En el contexto de la producción ganadera, el análisis de variables productivas y morfométricas es fundamental para optimizar la selección genética y el manejo de hatos bovinos, especialmente en razas como Brahman, ampliamente utilizadas en la producción de carne en regiones tropicales. Este taller de diseño experimental se centra en el estudio de correlación y regresión de cuatro variables clave: peso al nacimiento (PN), peso al destete (PD), altura a la cruz (AlturaCruz) y altura al anca (ALTANCA), medidas en 20 toretes Brahman. El objetivo es evaluar las relaciones entre estas variables para entender cómo el peso al nacimiento puede predecir el rendimiento al destete y cómo las medidas morfométricas se interrelacionan, proporcionando información valiosa para la toma de decisiones en la ganadería. Mediante el uso de herramientas estadísticas, se exploran correlaciones, coeficientes de determinación y modelos de regresión lineal, con un enfoque práctico.
Los datos corresponden a las variables: peso al nacimiento (PN), peso al destete (PD), altura a la cruz (AlturaCruz) y altura al anca (ALTANCA). A continuación, se ingresan los datos:
datos <- data.frame(
PN = c(31, 32, 30, 32, 33, 34, 33, 33, 32, 36, 34, 34, 34, 31, 31, 30, 34, 35, 32, 33),
PD = c(200, 205, 200, 210, 212, 215, 190, 210, 206, 230, 220, 215, 220, 190, 190, 200, 215, 200, 192, 230),
AlturaCruz = c(140, 140, 135, 140, 135, 150, 130, 145, 140, 135, 145, 140, 140, 140, 140, 135, 140, 135, 130, 145),
ALTANCA = c(140, 140, 134, 140, 135, 145, 135, 145, 140, 132, 143, 142, 136, 132, 135, 135, 140, 141, 138, 140)
)
# Mostrar tabla de datos
knitr::kable(datos, caption = "Tabla 1: Variables productivas y morfométricas en toretes Brahman")| PN | PD | AlturaCruz | ALTANCA |
|---|---|---|---|
| 31 | 200 | 140 | 140 |
| 32 | 205 | 140 | 140 |
| 30 | 200 | 135 | 134 |
| 32 | 210 | 140 | 140 |
| 33 | 212 | 135 | 135 |
| 34 | 215 | 150 | 145 |
| 33 | 190 | 130 | 135 |
| 33 | 210 | 145 | 145 |
| 32 | 206 | 140 | 140 |
| 36 | 230 | 135 | 132 |
| 34 | 220 | 145 | 143 |
| 34 | 215 | 140 | 142 |
| 34 | 220 | 140 | 136 |
| 31 | 190 | 140 | 132 |
| 31 | 190 | 140 | 135 |
| 30 | 200 | 135 | 135 |
| 34 | 215 | 140 | 140 |
| 35 | 200 | 135 | 141 |
| 32 | 192 | 130 | 138 |
| 33 | 230 | 145 | 140 |
Se calcula la matriz de correlación de Pearson para las cuatro variables (PN, PD, AlturaCruz, ALTANCA).
| PN | PD | AlturaCruz | ALTANCA | |
|---|---|---|---|---|
| PN | 1.000 | 0.645 | 0.155 | 0.290 |
| PD | 0.645 | 1.000 | 0.482 | 0.291 |
| AlturaCruz | 0.155 | 0.482 | 1.000 | 0.644 |
| ALTANCA | 0.290 | 0.291 | 0.644 | 1.000 |
Se calculan el coeficiente de correlación y el coeficiente de determinación entre PN y PD.
El coeficiente de correlación (0.645) indica una relación positiva moderada entre PN y PD. Toretes con mayor PN tienden a tener mayor PD, aunque factores como alimentación post-nacimiento pueden influir en hatos Brahman. El coeficiente de determinación (0.416) muestra que aproximadamente el 41.6% de la variabilidad en PD se explica por PN. El resto podría deberse a variables no medidas, como manejo nutricional o salud animal.
Se ajusta un modelo de regresión lineal simple (PD ~ PN) y se calcula el valor predicho para PD cuando PN = 34 kg.
modelo <- lm(PD ~ PN, data = datos)
coef_reg <- coef(modelo)
pendiente <- coef_reg["PN"]
intercepto <- coef_reg["(Intercept)"]
# Valor predicho para PN = 34 kg
predicho_pd <- predict(modelo, newdata = data.frame(PN = 34))
# Valores reales para PN = 34 kg
valores_reales <- datos %>% filter(PN == 34) %>% select(PD)La pendiente (4.92) indica que por cada kg adicional en PN, PD aumenta en promedio 4.92 kg, útil para predecir rendimiento al destete en producción bovina. El valor predicho (213.896 kg) está cerca del promedio de los valores reales (217 kg), pero subestima algunos casos. Esto refleja la variabilidad no explicada (58.4%), influida por factores como manejo o genética.
Apreciaciones
El análisis de correlación y regresión realizado sobre las variables productivas y morfométricas de los 20 toretes Brahman revela patrones útiles para la producción de carne en hatos bovinos. La matriz de correlación destaca una relación moderada positiva entre el peso al nacimiento (PN) y el peso al destete (PD), con un coeficiente r = 0.645, lo que implica que un mayor PN tiende a predecir un mejor PD, aunque solo explica el 41.6% de su variabilidad (r² = 0.416). Esto subraya la influencia de factores postnatales como la nutrición y el manejo en el crecimiento. Las alturas a la cruz y al anca muestran una correlación más fuerte (r = 0.644), indicando consistencia en el desarrollo esquelético, mientras que las interacciones entre pesos y alturas son débiles, sugiriendo trayectorias de crecimiento diferenciadas en esta raza. El modelo de regresión lineal (PD ~ PN) confirma esta dinámica, con una pendiente de 4.920 kg/kg, lo que permite predecir un PD de 213.9 kg para un PN de 34 kg —cercano al promedio real de 217 kg observado en los casos reales (215, 220, 215, 220, 215 kg), pero con subestimaciones que reflejan la variabilidad no capturada por el modelo. Estos hallazgos son valiosos en contextos agropecuarios para la selección genética inicial y la optimización de recursos en hatos Brahman. Para futuras investigaciones, se recomienda expandir el modelo con variables como el peso materno o indicadores nutricionales, utilizando regresión múltiple para elevar la precisión predictiva y apoyar decisiones sostenibles en la ganadería. Este enfoque no solo cierra el ciclo de análisis descriptivo, sino que abre puertas a aplicaciones prácticas en la mejora de la productividad animal.