1

Propuesta del clculo de las necesidades nutritivas de las vacas lecheras

por regresin lineal
Alejandro Zalapa Ros.. Centros regionales. Universidad Autnoma de Chapingo. Carretera Mxico Texcoco
km. 38.5. Chapingo, Estado de Mxico. C.P. 56230 www.engormix.com/mbr-268980/alejandro-zalapa-rios

Resumen

En la presente investigacin se analiz la dinmica utilizada para el clculo de las

necesidades nutritivas de las vacas lecheras propuesta por el National Research Council
(NRC), o Consejo Nacional de Investigacin de los Estados Unidos de Norte Amrica. La
forma tradicional de realizar el clculo de las necesidades nutritivas de las vacas lecheras,
est diseado para elaborarse de una manera complicada y laboriosa con una metodologa
de clculo agregado y requiere mucho tiempo debido a su diseo. El objetivo de este
estudio es mostrar que en realidad todo el proceso ha sido diseado a travs de rectas de
regresin lineal, y que de no ser as, la significancia estadstica de las correlaciones entre
peso vivo y las necesidades nutritivas de los diferentes nutrientes es altamente significativa
(p<0.001). Por tal motivo se determinaron las frmulas de regresin del peso vivo de los
animales, ms su produccin lctea, contra los diferentes nutrientes. Se propusieron las
ecuaciones de regresin como frmulas de clculo de alta certeza y de fcil aplicacin en
cualquier software o incluso Excel, y el clculo resultante se realiz en fracciones de
minuto.
Palabras clave: alimentacin, Correlacin, produccin lctea, racin, regresin lineal.

INTRODUCCIN
Se describe como primera parte de este trabajo el mtodo tradicional del clculo de las
necesidades nutritivas de las vacas lecheras propuesto por el NRC en su tabla de Nutrient
Requirements of Dairy Cattle, Sixth Revised Edition (1989).

Las necesidades nutritivas de las vacas lecheras se determinan por dos componentes: 1) las
de mantenimiento; y 2) las de produccin. Cuyo fin es realizar una estimacin precisa, que
permita por un lado reducir gasto en excesos de alimentacin a animales poco productivos
o de bajo peso y por otro lado permita que los animales altamente productivos o muy
pesados obtengan adecuadamente sus nutrientes.

En el caso de las necesidades de mantenimiento, la variable independiente considerada para

su anlisis y clculo es el peso vivo del animal; en el caso de las necesidades de
produccin, las variables independientes contempladas son la produccin lctea por da y
su contenido porcentual de grasa. Ambos anlisis o clculos son sumados para determinar
las necesidades nutritivas totales del ganado.
El cuadro de valores que se refiere al mtodo tradicional propuesto por el NRC (1989),
muestra en su primera parte las necesidades nutritivas de mantenimiento de las vacas
lecheras en escalas de 50 Kg., de peso vivo. En su segunda parte alude a los incrementos
por nutriente segn la produccin de leche y su porcentaje de grasa, Cuadro 1.
 2

Cuadro 1 Requerimientos diarios de nutrimentos para vacas lactantes y gestantes.

Para entender cmo funciona este cuadro, primero se deben tomar directamente los valores
de las necesidades nutritivas de mantenimiento para cada peso vivo del animal al que se va
a destinar la racin.

En el cuadro 2 se muestra a forma de extracto del cuadro 1 las necesidades nutritivas de una
vaca lechera de 450 kilogramos de peso vivo.
 3

Cuadro 2 - Necesidades de mantenimiento para una vaca lechera de 450 kilogramos.

Obtenido directamente del cuadro 1.

Estas necesidades se tomaron de manera directa y representan solo las necesidades de

mantenimiento para una vaca de 450 kilogramos.

Uno de los problemas o restricciones de este mtodo es que solo se dan los valores para
mltiplos de 50 kilogramos, y cuando el ganado registra pesos intermedios a estas
fracciones se pierde precisin o se tienen que buscar algunas alternativas de clculo para
determinar las necesidades de mantenimiento de ese animal.

La segunda parte del clculo consiste en determinar las necesidades nutritivas de

produccin.

En este caso y a travs de un ejemplo consideraremos una produccin de 16 litros de leche

con 3% de grasa en la misma.

Tomando los valores del cuadro 1 correspondientes a produccin de leche (Nutrimentos

por kg., de leche con diferente porcentaje de grasa). La indicacin nos hace ver que cada
litro de leche en su porcentaje de grasa se multiplica por el nutriente en cuestin.

Por ejemplo para 3% de grasa, cada litro de leche producido requiere 0.64 mega caloras de
energa metabolizable. Lo que multiplicado nos da un valor de (0.64*16) igual a 10.24
mega caloras de energa metabolizable que son necesarias para que una vaca lechera
produzca 16 litros de leche con 3% de grasa.

En el cuadro 3, y tomando del cuadro 1 los valores correspondientes a 3% de grasa, se

muestra como todos los nutrientes correspondientes a 3% de grasa, son multiplicados por
16 (litros) y obtenemos el valor total de las necesidades de produccin.
 4

Cuadro 3 - Necesidades de produccin para una vaca lechera produciendo 16 litros de

leche con 3% de grasa.

Como ya se mencion anteriormente, las necesidades nutritivas totales de una vaca lechera
son iguales a la suma de sus necesidades nutritivas de mantenimiento, ms las necesidades
nutritivas de produccin.

Por lo tanto, lo que procede es sumar las necesidades de mantenimiento de una vaca lechera
de 450 kilogramos de peso vivo, que ya fueron tomados directamente del cuadro 1 y se
muestran en el cuadro 2, con las necesidades de produccin correspondientes a 16 litros de
leche/da, conteniendo 3% de grasa en la misma, las cuales se muestran en el cuadro 3.
Este procedimiento se muestra en el cuadro 4.

Para ejemplificar, se usa la Energa neta de lactancia, las necesidades de mantenimiento

para una vaca de 450 kg., son iguales a 7.82 mega caloras, a esto se sumaran las
necesidades de produccin de una vaca de 16 litros de leche con un contenido de 3% de
grasa, el valor correspondiente para 3% de grasa es de 0.64 mega caloras por litro de leche,
que multiplicado por 16 litros nos da un valor de 10.24 mega caloras, las cuales sumadas a
las necesidades de mantenimiento o 7.82 mega caloras ser igual a 18.06 mega caloras
totales (ver cuadro 4).

Cuadro 4 - Necesidades de produccin para una vaca lechera produciendo 16 litros de

leche con 3% de grasa.
 5

El procedimiento anterior mostrado a travs de los cuadros 2, 3 y 4 ejemplifica el modelo

tradicional del clculo de las necesidades nutritivas de las vacas lecheras (ngeles, et.,
al 2005).

La alternativa para el clculo de las necesidades nutritivas de las vacas lecheras es a travs
de la estadstica. Segn Suarez (2011), el clculo de las necesidades nutritivas est basado
en un modelo estadstico de prediccin a travs regresin lineal.

El objetivo del presente trabajo es: primero determinar si la correlacin entre variables es
altamente significativa; segundo si la correlacin es altamente significativa, obtener las
frmulas de prediccin que permitan con esa formula constante y utilizando las variables
peso del animal, litros de leche producidos y porcentaje de grasa en la leche, determinar a
travs de un clculo sencillo, sin tablas de valores y de manera rpida, las necesidades
nutritivas de las vacas lecheras.

La estadstica es la compilacin, organizacin, resumen, presentacin y anlisis de datos

numricos, acciones que permiten la toma de decisiones frente a la incertidumbre, y es
utilizada en la actualidad en toda clase de estudios cientficos (Hoel, 1976).

La estadstica se puede dividir en 2 grandes grupos; la estadstica descriptiva y la

inferencial. Dentro de la descriptiva, tenemos los mtodos para condensacin de datos, las
medidas de tendencia central, las de dispersin y la correlacin. La estadstica inferencial la
podemos condensar en coeficiente de regresin, pruebas de hiptesis y estimacin de
parmetros (Armitage, 1974).

En este punto es donde, nos enfocamos tan solo al anlisis de correlacin, al anlisis de
regresin y a las ecuaciones de prediccin.

El coeficiente de correlacin de la poblacin, es una medida descriptiva de asociacin que

mide el grado de variacin conjunta de las observaciones de 2 variables. El valor que toma,
es de -1 a +1; un valor de cero indica que las variables en estudio no estn correlacionadas;
si el valor es de +1, la correlacin es lineal directa perfecta, y un valor de -1 indica una
correlacin lineal inversa perfecta (Salmern et al., 2002). El termino coeficiente de
correlacin se debe a Karl Pearson (Reyes, 1993).

El coeficiente de regresin es un mtodo relativamente simple que expresa en la forma de

una ecuacin matemtica (ecuacin de regresin), la relacin entre 2 variables X e Y,
cuando la relacin de dependencia es lineal (Bancroft, 1961). El termino regresin fue dado
por Galton (Reyes, 1993, Shao, 1967).
 6

En el anlisis de regresin solamente una lnea recta es usada como una recta de regresin
para describir la forma de relacin promedio entre 2 variables. La lnea recta puede ser
expresada por la ecuacin lineal.

Generalmente y ms si la correlacin no es perfecta la lnea recta no pasa a travs de todos

los puntos del diagrama o por los puntos donde se ubica la variable dependiente verdaderos.
As mientras ms imperfecta es la relacin ms imperfecta e inaceptable es la prediccin a
travs de la ecuacin.

Las propiedades de la lnea de regresin, basadas en el mtodo de mnimos cuadrados en

relacin con las desviaciones son:
1. La suma algebraica de las desviaciones de los valores individuales (Y) con respecto
a la lnea () es cero, 0.
2. la suma del cuadrado de las desviaciones con respecto a la lnea, es mnimo, o es
menor que un valor correspondiente a otra lnea recta (Shao , 1967).
3. Cuando haya correlacin perfecta las 2 rectas sern idnticas.
4. Cuanto mayor sea el grado de asociacin o cuanto mayor sea el valor de r, tanto
menor ser la dispersin.
5. Las 2 rectas se cortarn siempre en el punto cuyas coordenadas son el valor medio
de x y el valor medio de y, pues ambas rectas pasan por el punto (?, ?)
6. En general, no deben predecirse valores que caigan ms all del intervalo de valores
que fue usado parar determinar la ecuacin de regresin (Bancroft, 1961). Al trmino de la
extensin no recomendable de la recta fuera de los valores lmite utilizados, se le nombra
Extrapolacin.
7. No todas las correlaciones y aunque coincidan son causa de un mismo efecto.
8. Para todos los valores de correlacin obtenidos y su relacin con el tamao de la
muestra, existe una tabla de valores que muestra la significancia del valor obtenido, y que
nos permite inferir, sobre la prediccin de una recta. Esta tabla fue calculada y mostrada por
Fisher y Yates (Little and Jackson 1978).
Para el caso de la explicacin de la variacin entre 2 variables, el coeficiente de
determinacin es definido como la razn de la variacin explicada a la variacin total. Este
ltimo es considerado an como una medida ms fiel que el coeficiente de correlacin para
determinar el grado de dependencia de la relacin entre 2 variables. (Reyes, 1993, Shao,
1967).

MATERIALES Y MTODOS
En la presente investigacin se procedi a analizar una alternativa del clculo de las
necesidades nutritivas de las vacas lecheras.
El procedimiento es realizado primero a travs de un anlisis de correlacin lineal simple
comparando:
Para las necesidades de mantenimiento el peso vivo del animal como variable
independiente en oposicin a los valores de; Energa, protena cruda, minerales y vitaminas,
como variables dependientes.
 7

Y para las necesidades de produccin el porcentaje de grasa de la leche como variable

independiente, en oposicin a los valores de; Energa, protena cruda, minerales y
vitaminas, como variables dependientes.
Se valid la significancia estadstica basados en las tablas de significancia de Fisher y Yates
citados por Little y Jackson (1978).
Una vez validada la correlacin, se procedi a establecer las ecuaciones de prediccin a
travs del anlisis de regresin. Ecuaciones que quedan como formulas utilizables para
aplicacin manual, en calculadora, Excel o software. Y cuya frmula o modelo para
prediccin es el siguiente.

= a + bX.
Dnde:
= Valor predicho.
a = valor en el eje de interseccin.
b = estimacin lineal (Unidades de cambio de y por unidad de cambio en x).
X = Valor de X que se desea predecir.

RESULTADOS Y DISCUSIN.
La primera parte de este apartado consisti en determinar la significancia estadstica de la
correlacin entre variables en estudio (peso vivo en kg., y porcentaje de grasa, en oposicin
a energa, protena, calcio fosforo, vitamina A y vitamina D), y los resultados se muestran
en el cuadro 5.

Cuadro 5 coeficientes de correlacin y significancias.

En el cuadro 5 se observa como todas las correlaciones son de alta significancia (p<0.001),
lo que muestra que los valores son producto de frmulas de prediccin y que la mnima
diferencia en la correlacin con el valor de 1 es solo por ajustes, o simplemente que la
significancia de la correlacin es tan alta que es posible predecir las necesidades nutritivas
de las vacas lecheras a travs de ecuaciones de prediccin.
Por tal motivo el siguiente paso consiste en establecer las ecuaciones de prediccin, las
cuales se muestran en el cuadro 6 para las vacas en lactacin y gestantes y en el cuadro 7
para vacas lecheras maduras secas en los dos ltimos meses de gestacin.

Cuadro 6 Ecuaciones de prediccin para necesidades nutritivas de vacas en lactacin y

gestantes.
 8

Cuadro 7 Ecuaciones de prediccin para mantenimiento plus de vacas lecheras maduras

secas en los 2 ltimos meses de gestacin.

En el cuadro 8 se muestra un ejemplo, de cmo utilizar las frmulas de prediccin.

Cuadro 8 ejemplo del clculo de necesidades de protena de una vaca lechera de 450
kilogramos de peso vivo produciendo 16 litros de leche con 3% de grasa, a travs de sumar
2 ecuaciones de regresin, la de mantenimiento y la de produccin.

Con este ejemplo podremos interpretar las ecuaciones de prediccin presentadas en el

cuadro 6, para las vacas gestantes y en lactacin antes de los 7 meses de gestacin y las
ecuaciones presentadas en el cuadro 7 para vacas gestantes secas despus de los 7 meses de
gestacin.
La ltima parte de este ejercicio, consiste en calcular las necesidades nutritivas por
kilogramo de materia seca.
 9

Para esto se pueden tomar referentes directos y sencillos, como los que se citan a
continuacin.
Para Berlijn (1983), quien considera una de las estimaciones ms universales, el consumo
de materia seca por animal es de aproximadamente 3% del peso vivo del animal bovino.
Para el ICA (Instituto de Ciencia Animal) de Cuba, y mediante su programa ANALIT y
Calrac, el consumo aproximado de materia seca es de alrededor de 2.9 % del peso vivo del
animal (ICA, 2006).
Para la Campos (2001), El consumo de materia seca es de alrededor del 2.8%, y en casos de
clculo ms exacto, este involucra variables como el clima, edad del animal, peso vivo, y
otras.
En el caso de este ejercicio, estamos utilizando 2 ecuaciones de clculo de consumo de
materia seca, una para vacas en lactacin y preadas durante los primeros 7 meses de
gestacin y otra para vacas secas, y son las de Gaytn y Blaxter respectivamente.
Gaytn.
CMS = (0.025*peso vivo) + (0.1* (litros de leche*0.4 + litros de leche * porcentaje de
grasa en la leche * 15/100))
Blaxter.
CMS = (Peso metablico * 0.1144)-0.6774
CMS = (Peso vivo ^0.75 * 0.1144)-0.6774. (ngeles, et al., 2005).
La ltima parte del ejercicio, consiste en dividir las necesidades generales de nutricin por
vaca lechera, obtenidas de las frmulas de prediccin entre los kilogramos de materia seca
que consideremos de acuerdo a nuestro estndar que consumir el animal en cuestin y de
esta forma obtenemos las necesidades por kilogramo de matera seca, lo que nos permite de
manera clara poder realizar raciones balanceadas.

CONCLUSIONES
Las ecuaciones de prediccin establecidas para el clculo de las necesidades nutritivas de
las vacas lecheras, se encuentran respaldadas por correlaciones altamente significativas
(p<0.001).
Es factible y certero, predecir las necesidades nutritivas de las vacas lecheras de cualquier
peso vivo entre 450 y 800 kilogramos.
Utilizando Excel o cualquier software, con las frmulas de prediccin y las variables; peso
vivo, litros de leche producidos y porcentaje de grasa, es posible predecir en fracciones de
minuto las necesidades nutritivas de una vaca lechera.

LITERATURA CITADA.
ngeles C.S.C., Corona G.L., Escamilla G.J.I., Melgarejo V.L.G., Spross S.A.K., 2005.
Alimentacin animal (Forrajes y concentrados). DSUAED UNAM. Mxico.
Armitage P. 1974. Statistical Methods in Medical Research Blackwell Scientific
Publications. London.
 10

Bancroft H., 1961, Introduccin a la bioestadstica Editorial Universitaria de Buenos

Aires Argentina.
Berlijn J.D., Bernardon A.E., Salinas F.R.K., Olmos C.R.U., Gonzales E.L., Orozco L.F. y
Lehner P. 1983. Pastizales naturales SEP Trillas, Mxico.
Campos S.C.A., Corona G.L., Escamilla G.J.I., Melgarejo V.L.G., Spross S.A.K. 2001.
Alimentacin animal, forrajes y concentrados. DSUAEC. UNAM.
Cullison A.E., 1982, Feeds and Feeding Reston Publishing Company. USA.
Hoel G.P., 1976, Estadstica elemental Nueva Ediciones CECSA, Mxico.
Instituto de Ciencia Animal (ICA) Manuales del Diplomado de Estrategias Alternativas de
Nutricin para el ganado bovino en el trpico Cuba 2006
Instituto de Ciencia Animal (ICA) Base de datos y Software Calrac Rumiantes. Cuba
2005.
Little T., M. and F. Jackson H. 1978. Agricultural experimentation: design and analysis.
John Wiley & Sons, USA.
Morrison F.B., 1956, Feeds and Feeding Editorial Morrison Publishing Company. New
York USA.
National Research Council 1989 Nutrient Requirements of Dairy Cattle, Sixth Revised
Edition.
Reyes C., P. 1993. Bioestadstica aplicada: Agronoma, Biologa, Qumica. Trillas.
Mxico.
Salmern S.F., G. Tapia P. y M. G. Snchez G., J. Lecuberri L., A. Ducoing W., H.H.
Montalbo V., J.A. Navarro H., R. Ulloa A., J. Zavala R. 2002. Introduccin a la estadstica.
Sistema de produccin animal 1. rea cerdos. UNAM-DSUAED. Mxico.
Shao S.P. 1967, Statistics for business and economics Charles E. Merrill boocks. Inc.,
Columbus Ohio USA.
Spross S.A.K., 2005, Alimentacin animal (Alimentacin) DSUAED. UNAM. Mxico.
Steel R., G.D. J.H. Torrie. 1960. Principles and procedures of statistics with special
reference to the biological sciences. Mac Graw Hill Book Co., Inc. New York USA.
Suarez H.D., 2011. Produccin de bovinos para carne en confinamiento. Universidad
Autnoma de Chapingo.