Se describe la forma de estimar el coeficiente de correlación de Spearman y las condicionesen que resulta apropiada su utilización. También se describe como realizar una prueba de hipótesispara determinar si el coeficiente estimado es significativamente distinto de cero.
En las notas estadísticas anteriores, se hizo referencia a medidas de asociación entre dos variables. En el caso particular de dos variables continuas, se estudió el coeficiente de correlación de Pearson y su forma de cálculo. Una situación diferente surge cuando se desea medir la misma variable, en las mismas muestras o pacientes, con dos métodos, equipos o personas diferentes, para determinar si ambos métodos, equipos o personas producen resultados equivalentes. En ese caso lo que interesa es determinar si ambas mediciones son similares en magnitud, no si están asociadas, de hecho deben estarlo, ya que son dos mediciones de la misma característica en los mismos individuos o muestras. No obstante, si una de las mediciones tiene un error sistemático, por ejemplo si una de las mediciones tiene sistemáticamente cinco unidades menos que la otra medición, el coeficiente de correlación puede ser muy elevado aunque las diferencias en las mediciones sean importantes, es decir, las mediciones pueden no ser concordantes.
The aim of this study was to estimate additive genetic and heterosis effects for milk fever (MF) in Costa Rican dairy cattle. A farm-based management information software was used to collect 223,783 parity records between years 1989 and 2016, from 64,008 cows, 2 breeds (Jersey, Holstein × Jersey crosses, and Holstein), and 134 herds. The pedigree file comprised 73,653 animals distributed across 10 generations. A total of 4,355 (1.95%) clinical cases of MF were reported within this population, affecting 3,469 (5.42%) cows. Data were analyzed using 2 animal models, both accounting for repeatability and assuming different distributions for MF event: normal (linear model) or binomial (threshold model). The models included parity as fixed effect, breed and heterosis as fixed regressions, and herd-year-season, additive genetic, and permanent environment as random effects. The models were fit using a generalized linear mixed model approach, as implemented in ASReml 4.0 software. We noted significant regression on the percentage of Holstein breed, depicting a -0.0086% [standard error (SE) = 0.0012] decrease in MF incidence for each 1-unit increase in percentage of Holstein breed. A favorable heterosis of 5.9% for MF was found, although this was not statistically significant. Heritability and repeatability were, respectively, 0.03 (SE = 0.002) and 0.05 (SE = 0.002) for the linear model, and 0.07 (SE = 0.007) and 0.07 (SE = 0.007) for the threshold model. The correlation between BLUP (all animals in pedigree) for linear and threshold models, was 0.89. The average accuracy of the estimated BLUP for all animals were 0.44 (standard deviation = 0.13) for the linear model and 0.29 (standard deviation = 0.14) for the threshold model. Heritability and repeatability for MF within this population was low, though significant.
En la investigación clínica frecuentemente se miden numerosas variables en los individuos incluidos en el estudio. Muchas veces interesa determinar si existe relación entre algunas de esas variables, o predecir el valor de una de ellas conociendo el valor de otras. En ocasiones interesa determinar si distintos instrumentos, métodos o personas obtienen valores similares cuando se mide una variable en las mismas unidades experimentales. Esos tres objetivos requieren métodos de análisis distintos. La presente nota se refiere al primer objetivo: determinar si existe asociación entre variables........
Las notas estadísticas anteriores hicieron referencia, entre otras cosas, a las pruebas de hipótesis para decidir, por ejemplo, si la diferencia entre el promedio del grupo tratado y del grupo control, era estadísticamente significativa, es decir, si se podía atribuir esa diferencia al efecto del tratamiento y no al azar.........
Un aspecto fundamental en el diseño de estudios clínicos es la determinación del tamaño de muestra apropiado. Si el tamaño de muestra es muy pequeño, el estudio tendrá baja potencia estadística (AMC 49 (4):203-204) y en consecuencia, las estimaciones serán menos precisas y la probabilidad de encontrar diferencias significativas entre tratamientos o grupos será menor. Por otra parte, si el tamaño de muestra es muy grande, se estará haciendo un mal uso de recursos de investigación y sometiendo a pruebas a más pacientes de los estrictamente necesarios.
Introducción: Medir el bienestar de las aves bajo condiciones comerciales intensivas es complejo. El tipo de alojamiento, la naturaleza del estímulo, el tipo y tiempo de exposición, la edad, el sexo, el tiempo que tarda la evaluación y las diferencias individuales afectan los resultados. Objetivo: Evaluar el bienestar animal bajo condiciones intensivas, en galeras con ventilación natural y con ambiente controlado mediante el protocolo Welfare Quality® Project (2009). Métodos: Evaluamos 22 granjas comerciales diferentes, 11 galeras con ambiente controlado y 11 galeras con ventilación natural durante el 2018 y 2019. Se aplicó el protocolo Welfare Quality® Project con modificación en el principio de buena salud, por el método de transectos. Para cada criterio, aplicamos diferentes pruebas que transformamos en calificaciones mediante fórmulas proporcionadas por el instrumento denominado Spline funtions Welfare Quality®. Resultados: El 54% de las granjas obtuvo calificaciones excelentes y el 46% se calificaron como buenas. Las puntuaciones más bajas las obtuvimos en las pruebas de calidad de la cama, porcentaje de cojeras, porcentaje de pododermatitis y en la prueba cualitativa de comportamiento. Encontramos diferencias estadísticamente significativas p≤0,05 entre galeras abiertas con ventilación natural y de ambiente controlado, en la calidad de la cama, porcentaje de cojeras, densidad y ausencia prolongada de hambre. Conclusiones: Todas las granjas evaluadas, en ambos sistemas de alojamiento, propiciaron el bienestar de los pollos de acuerdo con el protocolo Welfare Quality® Project.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.