Validation of models with proportional bias / Validación de modelos con sesgo proporcional

ABSTRACT 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.

RESUMEN 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.

Evaluación de un sistema ruminal basado en caña de azúcar mediante un modelo dinámico mecanístico / Evaluation of a ruminal system based on sugarcane by menas of a mechanistic dynamic model

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) YPAGV, 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

Modelo para la estimación de tres parámetros ruminales biológico / Model for estimating three ruminal biologic parameters

Se describe un modelo dinámico, mecanístico y determinístico (Turix v1.0) que es útil como base de una función de regresión durante del ajuste de tres parámetros, relacionado con sistema cerrado de crecimiento cerrado ruminal. Los parámetros estimados por el modelo son: km Sml describe el comportamiento del proceso de asimilación del sustrato microbiano, klm describe el comportamiento del proceso de crecimiento bacteriano a partir de un metabolito intermedio, y Y PAGV, SF describe el rendimiento microbiano de formación de productos de la fermentación. El modelo de 11 variables de estado está basado en los conceptos de los modelos de Monod, Michaelis-Menten y de caja negra, así como en información disponible. Se supone la no existencia de un estado estacionario en la variable de estado biomasa y productos de la fermentación, que la concentración de sustrato microbiano es directamente proporcional a si misma y la concentración de biomasa bacteriana, así como la existencia de un metabolito intermedio. También se supone que la biomasa y la concentración de ácidos grasos volátiles dentro del sistema son función del metabolito intermedio. Para describir el comportamiento de sistema se desarrollaron tres submodelos: Degradación de alimento, crecimiento microbiano, fermentación bacteriana. Los parámetros fueron estimados resolviendo un problema de regresión en un sistema de ecuaciones diferenciales. Se discuten los conceptos básicos utilizados durante el desarrollo del modelo. Éste pudo ajustar los parámetros km,Sml' KLMy Y PAGV,SF relacionados con procesos cinéticos y de rendimiento de productos de la fermentación, útiles para comprender un sistema cerrado de crecimiento ruminal