROC GLM DATA=VACAS;
*CLASS TRATAMIENTO;
*MODEL L1 L3 L5 L7 G1 G3 G5 G7=TRATAMIENTO/NOUNI;
*REPEATED RESPONSE 2 IDENTITY, TIME 4;
*RUN; PROC GLM DATA=VACAS; CLASS TRATAMIENTO; MODEL G1 G3 G5 G7 =TRATAMIENTO/NOUNI; REPEATED TIME 4/SUMMARY; RUN;

Sistema SAS Procedimiento GLM Información del nivel de clase Clase Niveles Valores TRATAMIENTO 4 T0 T1 T2 TO Número de observaciones 45 ________________________________________ Sistema SAS Procedimiento GLM Análisis de medidas repetidas de la varianza Información del nivel de medidas repetidas Variable dependiente G1 G3 G5 G7 Nivel de TIME 1 2 3 4 Criterio de test MANOVA y estadísticos F exactos para la hipótesis de efectos no TIME H = Tipo III Matriz SSCP para Término indeTIME Matriz SSCP de error E = S=1 M=0.5 N=18.5 Estadístico Valor F-Valor Num DF Den DF Pr > F
Wilks' Lambda 0.99173708 0.11 3 39 0.9547
Pillai's Trace 0.00826292 0.11 3 39 0.9547
Hotelling-Lawley Trace 0.00833176 0.11 3 39 0.9547
Roy's Greatest Root 0.00833176 0.11 3 39 0.9547




El efecto nulo del TIEMPO
P= 0,9547 no significativo se acepta la Ha. no existiendo diferencias en el tiempo para el % de grasa en leche.

Criterio de test MANOVA y aproximaciones para la hipótesis de efectos no TIME*TRATAMIENTO
H = Tipo III Matriz SSCP para TIME*TRATAMIENTO
Matriz SSCP de error E =

S=3 M=-0.5 N=18.5
Estadístico Valor F-Valor Num DF Den DF Pr > F
Wilks' Lambda 0.81398910 0.93 9 95.066 0.5012
Pillai's Trace 0.19237133 0.94 9 123 0.4963
Hotelling-Lawley Trace 0.22073335 0.94 9 58.185 0.4984
Roy's Greatest Root 0.17813088 2.43 3 41 0.0785
NOTA: El estadístico F para la raíz mayor de Roy es un límite superior.
La interaccion nula TIEMPO*TRATAMIENTO
P= 0,50 no significativo se acepta la Ha. no existiendo diferencias en el tiempo para el % de grasa en leche.

Según el análisis en medidas repetidas la interacción tiempo*tratamiento no presenta diferencias significativas a la respuesta % de grasa; igual el tiempo y el tratamiento con respecto al porcentaje de grasa en la leche.
Se recomienda usar el tratamiento 1 como mayor pructor de leche independiente del porcentaje de grasa, ya que el efecto tiempo y tratamiento no es significativo segun el analisis de medidas repetidas para grasa.
________________________________________

Sistema SAS
Procedimiento GLM
Análisis de medidas repetidas de la varianza
Tests de hipótesis para efectos Between Subjects
Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F
TRATAMIENTO 3 1.00801190 0.33600397 7.47 0.0004
Error 41 1.84398810 0.04497532

________________________________________

Sistema SAS
Procedimiento GLM
Análisis de medidas repetidas de la varianza
Test de hipótesis univariante para efectos Within Subject
Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F Adj Pr > F
G - G H - F
TIME 3 0.02033366 0.00677789 0.08 0.9713 0.9612 0.9713
TIME*TRATAMIENTO 9 0.55819444 0.06202160 0.72 0.6871 0.6718 0.6871
Error(TIME) 123 10.55291667 0.08579607

Greenhouse-Geisser Epsilon 0.8947
Huynh-Feldt Epsilon 1.0334

Sistema SAS
Procedimiento GLM
Análisis de medidas repetidas de la varianza
Análisis de varianza de las variables de contraste

TIME_N representa el contraste entre el nivel n de TIME y de último
Variable de contraste: TIME_1
Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F
Mean 1 0.00266535 0.00266535 0.01 0.9093
TRATAMIENTO 3 0.22944444 0.07648148 0.38 0.7700
Error 41 8.31633333 0.20283740
Variable de contraste: TIME_2

Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F
Mean 1 0.03660474 0.03660474 0.29 0.5911
TRATAMIENTO 3 0.45433333 0.15144444 1.21 0.3170
Error 41 5.11766667 0.12482114
Variable de contraste: TIME_3

Fuente DF Tipo III SS Cuadrado de la media F-Valor Pr > F
Mean 1 0.01262582 0.01262582 0.07 0.7966
TRATAMIENTO 3 0.04411111 0.01470370 0.08 0.9713
Error 41 7.68833333 0.18752033

ANALISIS MULTIVARIANTE DE COVARIANZA

En LOS DATOS se presenta la descripción de los niveles de los factores. Se muestra las 4 medidas para producción de leche y el porcentaje de grasa medidos quincenalmente. Además se muestran los tres (3) niveles del factor tratamiento o factor entre sujetos, donde T0 es el grupo control o testigo, T1 es el tratamiento con alimento concentrado “vaca lechera”, suministrado a razón de 2 kilogramos por animal por día y T2 es el tratamiento suplemento artesanal a base de maíz y frijol a razón de 2 kilogramos por animal por día. Es preciso calcular un par de variables que serán utilizadas en los diseños que no son en medidas repetidas. Estas se llamarán promedio de leche y promedio porcentual de grasa. La idea es recomendar en todos los casos el mejor tratamiento. Cuando sea necesario justificar los análisis univariantes es preciso hacerlo


ANALISIS MULTIVARIANTE DE COVARIANZA.USANDO COMO COVARIANZA EL NÚMERO DE PARTOS.
Factores inter-sujetos
N
TRATAMIENTO 0 15
1 15
2 15

Estadísticos descriptivos

TRATAMIENTO Media Desv. típ. N
PROML 0 4,0147 ,20983 15
1 4,4813 ,41533 15
2 4,7360 ,39337 15
Total 4,4107 ,45757 45
PROMG 0 3,3480 ,11053 15
1 3,5113 ,09334 15
2 3,4907 ,11386 15
Total 3,4500 ,12719 45

Prueba de Box sobre la igualdad de las matrices de covarianzas(a)

M de Box 8,912
F 1,383
gl1 6
gl2 43964,308
Significación ,217
Contrasta la hipótesis nula de que las matrices de covarianza observadas de las variables dependientes son iguales en todos los grupos.
a Diseño: Intersección+TRATAMIENTO+NP

Contrastes multivariados(c)

Efecto Valor F Gl de la hipótesis Gl del error Significación
Intersección Traza de Pillai ,994 3286,949(a) 2,000 40,000 ,000
Lambda de Wilks ,006 3286,949(a) 2,000 40,000 ,000
Traza de Hotelling 164,347 3286,949(a) 2,000 40,000 ,000
Raíz mayor de Roy 164,347 3286,949(a) 2,000 40,000 ,000
TRATAMIENTO Traza de Pillai ,616 9,127 4,000 82,000 ,000
Lambda de Wilks ,418 10,952(a) 4,000 80,000 ,000
Traza de Hotelling 1,314 12,816 4,000 78,000 ,000
Raíz mayor de Roy 1,250 25,625(b) 2,000 41,000 ,000
NP Traza de Pillai ,017 ,338(a) 2,000 40,000 ,715
Lambda de Wilks ,983 ,338(a) 2,000 40,000 ,715
Traza de Hotelling ,017 ,338(a) 2,000 40,000 ,715
Raíz mayor de Roy ,017 ,338(a) 2,000 40,000 ,715
a Estadístico exacto
b El estadístico es un límite superior para la F el cual ofrece un límite inferior para el nivel de significación.
c Diseño: Intersección+TRATAMIENTO+NP




RESULTANDO NO SIGNIFICATIVO (DEL 71 %) EL NUMERO DE PARTOS COMO COVARIABLE, POR LO TANTO SE REALIZARA UN ANALISIS MULTIVARIANTE DE VARIANZA, USANDO COMO VARIABLES RESPUESTA EL PROMEDIO DE LECHE Y PROMEDIO DE GRASA, Y COMO FACTOR LOS 3 TRATAMIENTOS.


Contraste de Levene sobre la igualdad de las varianzas error(a)

F gl1 gl2 Significación
PROML 5,673 2 42 ,007
PROMG ,544 2 42 ,585
Contrasta la hipótesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos.
a Diseño: Intersección+TRATAMIENTO+NP

Pruebas de los efectos inter-sujetos

Fuente Variable dependiente Suma de cuadrados tipo III Gl Media cuadrática F Significación
Modelo corregido
PROML 4,068(a) 3 1,356 10,808 ,000
PROMG 240(b) 3 ,080 6,956 ,001
Intersección PROML 110,345 1 110,345 879 ,457 ,000
PROMG 65,556 1 65,556 5698,053 ,000
TRATAMIENTO PROML 3,981 2 1,991 15,865 ,000
PROMG ,236 2 ,118 10,273 ,000
NP PROML ,053 1 ,053 ,426 ,518
PROMG ,003 1 ,003 ,244 ,624
Error PROML 5,144 41 ,125
PROMG ,472 41 ,012
Total PROML 884,642 45
PROMG 536,324 45
Total corregida PROML 9,212 44
PROMG ,712 44
a R cuadrado = ,442 (R cuadrado corregida = ,401)
b R cuadrado = ,337 (R cuadrado corregida = ,289)

En el cuadro anterior se observa que no existen diferencias significativas en cuanto al número de partos y las diferentes respuestas, pero si diferencias altamente significativas de los tratamientos y las respuestas, por lo tanto se rechaza la hipótesis nula de que los tres tratamientos se comportan de igual manera con respecto a las respuestas.

Matriz SCPC inter-sujetos

PROML PROMG
Hipótesis
Intersección PROML 110,345 85,051
PROMG 85,051 65,556

TRATAMIENTO PROML 3,981 ,864
PROMG ,864 ,236
NP PROML ,053 ,012
PROMG ,012 ,003
Error PROML 5,144 -,053
PROMG -,053 ,472
Basado en la suma de cuadrados tipo III

Matriz SCPC residual

PROML PROMG
Suma de cuadrados y productos cruzados PROML 5,144 -,053
PROMG -,053 ,472
Covarianza PROML ,125 -,001
PROMG -,001 ,012
Correlación PROML 1,000 -,034
PROMG -,034 1,000
Basado en la suma de cuadrados tipo III

En el cuadro anterior se observa que las correlaciones entre las dos respuestas son negativas queriendo decir que a medida que aumenta la producción de leche disminuye el porcentaje de grasa.
FALTA DE AJUSTE
Contrastes multivariados

Variables dependientes Valor F Gl de la hipótesis Gl del error Significación
PROML, PROMG
Traza de Pillai ,288 1,210 10,000 72,000 ,299
Lambda de Wilks ,726 1,213(a) 10,000 70,000 ,298
Traza de Hotelling ,357 1,215 10,000 68,000 ,298
Raíz mayor de Roy ,290 2,087(b) 5,000 36,000 ,090

PROML Traza de Pillai ,076 ,596(a) 5,000 36,000 ,703
Lambda de Wilks ,924 ,596(a) 5,000 36,000 ,703
Traza de Hotelling ,083 ,596(a) 5,000 36,000 ,703
Raíz mayor de Roy ,083 ,596(a) 5,000 36,000 ,703

PROMG Traza de Pillai ,208 1,893(a) 5,000 36,000 ,120
Lambda de Wilks ,792 1,893(a) 5,000 36,000 ,120
Traza de Hotelling ,263 1,893(a) 5,000 36,000 ,120
Raíz mayor de Roy ,263 1,893(a) 5,000 36,000 ,120
a Estadístico exacto
b El estadístico es un límite superior para la F el cual ofrece un límite inferior para el nivel de significación.

Dado que no se obtuvo que la covariable numero de partos no fue significativa se realizara un análisis multivariante de varianza, sin covariable.

ANALISIS MULTIVARIANTE DE VARIANZA USANDO SOLO COMO VARIABLES RESPUESTAS EL PROMEDIO DE LECHE Y EL PROMEDIO DEL % DE GRASA.


Factores inter-sujetos

N
TRATAMIENTO
0 15
1 15
2 15


Estadísticos descriptivos

TRATAMIENTO Media Desv. típ. N
PROML 0 4,0147 ,20983 15
1 4,4813 ,41533 15
2 4,7360 ,39337 15
Total 4,4107 ,45757 45
PROMG 0 3,3480 ,11053 15
1 3,5113 ,09334 15
2 3,4907 ,11386 15
Total 3,4500 ,12719 45



Prueba de Box sobre la igualdad de las matrices de covarianzas(a)

M de Box 8,912
F 1,383
gl1 6
gl2 43964,308
Significación ,217
Contrasta la hipótesis nula de que las matrices de covarianza observadas de las variables dependientes son iguales en todos los grupos.
a Diseño: Intersección+TRATAMIENTO

Según la prueba de box no es significativa las covarianza.

Contrastes multivariados(c)

Efecto Valor F Gl de la hipótesis Gl del error Significación
Intersección
Traza de Pillai ,999 27077,187(a) 2,000 41,000 ,000
Lambda de Wilks ,001 27077,187(a) 2,000 41,000 ,000
Traza de Hotelling 1320,838 27077,187(a) 2,000 41,000 ,000
Raíz mayor de Roy 1320,838 27077,187(a) 2,000 41,000 ,000
TRATAMIENTO
Traza de Pillai ,614 9,298 4,000 84,000 ,000
Lambda de Wilks ,420 11,140(a) 4,000 82,000 ,000
Traza de Hotelling 1,302 13,022 4,000 80,000 ,000
Raíz mayor de Roy 1,238 25,992(b) 2,000 42,000 ,000
a Estadístico exacto
b El estadístico es un límite superior para la F el cual ofrece un límite inferior para el nivel de significación.
c Diseño: Intersección+TRATAMIENTO


Contraste de Levene sobre la igualdad de las varianzas error(a)

F gl1 gl2 Significación
PROML 6,017 2 42 ,005
PROMG ,539 2 42 ,587
Contrasta la hipótesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos.
a Diseño: Intersección+TRATAMIENTO


Pruebas de los efectos inter-sujetos

Fuente Variabdepen Suma de cuads tipo III GlMedcuadrá F Significación
Modelo corregido
PROML 4,015(a) 2 2,007 16,221 ,000
PROMG ,237(b) 2 ,119 10,502 ,000
Intersección
PROML 875,429 1 875,429 7073,893 ,000
PROMG 535,613 1 535,613 47408,660 ,000
TRATAMIENTO PROML 4,015 2 2,007 16,221 ,000
PROMG ,237 2 ,119 10,502 ,000
Error PROML 5,198 42 ,124
PROMG ,475 42 ,011
Total PROML 884,642 45
PROMG 536,324 45
Total corregida
PROML 9,212 44
PROMG ,712 44
a R cuadrado = ,436 (R cuadrado corregida = ,409)
b R cuadrado = ,333 (R cuadrado corregida = ,302)


Matriz SCPC inter-sujetos

PROML PROMG
Hipótesis
Intersección PROML 875,429 684,756
PROMG 684,756 535,613

TRATAMIENTO PROML 4,015 ,869
PROMG ,869 ,237
Error PROML 5,198 -,041
PROMG -,041 ,475
Basado en la suma de cuadrados tipo III




Falta de ajuste


Contrastes multivariados

Variables dependientes Valor F Gl de la hipót Gl del error Significación
PROML, PROMG
Traza de Pillai ,000 . ,000 ,000 .
Lambda de Wilks 1,000 . ,000 41,500 .
Traza de Hotelling ,000 . ,000 2,000 .
Raíz mayor de Roy ,000 ,000(a) 2,000 40,000 1,000
PROML Traza de Pillai ,000 . ,000 ,000 .
Lambda de Wilks 1,000 . ,000 42,000 .
Traza de Hotelling ,000 . ,000 2,000 .
Raíz mayor de Roy ,000 ,000(a) 1,000 41,000 1,000
PROMG Traza de Pillai ,000 . ,000 ,000 .
Lambda de Wilks 1,000 . ,000 42,000 .
Traza de Hotelling ,000 . ,000 2,000 .
Raíz mayor de Roy ,000 ,000(a) 1,000 41,000 1,000
a Estadístico exacto




Contrastes univariados

Variable dependiente Fuente Suma de cuadr Gl Media cuadrF Significación
PROML Falta de ajuste ,000 0 . . .
Error puro 5,198 42 ,124
PROMG Falta de ajuste ,000 0 . . .
Error puro ,475 42 ,011


Matriz SCPC

PROML PROMG
Falta de ajuste PROML ,000 ,000
PROMG ,000 ,000
Error puro PROML 5,198 -,041
PROMG -,041 ,475


Medias marginales estimadas

1. Media global



Coeficientes de transformación (matriz M)

Variable dependiente PROML PROMG
PROML 1 0
PROMG 0 1

Estimaciones

Variable dependiente Media Error típ. Intervalo de confianza al 95%.
Límite inferior Límite superior Límite inferior Límite superior
PROML 4,411 ,052 4,305 4,516
PROMG 3,450 ,016 3,418 3,482



2. TRATAMIENTO

Coeficientes de transformación (matriz M)

Variable dependiente PROML PROMG
PROML 1 0
PROMG 0 1


Estimaciones

Variable dependiente TRATAMIENTO Media Error típ. Intervalo de confianza al 95%.
Límite inferior Límite superior Límite inferior Límite superior
PROML 0 4,015 ,091 3,831 4,198
1 4,481 ,091 4,298 4,665
2 4,736 ,091 4,553 4,919
PROMG 0 3,348 ,027 3,293 3,403
1 3,511 ,027 3,456 3,567
2 3,491 ,027 3,435 3,546

Pruebas post hoc
TRATAMIENTO
Comparaciones múltiples


Bonferroni
Variable dependiente (I) TRATANTO (J) TRATAMIENTO Intervalo de conf95%
Dif.entre
medias (I-J) error Signifn .Límite inf.Límite sup

PROML 0 1 -,4667(*) ,12845 ,002 -,7870 -,1463
2 -,7213(*) ,12845 ,000 -1,0417 -,4010
1 0 ,4667(*) ,12845 ,002 ,1463 ,7870
2 -,2547 ,12845 ,162 -,5750 ,0657
2 0 ,7213(*) ,12845 ,000 ,4010 1,0417
1 ,2547 ,12845 ,162 -,0657 ,5750
PROMG 0 1 -,1633(*) ,03881 ,000 -,2601 -,0665
2 -,1427(*) ,03881 ,002 -,2395 -,0459
1 0 ,1633(*) ,03881 ,000 ,0665 ,2601
2 ,0207 ,03881 1,000 -,0761 ,1175
2 0 ,1427(*) ,03881 ,002 ,0459 ,2395
1 -,0207 ,03881 1,000 -,1175 ,0761
Basado en las medias observadas.
* La diferencia de medias es significativa al nivel ,05.


Al tener la interacción significativa no se discuten las medias por separado. Se puede analizar que en el cuadro de bonferroni donde se comparan los diferentes tratamientos se aprecia que el tratamiento T0 con respecto a los demás tratamientos presenta diferencias altamente significativos, mientras que las diferencias entres los tratamientos T1 y T2 no son altamente significativas estadísticamente. Pudiéndose recomendar cualquiera de los dos tratamientos T1 y T2, en todo caso el que aporta mayor producción de leche es el tratamiento T2 indiferentemente del porcentaje de grasa, ya que estadísticamente no son significativo.

01 abril 2010

Mi Coeficiente  es negativo!

Mi Coeficiente  es negativo!
Por David P. Nichols
Principal Apoyo Estadístico y Gerente de Apoyo de Estadística
From SPSS Keywords, Number 68, 1999
Una característica esencial de la definición de un coeficiente de fiabilidad es que, como proporción de la varianza, que en teoría debería oscilar entre 0 y 1 en valor. Desafortunadamente, las definiciones dadas aquí son observables verdadera y las calificaciones de error, y cuando pasamos de la teoría a la práctica, nuestros intentos para estimar la fiabilidad puede producir resultados inesperados. En la práctica, los posibles valores de las estimaciones de la fiabilidad de la gama de -  a 1, en lugar de 0 a 1.
Para ver que este es el caso, vamos a ver la fórmula más comúnmente citada para el cálculo del coeficiente , el coeficiente de fiabilidad más populares. Esa fórmula es
 = [k/(k-1)][1 - (i2/X2)]
donde k es el número de artículos,   i2 es la suma de las varianzas elemento individual asumido todos los artículos de k, y  X2 es la varianza de la escala. Dado que el término en el primer conjunto de corchetes es siempre positivo,  será negativo si y sólo si,i2/X2 > 1,
o si y sólo si
i2 > X2.
En otras palabras,  será negativo cuando la suma de las varianzas elemento individual es mayor que la varianza de la escala.
Puesto que la varianza de la suma de un conjunto de variables aleatorias es igual a la suma de las diferencias individuales más dos veces la suma de sus covarianzas (véase, por ejemplo, Hays (1981), Apéndice C), y dado que la puntuación de la escala es la suma el tema de las puntuaciones individuales, la varianza de la escala se puede expresar como
X2 = i2 + ij,
donde  ij denota la covarianza entre los puntos I y J, y el doble sumatorio se extiende a todas las combinaciones de i y j donde i  j. Así pues, podemos traducir la condición necesaria y suficiente para  a ser negativo como
i2 > i2 + ij,
or
ij < 0.
En otras palabras,  será negativo cuando el doble de la suma de las covarianzas tema es negativo. Esto se puede afirmar aún más, simplemente diciendo que  será negativo cuando el promedio de covarianza entre los elementos es negativa.
Para que puede ir a -, tenga en cuenta una escala que consta de dos elementos con igual varianza y una correlación negativa perfecta de -1. Desde la covarianza  12 entre los puntos 1 y 2 se define (véase, por ejemplo, Lord & Novick), como
12 = 12 1 2,
if 12 = -1, and 1 = 2 = , then
12 = (-1)()() = -.
Conectar estos en el denominador de la relación en la fórmula para , tenemos
X2 = 12 + 22 + 212 =  +  + (2)(-) = 0.
Así  se calcula como
 = [2/(2-1)][1 - (2/0)] = 2(1 - ) = -.
Aunque este es el caso más extremo, los usuarios de SPSS en ocasiones se presentan los valores de  que son negativos y tienen magnitudes superiores a 1, y quieren saber cómo puede ocurrir esto. Hay que tener en cuenta que  es en realidad un límite inferior en la verdadera fiabilidad de un test en condiciones generales, y que sólo será igual a la verdadera fiabilidad si los artículos satisify una propiedad conocida como  esenciales de equivalencia (Lord y Novick), que exige que sus resultados verdaderos son todos iguales, o que el nivel real de cada elemento se puede convertir en verdadera puntuación de cualquier otro tema, añadiendo una constante. Esto implica que para que  ser una medida de la fiabilidad en lugar de un límite inferior, los elementos de medición debe ser la misma cosa. Tenga en cuenta que incluso si los artículos se ajusten a lo esencial  supuesto de equivalencia, si hay una buena cantidad de error en la medición, los valores de la muestra de  puede ser negativo a pesar de que los valores de la población son positivas. Esto se hace menos probable que los números de casos y artículos de aumentos, porque se reduce la variabilidad de muestreo.
Si uno encuentra un valor negativo para , lo que supone un promedio de covarianza entre los puntos negativos, lo primero que se debe comprobar es ver si los datos o elemento de los errores de codificación son responsables. Un problema común de este tipo es que la escala se compone de algunos elementos que están redactados en direcciones opuestas para paliar los sesgos de respuesta, y el investigador se ha olvidado de forma adecuada recodificar el reverso anotó puntos, dando lugar a covarianzas negativas cuando las covarianzas reales de interés son positivas . Otra posibilidad, más probable es que con tamaños de muestra pequeños y pequeñas cantidades de artículos, es que mientras las covarianzas real de la población entre los elementos son positivos, el error de muestreo se ha producido un promedio de covarianza negativa en una determinada muestra de casos. Por último, puede ser simplemente el caso de que los elementos no tienen realmente covarianzas positivas, y por lo tanto no pueden formar una única escala de utilidad debido a que no están midiendo lo mismo.
Referencias
Hays, W. L. (1981). Statistics (3rd Ed.). Holt, Rinehart and Winston.
Lord, F. M., & Novick, M. R. (1968). Statistical theories of mental test scores. Reading, MA: Addison-Wesley.

15 marzo 2010

TOROS USADOS EN EL REBANO ELITE FINCA BUENA VISTA.TEMPORADA DE SERVICIOS 2010.COSECHA 2011.

CERTIFICADO GENÉTICO

REPRODUCTOR 000267CJ, NO-JOTA DE CUJICITO
Registro AVCGC:127885
Criador: Hato Cujicito, C .A.
Fecha de Nacimiento:2000-05-08
Padre:970323CJ
Madre:919150CJ

ANÁLISIS PARA ESTIMACIÓN DE DEP (INFORMACIÓN USADA)

Años con hijos 2003, 04, 05, 06, 07, 08


Rebaños con hijos 6

Ubic. Rebaños con hijos GUA.: 1; COJ.: 2; APU: 1; BAR:1. POR: 1.

Medio Hermanos 465/440 (Nac/18M)

Hijos a: Nacimiento 513

Destete 495

18 meses 414


Circunf. Escrotal 176


Preñez de Novillas TS 170

Diferencia Esperada Entre Progenies (DEP)
CARACTER PGS* DEP PRECISIÓN
DIRECTA MATERNA DIRECTA MATERNA
Preñez de Novillas 0X 2.3 0.84
Circunferencia Escrotal X 4.1 0.96
Peso al Nacer X 1.6 -0.4 0.99 0.42
Peso al 205d X 11.6 -0.4 0.96 0.79
Peso a 548d X 20.4 0.97
Capacidad Lechera -0.4 0.79
Toro Integral X


REPRODUCTOR: 020105CJ POPEYE DE CUJICITO.
Registro AVCGC:138423
Criador: Hato Cujicito, C .A.
Fecha de Nacimiento:2002-03-28
Padre:999003MR
Madre:999260CJ

ANÁLISIS PARA ESTIMACIÓN DE DEP (INFORMACIÓN USADA)

Años con hijos 2005, 06, 07, 08

Rebaños con hijos 5

Ubic. Rebaños con hijos GUA.: 1; COJ.: 2; APU: 1; BAR:1.

Medio Hermanos 597/512 (Nac/18M)

Hijos a:
Nacimiento 217

Destete 210

18 meses 148

Circunf. Escrotal 64

Preñez de Novillas TS 67

Diferencia Esperada Entre Progenies (DEP)
CARACTER PGS* DEP PRECISIÓN
DIRECTA MATERNA DIRECTA MATERNA
Preñez de Novillas 0 6.5 0.56
Circunferencia Escrotal 2.1 0.90
Peso al Nacer X 0.7 0.0 0.97 0.83
Peso al 205d X 11.2 2.2 0.92 0.62
Peso a 548d X 23.2 0.93
Capacidad Lechera 2.2 0.62
Toro Integral
• = Probado como Genéticamente Superior para la característica indicada X.