Search

Objective. This paper presents extensions to Freese’s statistical method for model-validation when proportional bias (PB) is present in the predictions. The method is illustrated with data from a model that simulates grassland growth. Materials and methods. The extensions to validate models with PB were: the maximum anticipated error for the original proposal, hypothesis testing, and the maximum anticipated error for the alternative proposal, and the confidence interval for a quantile of error distribution. Results. The tested model had PB, which once removed, and with a confidence level of 95%, the magnitude of error does not surpass 1225.564 kg ha-1. Therefore, the validated model can be used to predict grassland growth. However, it would require a fit of its structure based on the presence of PB. Conclusions. The extensions presented to validate models with PB are applied without modification in the model structure. Once PB is corrected, the confidence interval for the quantile 1-α of the error distribution enables a higher bound for the magnitude of the prediction error and it can be used to evaluate the evolution of the model for a system prediction., Objetivo. En este trabajo se presentan extensiones al método estadístico de Freese para validar modelos con sesgo proporcional (SP) en sus predicciones y se ilustra el método con datos provenientes de un modelo de simulación de crecimiento de praderas. Materiales y métodos. Las extensiones para validar un modelo con SP fueron: el error máximo anticipado para el planteamiento original, la prueba de hipótesis y error máximo anticipado para el planteamiento alternativo, y el intervalo de confianza para un cuantil de la distribución de los errores. Resultados. El modelo evaluado presentó SP, una vez removido y con un nivel de confianza del 95% la magnitud del error no sobrepasa 1225.564 kg ha-1. Por lo que el modelo validado podría usarse para predecir el crecimiento de praderas, sin embargo, requerirá un ajuste en su estructura con base a la presencia de SP. Conclusiones. Las extensiones presentadas para validar modelos en presencia de SP se aplican sin que el modelo sea modificado en su estructura. El intervalo de confianza para el cuantil 1-α de la distribución de los errores una vez que se corrige el SP, permite determinar una cota superior para la magnitud del error de predicción y usarla para evaluar la evolución del modelo en predicción del sistema.

Objective. This paper presents extensions to the statistical validation method based on the procedure of Freese when a model shows constant bias (CB) in its predictions and illustrate the method with data from a new mechanistic model that predict weight gain in cattle. Materials and methods. The extensions were the hypothesis tests and maximum anticipated error for the alternative approach, and the confidence interval for a quantile of the distribution of errors. Results. The model evaluated showed CB, once the CB is removed and with a confidence level of 95%, the magnitude of the error does not exceed 0.575 kg. Therefore, the validated model can be used to predict the daily weight gain of cattle, although it will require an adjustment in its structure based on the presence of CB to increase the accuracy of its forecasts. Conclusions. The confidence interval for the 1-α quantile of the distribution of errors after correcting the constant bias, allows determining the top limit for the magnitude of the error of prediction and use it to evaluate the evolution of the model in the forecasting of the system. The confidence interval approach to validate a model is more informative than the hypothesis tests for the same purpose. Objetivo. Presentar extensiones al método estadístico para validar modelos basado en el procedimiento de Freese cuando el modelo presenta sesgo constante (SC) en sus predicciones e ilustrar el método con datos provenientes de un modelo mecanístico inédito para la predicción de ganancia de peso de bovinos. Materiales y métodos. Las extensiones fueron la prueba de hipótesis y error máximo anticipado para el planteamiento alternativo y el intervalo de confianza para un cuantil de la distribución de los errores. Resultados. El modelo evaluado presentó SC, una vez eliminado y con un nivel de confianza del 95%, la magnitud del error no sobrepasa 0.575 kg. Por lo que el modelo validado puede usarse para predecir la ganancia de peso diaria de bovinos, aunque requerirá un ajuste en su estructura con base a la presencia de SC para incrementar la exactitud en sus pronósticos. Conclusiones. El intervalo de confianza para el cuantil 1-α de la distribución de los errores una vez que se corrige el sesgo constante, permite determinar una cota superior para la magnitud del error de predicción y usarla para evaluar la evolución del modelo en predicción del sistema. El enfoque de intervalos de confianza para validar un modelo es más informativo que las pruebas de hipótesis para el mismo propósito.

Se utilizó un modelo dinámico mecanístico (Turix v 1.0) como base de una función de regresión para la obtención de los parámetros ruminales, utilizando dos series de datos experimentales in situ e in vitro de tres tratamientos de la caña de azúcar (CZ). Los resultados de los ajustes para los tratamientos, concentración de biomasa (M) en cultivos con caña integral (CI), fibra detergente neutra y ácida fueron: a) kM, SmL= 16,28; 49,20 y 20,86ml/h por mgM; b) kLM= 9,99E+03; 9,92E+03 y 9,98E+03/h; c) Y PAGV, SF= 0,72; 0,28 y 0,14g/g y d) raíz media del residual al cuadrado, 3,86E-03; 2,85E-03 y 1,87E-03 respectivamente. Contrario a lo esperado, los resultados indican que para el tratamiento de CI existe una captura lenta de sustrato microbiano y un rendimiento de M bajo. El comportamiento de M a las primeras horas de cultivo sugirió la presencia de una fase rápida de captura de carbohidratos solubles, como consecuencia de concentraciones altas de carbohidratos solubles. Los resultados sugieren bajos niveles de M sobrepasante que pueden ser una de las causas de los bajos rendimientos de rumiantes con dietas a base de CZ. Aunque se requiere trabajos adicionales para valorar la utilidad del modelo en el análisis de alimentos, así como del comportamiento nutricional de la CZ, el trabajo plantea un nuevo enfoque en la evaluación de los sistemas ruminales. A mechanistic dynamic model (Turix v 1.0) that involves differential equations and in situ and in vitro data, was used for estimating the ruminal parameters for three sugar cane (CZ) treatments. The results for the treatment, integral cane (CI), neutral detergent fiber and acid detergent fiber biomass (M) concentration, were a) kM, SmL= 16.28, 49.20 and 20.86ml/h per mgM; b) kLM= 9.99E+03, 9.92E+03 and 9.98E+03/h; c) Y PAGV, SF= 0.72, 0.28 and 0.14g/g; and d) the root mean square= 3.86E-03, 2.85E-03 y 1.87E-03, respectively. Contrary to findings by some authors, the results indicated that a slow microbial substrate uptake and a low M yield for IC exists. The M performance in CI treatment at the first hours suggests a fast soluble carbohydrate uptake as a consequence of a high carbohydrate concentration. The results imply low M surpass that it could be one of the causes of low performance in ruminants eating sugar cane. Additional work is required to evaluate the Turix v 1.0 model utility in the feed analysis but the work raises a new approach in the ruminal systems evaluation. Utilizou-se um modelo dinâmico mecanístico (Turix v 1.0) como base de uma função de regressão para a obtenção dos parâmetros ruminais, utilizando duas séries de dados experimentais "in situ" e "in vitro" de três tratamentos da cana de açúcar (CZ). Os resultados dos ajustes para os tratamentos, concentração de biomassa (M) em cultivos com cana integral (CI), fibra detergente neutra e ácida foram: a) kM, SmL= 16,28; 49,20 e 20,86ml/h por mgM; b) kLM= 9,99E+03; 9,92E+03 y 9,98E+03/h; c) Y PAGV, SF= 0,72; 0,28 y 0,14g/g y d) raiz média do residual ao quadrado, 3,86E-03; 2,85E-03 e 1,87E-03 respectivamente. Contrario ao esperado, os resultados indicam que para o tratamento de CI existe uma captura lenta de substrato microbiano e um rendimento de M baixo. O comportamento de M nas primeiras horas de cultivo sugeriu a presença de uma fase rápida de captura de carboidratos solúveis, como conseqüência de concentrações altas de carboidratos solúveis. Os resultados sugerem baixos níveis de M sobrepassante que podem ser uma das causas dos baixos rendimentos de ruminantes com dietas a base de CZ. Ainda que se requeira trabalhos adicionais para valorizar a utilidade do modelo na análise de alimentos, assim como do comportamento nutricional da CZ, o trabalho apresenta um novo enfoque na avaliação dos sistemas ruminais.