LA BIOESTADISTICA UNA HERRAMIENTA IMPORTANTE EN LA

FORMACION DEL MEDICO VETERINARIO Y ZOOTECNISTA

Yesica Paola Cicery Lugo

Estudiante De Medicina Veterinaria Y Zootecnia

RESUMEN

El presente artículo pretende hacer un recorrido por todas aquellas técnicas y

herramientas de la estadística, que se han aplicado a lo largo del tiempo en la
tecnificación y mejora de las ciencias agropecuarias. Realizando un recorrido por
ejemplos concretos en donde la estadística juega un papel muy importante para el
mejoramiento genético, la acides de los suelos, los promedios de cría y desviaciones de
los distintos tipos de ganado bovino existe. Para por ultimo mostrarnos que cuan
importantes son las matemáticas y en especial las herramientas estadísticas.

PALABRAS CLAVES

Estadística, zootecnia, mejoramiento genético, acides de los suelos.

ABSTRAC

This article intends to take a tour of all those techniques and tools of statistics,
which have been applied over time in the technification and improvement of agricultural
sciences. Taking a tour of specific examples where statistics play a very important role
for genetic improvement, soil acids, breeding averages and deviations of different types
of cattle exist. To finally show us how important mathematics is and especially
statistical tools.

KEYWORDS

Statistics, zootechnics, genetic improvement, soil acids.

Actualmente en el ámbito educativo se suele escucha que las matemáticas son

una base fundamental en la formación de cualquier profesional, en cualquiera de las
facultades existentes en cualquier universidad del mundo, tanto así que un gran
investigador contemporáneo aseguro que “las matemáticas son el lenguaje con el que
Dios escrito el universo” (Galileo,1623).

Actualmente a nivel mundial se ha generado un incremento “la necesidad de

introducir en las investigaciones los modelos y las herramientas estadístico-
matemáticas de avanzada” (Jiménez, 2013). La buena utilización de las técnicas
inherentes a los modelos estadísticos permite “la toma de decisiones óptimas, la
eficiencia y el logro de empeños superiores en las diferentes esferas” (Callejas, 2008) y
muy en especial en los sectores agropecuario, agroindustrial y forestal, cuya aplicación
favorece el desarrollo de sus áreas de investigación.

“Por otra parte, el progresivo aumento de la población mundial, la necesidad

creciente de garantizar la alimentación de ésta, así como los cambios climáticos han
conllevado al desarrollo constante de la investigación agrícola, forestal y
agroindustrial. Ejemplo de ello resulta la transferencia de novedosas técnicas de
análisis estadístico que son aplicadas en otras ramas de la ciencia, basadas en las
propiedades físicas y químicas de los materiales hacia el campo de la ingeniería
agropecuaria” (Betancourt et al., 2010).

Por ello es de vital importancia el manejo de la estadística a la hora de realizar

nuevas investigaciones en aras de un mejoramiento continuo del campo, estas y otras
razones más que serán tocadas e ilustradas en el presente artículo que nos conllevara a
tener más claridad sobre el rol y la importancia de la estadística aplicada a la área
agrícola, forestal, mejoramiento genético y manejo de epidemias entre otras que pueden
mejorar o desmejorar el buen trabajo de un médico veterinario y zootecnista en la
actualidad.

Para realizar futuras proyecciones e inversiones en el ámbito agropecuario se

hace de suma importancia conocer ¿cómo lograr mayores niveles de eficacia en el
proceso de toma de decisiones?; ¿qué métodos y técnicas estadísticas permiten analizar
datos con el fin de obtener conclusiones científicas y aplicarlas en la práctica? y ¿cómo
fortalecer las investigaciones de los procesos agropecuarios, agroindustriales y
forestales utilizando la Matemática Aplicada?

“La Matemática Aplicada en las ciencias agropecuarias, agroindustriales y

forestales permiten brindar criterios y herramientas básicas para manejar e interpretar
cada vez mejor la actividad agrícola, agroindustrial y forestal, satisfacer las demandas
de nuevas tecnologías para producir en mercados globales altamente competitivos
resguardando los recursos naturales y tomar decisiones a mediano y largo plazo en
condiciones similares de experimentación” (Callejas, 2009).

De manera particular se puede decir que las técnicas estadísticas representan una
alternativa muy novedosa debido a que permite ir un paso adelante a la hora de poder
predecir cómo puede variar la calidad de un producto natural, ya sea un derivado de un
lácteo o la alimentación del ganado bovino y equino durante su proceso de
almacenamiento y se puede uno como productor exonerar de invertir en engorrosas
tecnologías que en su mayoría son costosas y que requieren de un gran tiempo para
monitorear los cambios que los productos sufren durante su almacenamiento.

“Un zootecnista requiere valorar la relación que existe entre la multiplicación

de las bacterias y el tiempo, entre la desintegración proteica de una enzima y el
sustrato aplicado, entre el rendimiento de un cultivo y la fertilización necesaria”
(Chávez, 2006). Además, se podía decir que el mismo zootecnista “requiere evaluar
una determinada enfermedad de acuerdo a las condiciones climáticas o del lugar
donde se encuentren los animales; analizar las curvas de crecimiento de animales y de
producción de leche, las curvas de respuesta a diferentes medicamentos” (Quintero et
al,2010).

En pocas palabras el médico veterinario y zootecnistas requiere la

implementación de los diferentes modelos matemáticos, ya sean probabilísticos,
estadistas o de recolección, análisis e interpretación de datos de un entorno agrícola,
pecuario o clínico que le han de ayudar en la toma de decisiones ya sea desde la parte de
producción o en el ámbito médico.

Un médico veterinario deberá formarse como un profesional capacitado para

generar cambios sociales, ecológicos y económicos, y dar así respuestas a las
necesidades de la sociedad. Además, las herramientas estadísticas les permiten diseñar
mejoramiento genético de las especies menores y mayores, elaborar programas de
conservación de flora y fauna minimizando los impactos sobre los ecosistemas
forestales.

“Es importante que los estudiantes de las carreras agropecuaria, agroindustrial

y forestal comprendan con claridad como las herramientas estadístico matemáticas les
permiten analizar un fenómeno o crear un modelo matemático nuevo para reflejar la
realidad de su entorno, o sea, que pueden utilizar de manera aceptada y consciente las
matemáticas en la solución de problemas utilizando además los softwares existentes de
acuerdo a las complejidades de solución que se pueden presentar” (Yepis, 1999).

Teniendo ya una mayor claridad sobre estos elementos y las crecientes

necesidades existentes en el desarrollo científico en Colombia para tecnificación del
campo en las ramas agropecuaria, agroindustrial y forestal, en este artículo de
evidenciaran una serie de ejemplos reales que provienen de diversas investigaciones de
las áreas antes mencionadas con el único objetivo de realizar una ilustración expositiva
de las herramientas y ventajas de la estadística en las ciencias agropecuarias.

Existe una gran variedad de problemas donde se utilizan las herramientas

estadísticas en estas ciencias. A continuación, se destacan algunas problemáticas de
estas áreas de investigación donde las técnicas estadísticas desempeñan un papel
fundamental en la toma de decisiones:

1. “La distribución Normal en Estadística, se utiliza fundamentalmente para

comparar poblaciones de plantas ó animales, además sirve para calcular el
tiempo promedio de utilización de una maquinaria agrícola, entre otras
aplicaciones, también se puede utilizar o implementar para tener un
porcentaje de bovinos o equinos que se distribuyan normalmente que están
por encima de la media población o cuales su desviación estándar”
(casanoves,1998)

2. “Las Dócimas de hipótesis y el Análisis de Varianza permiten probar y

decidir si una nueva tecnología aumenta la producción promedio; validar si
un nuevo método de alimentación favorece para obtener una mayor
ganancia de peso en los bovinos; planificar y explotar con eficiencia un
nuevo método de pastoreo para mi ganado doble propósito, así como
comparar varios tipos de suelo o diferentes labores de cultivo” (Betancourt
et al., 2010)

3. “El cálculo del pH de los suelos conociendo la concentración de hidronio

conduce a una ecuación de regresión que constituye una función de gran
utilidad para el estudio de características de los suelos, así como el proceso
inverso” (Cohran,1981). Todo ello con el único fin de determinar si cuando
 se saca el ganado al proceso de pastoreo se pueda determinar si ese suelo es
o no muy acido para su alimentación.

4. “Las curvas de respuesta, las cuales permiten establecer la relación entre el

rendimiento de los cultivos y los nutrientes en una parcela de tierra”
(Ching,1977). Pues en caso de tener una buena relación o un grado de
correlación alto estaría indicando que los sistemas de riego y el proceso de
abonos es el adecuado para nuestra finca o parcela.

5. “El cálculo del índice de crecimiento de un bovino constituye un indicador

muy importante para el investigador” (Diaz,1991). Para lograr esto se
utilizan herramientas de la estadística las cuales permiten determinar un
modelo matemático de crecimiento y con ello mirar cual se ajusta a las
diferentes especies que contamos en nuestra finca para con ello tomar
decisiones sobre el crecimiento.

6. “Los Test de hipótesis también son muy utilizados en el análisis de

diferentes producciones de alimentos en cuanto a su calidad, cantidad,
permitiendo así tomar decisiones en cuanto a si el proceso de producción
deberá detenerse o ajustarse a nuevas normas” (Dixon,1970)

7. “En el estudio de la genética de los equinos se utiliza con mucha frecuencia

la Teoría de las Probabilidades para medir la estabilidad genética en
variedades o genotipos de una especie determinada” (Fondevila,2009). Para
de esta manera poder predecir di dicho equino va ser para carga, velocidad o
de paso fino dependiendo las necesidades del médico tenga en su establo.

8. “También la colaboración de la Estadística ha sido clave en el desarrollo de

nuevos fármacos para la salud animal, el estudio de factores causales de
dichos padecimientos y el diagnóstico de enfermedades” (Chávez et al.,
2016). Para con ello prevenir epidemias animales e incluso pandemias que
puedan afectar el ámbito humano.

9. “El análisis estadístico exploratorio es muy importante en el proceso de

interpolación de datos espaciales. Para esto se definen las hipótesis básicas
 de interpolación y se seleccionan un conjunto de métodos estadísticos que
pueden ser usados en su comprobación. El análisis estadístico exploratorio
describe las características globales del conjunto de datos y detecta
patrones de regularidad espacial” (Miranda y Condal, 2003). Para que con
dicho comportamiento se pueda tomar decisiones decisivas a la hora de una
producción masiva, ya sea de carácter avícola, bovina o en especies menores.

10. “La prueba ji–cuadrada de Pearson es una de las más usadas para estudiar
la bondad de ajuste, por lo que es importante determinar si la violación de
los supuestos que ocurre en el muestreo con parcelas de área fija y de área
variable, diseños muéstrales complejos usados en el campo de la ganadería
extensiva afectan el crecimiento de los bovinos” (Quintero y Durán, 2008).

Como se mencionó anteriormente la estadística es una herramienta fundamental

de las matemáticas que los futuros profesionales agropecuarios y los futuros médicos
veterinarios y zootecnistas deben tener a la mano, como una ayuda importante para su
quehacer profesional. Es por ello que ahora vamos a mostrar de manera puntual un caso
de como la utilización de las herramientas estadísticas son una gran ayuda para el
mejoramiento de las practicas veterinarias y zootecnistas.

Los distintos programas existentes de selección genética de ganado buscan

maximizar la tasa de crecimiento de alguna de las funciones del ganado que se piensa
que tiene su sustento en el ámbito genético. Generalmente los animales con las mejores
características y mejor desempeño ya sea en cuanto a su carne o a su leche son hijos de
padres que poseen las mismas características y cualidades.

“El componente genético del mérito no puede ser observado, así que tiene que
inferirse a partir de las observaciones hechas en los candidatos a selección o en sus
parientes. Esto presenta al menos tres problemas estadísticos: 1) determinar si las
características que forman parte de la función de mérito tienen una base genética; 2)
obtener métodos razonablemente precisos para inferir el mérito (“evaluación
genética”), y 3) decidir qué hacer con los animales que tengan las mejores
evaluaciones, por ejemplo, diseño de planes de cruzamiento que sean óptimos con
respecto a algún criterio” (Bulmer, 1980). El primer problema se conoce comúnmente
como “estimación de parámetros genéticos”. El segundo problema se conoce como
“estimación (predicción) de valores de cría”, y es conceptualmente inseparable del
primero.

La gran mayoría de las características observables se pueden denominar como

variables ya sean de tipo continua o de tipo discretas en donde sin duda alguna estas
pueden ser medibles o cuantificables de alguna manera y es allí donde toma suprema
importancia las herramientas estadísticas aplicadas al mejoramiento genético

” También existen características ligadas al sexo, tales como la producción

lechera (la cual sólo se observa en las hembras) y la circunferencia escrotal en
sementales; se cree que esta última tiene una correlación genética positiva con la
fertilidad de las vacas” (Dempfle,1977)

“En el ganado lechero es más relevante inferir el mérito genético de los

machos, debido al impacto que pueden tener en la tasa de mejoramiento. Por ejemplo,
como resultado de la inseminación artificial y de la amplia disponibilidad de semen
congelado, algunos sementales de ganado lechero producen miles de hijas en varios
países, creando así una oportunidad para la evaluación internacional de sementales, si
bien a un costo mayor en términos de la complejidad del modelo estadístico y de
implementación” (Schaeffer, 1985).

Después de dar todo este recorrido por cada una de las maneras o formas de
como la estadística ha ayudado al mundo agropecuario, no es de extrañar que la
estadística haya sido tan importante para la zootecnia. Las siguientes fuentes contienen
ejemplos de algunos de los métodos y problemas estadísticos más relevantes que se han
discutido en los congresos de zootecnia durante los últimos 25 años: Hill (1974, 1980);
Henderson (1977); Thompson (1977, 1979, 1982); Dempfle (1982); Gianola, Foulley y
Fernando (1986); Schaeffer y Kennedy (1986); Meyer (1990); Ducrocq (1990); Gianola
y Hammond (1990).

Nuestro propósito con el anterior articulo era describir como las herramientas
estadísticas han jugado un papel importante durante los últimos años en las ciencias
agropecuarias y fundamentalmente en la medicina veterinaria y la zootecnia
específicamente para inferir valores de cría y la toma de decisiones a la hora de
seleccionar un método o tecnología para la mejora genética en pro del mejoramiento
continuo del agro en Colombia.
BIBLIOGRAFIA

1. Galilei, Galileo. El ensayador. 1981.Editorial Aguilar. Buenos Aires, pág. 63.

2. Jiménez M, Reyes M. Evolución de los desarrollos estadísticos en la agronomía.
Revista de la Universidad de la Salle. 2013; 26: 307-321.
3. Callejas J. Modelo de formación profesional de la carrera Ingeniería Agrícola de
la universidad de Ciego de Ávila dirigido al desarrollo de habilidades en la
solución de problemas profesionales utilizando las Competencias en las
Unidades Básicas de Producción, Tesis (en opción al grado científico de Doctor
en Ciencias Pedagógicas), Granada, España, 2008.
4. Callejas J. Modelos Matemáticos para la formación profesional de Ingenieros
Agrícolas. Universidad de Ciego de Ávila, Granada, España, 2009.
5. Betancourt Y; Herrera L; García A. Las propiedades biológicas del suelo e
influencia de enfermedades para definir la zona de aplicación del laboreo
localizado en los suelos arcillosos pesados. Revista Ciencias Técnicas
Agropecuarias. 2010. Vol. 19, No. 2: 54-58.
6. Chávez D. Importancia de la enseñanza de las matemáticas en las carreras
agropecuarias. Revista Ciencias Técnicas Agropecuarias. 2006; Vol 15, No.
Especial: 78-81.
7. Quintero A; Guerra W; Fernández L y De Calzadilla J: “Diagnóstico del sistema
de producción-comercialización del ganado caprino-ovino en el departamento de
La Guajira, Colombia. Aplicación del Escalamiento Óptimo”. Revista Ciencias
Técnicas Agropecuarias. 2010; Vol 19, No. 2: 48-53.
8. Yepis V. El perfeccionamiento del trabajo interdisciplinario por año como
herramienta básica para la formación integral del profesional universitario, En:
Conferencia Internacional de Ciencias de la Educación, Universidad de
Camagüey, Camagüey, Cuba, diciembre 1999.
9. CASANOVES F., DI RIENZO J.A., ROBLEDO C.W. (1998). Bases para
estadística experimental. Editorial Screen, Córdoba, Agentina. 189 p.
10. COHRAN, W.G. (1981). Técnicas de Muestreo. Compañía Editorial Continental
S. A. México. 513 p.
11. CHING CHUN LI. (1977). Introducción a la Estadística Experimental.
Ediciones Omega, S.A. Barcelona. 496 p.
12. DIAZ, M.P. y De LUNA, J.G. (1991). Análise de dados categorizados em
tabelas de contingencia LxC. Seminario Curso de Post-Grado. Escuela Superior
de Agricultura Luis de Queiroz. Universidad de Sao Paulo. Piracicaba, SP.
Brasil. 87p
13. DIXON, W. and F.J. MASSEY. (1970). Introducción al Análisis Estadístico.
McGraw-Hill, Inc. México. 489 p.
14. Fondevila N. Project R: Programa estadístico gratuito de aplicación en medicina
veterinaria. REDVET. 2009; Vol 10, No. 3.
15. Chávez D; Jiménez Y; Burgos T. Diagnóstico de Pseudotuberculosis en ovinos a
partir del estudio hematológico. REDVET. 2016; Vol 17, No. 11.
16. Miranda M; Condal A. Importancia del análisis estadístico exploratorio en el
proceso de interpolación espacial: caso de estudio Reserva Forestal Valdivia.
Revista Bosque. 2003; Vol 24, No. 2: 29-42.
17. Quintero M; Durán M. Aplicación de dos pruebas estadísticas de bondad de
ajuste en muestras complejas: un caso práctico en el campo agricola. Revista
Agrociencia. 2008; Vol 42, No. 3: 287-297.
18. Cuen C. Morfometría geométrica, una nueva rama de la Estadística: aplicaciones
en Bioestadística. Tesis profesional. Universidad de Sonora. México. 2016.
19. Instituto Interamericano de Cooperación para la Agricultura (IICA). Aportes
para el desarrollo del sector agropecuario y rural, desde una política de estado de
mediano y largo plazo. 2014.
20. Bulmer, M. G. (1980), The Mathematical Theory of Quantitative Genetics,
Oxford: Oxford University Press.
21. Chang, Y. M. (1999), “Bayesian Analysis of Lactation Curves in Dairy Sheep,”
Tésis de Maestría, University of Wisconsin-Madison.
22. Cockerham, C. Clark (1954), “An Extension of the Concept of Partitioning
Hereditary Variance for the Analysis of Covariances Among Relatives when
Epistasis is Present”, Genetics, 39, 859882.
23. Corbeil, R. R. y Searle, S. R. (1976), “ A Comparison of Variance Component
Estimators,” Biometrics, 32, 779-791.
24. Dempfle, L. (1977), “Relation Entre BLUP (Best Linear Unbiased Prediction) et
Estimateurs Bayesiens,” Annales de Génetique et de Séléction Animale, 9, 27-
32.
25. Dempfle, L. (1982), “Problems in Estimation of Breeding Values,” Proceedings
of the Second World Congress on Genetics Applied to Livestock Production V,
104-118, Madrid: Neografis.
26. Schaeffer, L. R. (1985), “Model for International Evaluation of Dairy Sires,”
Livestock Production Science, 12, 105-115.
27. Ducrocq, V. (1990), “Estimation of Genetic Parameters Arising in Nonlinear
Models,” Proceedings of the Fourth World Congress on Genetics Applied to
Livestock Production, XII, 419-428, Penicuik: Joyce Darling.
28. Ducrocq, V. y Casella, G. (1996), “Bayesian Analysis of Mixed Survival
Models,” Genetics, Selection, Evolution, 28, 505-529.
29. Ducrocq, V. y Sölkner, J. (1998), “The Survival Kit: a Fortran Package for the
Analysis of Survival Data,” Proceedings of the Sixth World Congress on
Genetics Applied to Livestock Production, 22, 51-52, Armidale: Animal
Genetics and Breeding Unit.
30. Fernando, R. L. y Grossman, M. (1989), “Marker Assisted Selection Using Best
Linear Unbiased Prediction,” Genetics, Selection, Evolution, 21, 467-477.
31. Foulley, J. L. (1993), “A Simple Argument Showing How to Derive Restricted
Maximum Likelihood,” Journal of Dairy Sciences, 76, 2320-2324.
32. Foulley, J. L., Gianola, D. y Im. S. (1990), “Genetic Evaluation for Discrete
Polygenic Traits in Animal Breeding,” Advances in Statistical Methods for
Genetic Improvement of Livestock, 361409 (Gianola, D., y Hammond, K. Eds.),
Berlin: Springer-Verlag.
33. Foulley, J. L., y Quaas, R.L. (1994), “Statistical Analysis of Heterogeneous
Variances in Gaussian Linear Mixed Models,” Proceedings of the Fifth World
Congress on Genetics Applied to Livestock Production, 18, 341-348, Guelph:
University of Guelph.
34. Fox, J. (1984), Linear Statistical Models and Related Methods, New York:
Wiley.
35. Gianola, D. y Fernando, R. L. (1986), “Bayesian Methods in Animal Breeding
Theory,” Journal of Animal Science, 63, 217-244.
36. Gianola, D., Fernando, R. L., Im, S. y Foulley, J. L. (1989), “Likelihood
estimation of quantitative genetic parameters when selection occurs: models and
problems,” Genome, 31, 768-777
37. Gianola, D. y Goffinet, B. (1982), “Sire Evaluation with Best Linear Unbiased
Predictors,” Biometrics, 38, 1085-1088.
38. Gianola, D. y Foulley, J. L. (1983), “Sire Evaluation for Ordered Categorical
Data with a Threshold Model”, Genetics, Selection, Evolution, 15, 201-224.
39. Gianola, D., Foulley, J. L., y Fernando, R. L. (1986), “Prediction of Breeding
Values when Variances are not Known,” Proceedings of the Third World
Congress on Genetics Applied to Livestock Production, XII, 356-370, Lincoln:
Agricultural Communications, University of Nebraska.
40. Hartley, H. O. y Rao, J. N. K. (1967), “Maximum Likelihood Estimation for the
Mixed Analysis of Variance Model”, Biometrika, 54, 93-108.
41. Hill, W. G. (1974), “Heritabilities: Estimation Problems and the Present State of
Information,” Proceedings of the First World Congress on Genetics Applied to
Livestock Production, I, 343351, Madrid: Gráficas Orbe.
42. Hill, W. G. (1980), “Design of Quantitative Genetic Selection Experiments,” en:
A. Robertson (Ed.), Selection Experiments in Laboratory and Domestic
Animals, Slough: Commonwealth Agricultural Bureaux.
43. Henderson, C. R. (1977), “Prediction of future records”, Proceedings of the
International Conference on Quantitative Genetics,615-638 (Pollak, E.,
Kempthorne, O. y Bailey, T. B., Eds.), Ames: The Iowa State University Press.
44. Thompson, R. (1977), “Estimation of Quantitative Genetic Parameters,”
Proceedings of the International Conference on Quantitative Genetics, 639-657
(Pollak, E., Kempthorne, O. y Bailey, T. B., Eds.)
45. Thompson, R. (1979), “Sire Evaluation,” Biometrics, 35, 339-353.
46. Thompson, R. (1982), “Methods of Estimation of Genetic Parameters,”
Proceedings of the Second World Congress on Genetics Applied to Livestock
Production, V, 95-103, Madrid: Neografis.
47. Meyer, K. (1990), “Present Status of Knowledge about Statistical Procedures
and Algorithms to Estimate Variance and Covariance Components,”
Proceedings of the Fourth World Congress on Genetics Applied to Livestock
Production, XII, 407-418, Penicuik: Joyce Darling.