MasterAnales-2000-Volumen XLII

1
anales
cientficos
Enero - Marzo 2000
Volumen: XLII
Anales Cientficos UNALM
2
Francisco Delgado de la Flor Badaracco
RECTOR
Hugo Nava Cueto
VICE RECTOR ACADEMICO
Luis Maezono Yamashita
VICE RECTOR ADMINISTRATIVO
DECANOS:
Luz L. Mattos Caldern
AGRONOMIA
Eduardo Gomez-Cornejo Belgrano
CIENCIAS
Jos J. Danc Caballero
CIENCIAS FORESTALES
Luis Jimnez Daz
ECONOMIA Y PLANIFICACION
Augusto Montes Gutierrez
INDUSTRIAS ALIMENTARIAS
J. Abel Meja M.
INGENIERIA AGRICOLA
Ral C. Porturas Olaechea
PESQUERIA
Manuel Rosemberg Barrn
ZOOTECNIA
Salomn Helfgott Lerner
DIRECTOR EPG
AUTORIDADES UNIVERSITARIAS:
3
ANALES CIENTIFICOS
CONTENIDO:
PRSPERO CABRERA VILLANUEVA, EDWIN MELLISHO SALAS
Parmetros reproductivos de vacas Holstein
en tres establos de la cuenca de Lima ..................................................................... 4
CARLOS SCOTTO ESPINOZA, RAMSS SALAS ASENCIOS,
ANA GUTIRREZ ROMN

Y JORGE VARGAS MORN
Cuantificacin de proteinas totales de leche
por mtodos espectrofotomtricos .............................................................................. 25
ALVARO ORTIZ SARABIA
Eleccin y modelizacin de las preferencias ................................................................... 30
LUIS ALBERTO DAZA PORTOCARRERO
Estimacin de la variancia residual en diseos
cuadrticamente balanceados ........................................................................ 61
ROCIO CONDOR G., VICTOR MEZA C., FANNY LUDEA U.
Obtencin de una bebida fermentada a partir de suero de queso
utilizando celulas inmovilizadas de Kluyveromyces Fragilis ...................................................... 74
ROCIO CONDOR G., VICTOR MEZA C., FANNY LUDEA U.
Recuperacin de suero de quesera para la produccin
de una bebida alcohlica en un sistema en lote ............................................................... 90
JERNIMO GARCA V., ODN SNCHEZ C., MARCOS PAREDES R.
Mtodos de estimacin de la evapotranspiracin potencial
en funcin del rango diurno de temperatura (dt)
y radiacin solar extraterrestre (qs) ........................................................................................ 107
FIDEL MORALES QUIONEZ
Evaluacin de dos tratamientos con respuesta binaria ............................................... 118
JORGE P. CALDERN VELSQUEZ
Estimacin gentica para caracteres repetidos con iteracin
de Gauss-Seidel en un modelo animal ............................................................................... 130
GLORIA PASCUAL CH.

MARGARITA MEJA L.
Extraccin y caracterizacin de aceite de Sacha Inchi
(Plukenetia Volubilis l.)127 .................................................................................................... 146
4
PARMETROS REPRODUCTIVOS DE VACAS HOLSTEIN
EN TRES ESTABLOS DE LA CUENCA DE LIMA
Prspero Cabrera Villanueva (*), Edwin Mellisho Salas(**)
RESUMEN
Con el propsito de determinar los parmetros reproductivos de tres establos lecheros en
Lima, los registros reproductivos de vacas Holstein de los establos Piamonte, Sta. Juana y Milkito
fueron analizados durante cinco aos (1991 a 1995), en vaquillas y vacas. Los siguientes parmetros
fueron determinados para estos tres establos, respectivamente: edad promedio al primer servicio
de 16,2, 18,0 y 15,5 meses; edad promedio al primer parto de 26,1, 28,2 y 25,6 meses; tasa de
preez en vaquillas de 58,3%, 62,7% y 64,0%; nmero de servicios por concepcin en vaquillas de
1,67, 1,77 y 1,58; y, nmero de servicios por concepcin en vacas de 3,03, 3,39 y 4,04. Para las
caractersticas mencionadas arriba se observaron diferencias significativas (a<0,05) entre estos
establos. Las tasas de preez en vacas de los establos Piamonte, Sta. Juana y Milkito fueron de
35,8%, 31,1% y 32,7% respectivamente, y no difirieron estadsticamente (a = 0,05). La tasa de
preez a diferente numero de servicios en vacas y vaquillas no difiri estadsticamente (a = 0,05)
para los efectos: mes, establo, nmero de servicios e interacciones. Para las vacas, se observo
que la interaccin establo x mes influy en las tasas de preez a diferente nmero de servicio. Se
encontraron bajas tasas de preez en vacas en los meses de enero, febrero, marzo, abril y mayo
con valores de 28,6, 26,9, 24,7, 20,8 y 29,2%, respectivamente. Los meses en los que se alcanza-
ron mejores tasas de preez en vacas fueron julio, agosto, septiembre y octubre con valores de
39,2, 41,2, 37,8 y 38,5%, respectivamente. Los intervalos entre partos para vacas fueron de 13,5,
14,5, y 14,0 meses; los intervalos parto a primer servicio fueron de 82,8, 93,4, y 76,0 das y los das
abiertos fueron de 131,8, 160,0, y 144,2 das para los establos Piamonte, Sta. Juana y
Milkito, respectivamente. Tanto el intervalo entre partos y el intervalo parto a primer servi-
cio, mostraron ser influenciados (a<0,05) por la interaccin numero de parto x establo.
SUMMARY
With the purpose of determining the reproductive parameters of three dairy herds in
Lima, the reproductive records of Holstein cows of Piamonte, Sta. Juana and Milkito stables
(*) Profesor Principal del Departamento de Produccin Animal - Facultad de Zootecnia, UNALM
(**) Ingeniero Zootecnista, UNALM
5
were analyzed during five years (1991 to 1995), both in heifers and in cows. The following
parameters were determined for these three stables, respectively: average age at first service of
16,2, 18,0 and 15,5 months; average age at first calving of 26,1, 28,2 and 25,6 months; preg-
nancy rates in heifers of 58,3%, 62,7% and 64,0%; number of services per conception in heifers
of 1,67, 1,77 and 1,58; and, number of services per conception in cows of 3,03, 3,39 and 4,04.
For the characteristics mentioned above, significant differences (a<0,05) were observed among
these stables. The pregnancy rates for cows of Piamonte, Sta. Juana and Milkito stables were
of 35,8%, 31,1% and 32,7% respectively, and they did not differ statistically (a0,05). The
pregnancy rates to different number of services in cows and heifers did not differ statistically
(a0,05) for the effects: month, stable, number of services and interactions. For cows, it is
observed that the stable x month interaction influences the pregnancy rates to different number
of services. Low pregnancy rates in cows are found in January, February, March, April and May
with values of 28,6, 26,9, 24,7, 20,8 and 29,2%, respectively. The months in which better rates
of pregnancy are reached in cows are July, August, September and October with values of 39,2,
41,2, 37,8 and 38,5%, respectively. The calving intervals were of 13,5, 14,5, and 14,0 months;
the calving to first service intervals were 82,8, 93,4, and 76,0 days and days open were of 131,8,
160,0, and 144,2 days for Piamonte, Sta. Juana and Milkito stables, respectively. Both, calving
interval and calving to first service interval, showed to be influenced (a<0,05) by the interaction
stable x number of calving.
I. INTRODUCCION
La reproduccin en los animales es
una manera inherente de preservar la especie,
por lo cual en vacunos necesitamos maximizar
esta ventaja que nos da la naturaleza, con el
fin de lograr ms terneros/ao y ms produc-
cin de leche/ao.
Los problemas reproductivos dan
como resultado lactaciones excesivamente
largas, periodos de seca prolongados, reduc-
cin en la produccin en la leche, reduccin
en el nmero de vaquillas de reemplazo e in-
crementos en los costos de produccin de
leche. Por lo cual es importante examinar los
registros y determinar donde se puede afinar
el programa reproductivo para poder incremen-
tar los mrgenes de utilidad.
El presente trabajo dae investigacin
realizado con registros reproductivos de va-
cas, perodo comprendido entre 1991 a 1995
en tres establos de la Cuenca de Lima, pre-
tende alcanzar los siguientes objetivos:
- Determinar los parmetros reproduc-
tivos de establos lecheros en la Cuen-
ca de Lima.
- Evaluar los periodos crticos en el
aspecto reproductivo para vacas le-
lecheras criadas en forma intensiva.
II. REVISION BIBLIOGRAFICA
En la ganadera lechera, existen as-
pectos de manejo reproductivo con los que se
puede aumentar la eficiencia en la crianza y
mayor rentabilidad. El problema fundamental
es que se necesita prestar mayor atencin a
las caractersticas reproductivas de la vaca.
La expresin de estas caractersticas
reproductivas depende de factores genticos
y medioambientales. Entre ellos los mas im-
portantes son: la raza, la alimentacin, el cli-
ma, la sanidad, el manejo, instalaciones, etc.
Holy (1983), afirma que el inicio de la
pubertad depende de los factores como ali-
mentacin, clima, herencia, etc. Desde el
6
punto de vista zootcnico y econmico, esta
fase tambin depende de la rapidez del desa-
rrollo corporal. As se observa que la edad
promedio a la pubertad es de 8 meses en la
raza Jersey, 11 meses en la Guernsey, 8 - 12
meses en la Holstein y 12 meses en la
Ayrshire. La duracin de la gestacin en bo-
vinos es tambin variable, y est influenciado
por la raza, gestaciones gemelares, sexo del
feto, nmero de partos de la vaca, etc.
La mayor parte de los problemas de la
reproduccin relacionados con la nutricin se
deben a la sobrealimentacin, que suele ser
ms grave, y la subalimentacin, que es ms
frecuente. Esta ltima, causa retraso en la edad
a la pubertad y provoca estros dbiles y silen-
ciosos, prolongando los perodos de anestro
(Bearden y Fuquay, 1987). Segn Holy (1983),
la influencia de la nutricin en la aparicin de
la pubertad y en el primer celo es marcada.
La atencin que se da a la deteccin
de celo en vacas difiere en hatos de alta y
baja produccin. Es esencial que la insemi-
nacin artificial se lleve a cabo en el momen-
to adecuado, para lograr un ndice mximo
en concepcin (Stevenson, 1995 a). As los
mejores ndices de fertilizacin en vacas ocu-
rren cuando se insemina del estro medio al
estro tardo (Bearden y Fuquay, 1987).
Las enfermedades reducen la eficacia en
la reproduccin, causan abortos o afectan de
manera adversa a las cras durante la gesta-
cin. La brucelosis, diarrea viral bovina (DVB) y
rinotraqueitis infecciosa bovina (IBR), vibriosis,
leptospirosis, etc., tienen un efecto que se pue-
de evitar mediante un adecuado programa de
prevencin (Bearden y Fuquay, 1987).
El clima influye reduciendo la eficiencia
reproductiva, principalmente sobre la fertilidad,
siendo las vacas lactantes ms sensibles a la
tensin trmica que las no lactantes. Los por-
centajes de concepcin de vacas lactantes de
la raza Holstein caen drs-ticamente cuando
la temperatura mxima del aire excede los
29,5C, mientras que las vaquillas general-
mente no declinan hasta que las temperatu-
ras excedan los 35C. En Caete, se repor-
tan resultados de porcentaje de preez en
vaquillas de 65,1% y 69,2% durante el verano
e invierno respectivamente y para vacas
lactantes de 27,0% en verano y 45,7% en in-
vierno (Orrillo, 1996)
2.1 PARAMETROS USADOS PARA DE
TERMINAR LA EFICIENCIA
REPRODUCTIVA.
2.1.1 Edad al Primer Servicio
Hafez (1989) afirma que la edad a la
que debe empezarse a servir a las vaquillas
depende de la edad a la que presenta la pu-
bertad. Perkins (1995), propone que una de
las metas debe ser que las vaquillas Holstein
pesen de 350 - 360 kg, midan 1,25 m. de
altura a la cruz a los 13 meses y a esta edad
empiece el manejo reproductivo. Una segun-
da meta es lograr al parto vacas entre 22 y 24
meses de edad, con pesos de 500 kg y una
altura a la cruz de 1,38 m. La Asociacin Israel
de Criadores de Ganado (1986), reporta que la
edad al primer servicio es de 14,6 meses y 15
meses para el tipo de manejo de Kibbutz y
Moshav, respectivamente. Simert et al (1991),
en EE.UU. reporta edad promedio al primer
servicio de 13,6 meses.
Investigaciones en el pas reportan edad
al primer servicio de 19,4 meses (Altamirano,
1977) y 18,7 meses (Salas, 1983), en Lima;
19,1 meses en Arequipa (Parreo, 1991); y 15
meses en Lambayeque (Castro y Bernal, 1996).
2.1.2 Edad al Primer Parto
Perkins (1995), afirma que hay dos ra-
zones importantes para hacer que las vaqui-
llas tengan la cra ms jvenes. Con la pri-
7
mera se logra un mayor progreso gentico, pues
en una explotacin las becerras recin nacidas
tienen en promedio la mayor capacidad gentica
para la produccin de leche, de todos los ani-
males presentes. La segunda razn es que,
conforme disminuye la edad promedio al pri-
mer parto, el nmero de vaquillas que se debe
mantener en la explotacin disminuye
drsticamente.
Ferguson (1995), concluye que en el
caso de las razas lecheras, las vaquillas bien
desarrolladas son capaces de parir sin pro-
blemas a los 22 - 24 meses de edad. Esto
se asocia con una edad a la primera fecunda-
cin de 13 a 15 meses. As las vaquillas Hols-
tein idealmente deberan parir al alcanzar 522
a 544 kilos; las vaquillas Pardo Suizo entre
476 a 522 kilos; las vaquillas Jersey entre 363
a 408 kilos; las vaquillas Ayrshire a 431 a
476 kilos.
Simer et al (1980), encontraron que
cuando la edad al primer parto se incrementa
de 22 a 24 meses la mayora de problemas
reproductivos muestran una ligera reduccin,
pero despus de los 27 meses al primer parto,
la frecuencia de stos llegan a incrementarse.
Las investigaciones nacionales reportan
una edad al primer parto de: 29,4 meses
(Altamirano, 1977) y 28,8 meses (Salas, 1983)
en Lima; 29,0 meses (Parreo, 1991) y 30,3
meses (Pimentel, 1994) en Arequipa; 32,2
meses en Andahuaylas (Tello, 1994); 26,0
meses en Lambayeque (Castro y Bernal, 1996)
y 27,9 meses en Piura (Tejada, 1995).
La Asociacin Israel de Criadores de
Ganado (1986), reporta una edad al primer
parto de 24,2 meses en Israel.
2.1.3 Fertilidad (Tasa de Preez)
Grusenmeyer y Hillers (1989) sealan
que los problemas que causan una reduccin
en la tasa de concepcin pueden presentarse
aislada o asociadamente. Algunos de los pro-
blemas potenciales incluyen: exactitud de de-
teccin de celo, tiempo de inseminacin, cali-
dad de semen, tcnica de inseminacin, fertili-
dad de la vaca, infecciones del tracto reproduc-
tivo y otras enfermedades, estatus nutricional
del hato, tanto en lactacin como en seca, es-
tacin y ambiente.
Cabe resaltar que la tasa de concep-
cin se incrementa si se aplica una adecuada
tcnica de inseminacin. Graves et al (1991)
compararon el efecto del lugar de depsito de
semen sobre la tasa de concepcin y conclu-
yen que al depositar el semen en el cuerpo del
tero se obtiene mayores tasas de preez que
depositando el semen en ambos cuernos.
Estudios realizados para determinar la
tasa de preez en vacas muestran resultados
de 44,9% en Cajamarca (Len, 1974), 42,8%
en Lima (Kindliman, 1977), 40,8 % (Asocia-
cin Israel de Criadores de Ganado, 1986),
46,4% en Arequipa (Parreo, 1991), 49% en
Inglaterra (Esslemont,1992), 49,1% en
Lambayeque (Castro y Bernal 1996), 34% en
EE. UU. (Docmeq et al, 1995). La Asociacin
Israel de Criadores de Ganado (1986) y
Baucells (1995) reportan en Israel y Espaa
tasas de preez al primer servicio de 45,4 y
37%, respectivamente.
La tasa de concepcin en vaquillas es
superior a la de vacas lactantes, as se repor-
tan tasas de preez para vaquillas en Lima
de 73,2% (Altamirano, 1977) y 52,0% (Sa-
las, 1983); en Arequipa 69,3% (Parreo, 1991)
y en Lambayeque 62,5% (Castro Bernal,
1996). Segn el numero de servicio, tasas de
preez a primer servicio en vaquillas de 68,2%
(Parreo, 1991), 60,1% para todos los servi-
cios y 65,4% para el primer servicio (Asocia-
cin Israel de Criadores de Ganado, 1986),
67,4% para todos los servicios en EEUU (Gra-
ves et al, 1991).
8
2.1.4 Servicios por Concepcin
Es una medida de la fertilidad en
vacas que tuvieron xito reproductivo y
que llegaron a prear. As, el clculo de
servicios por concepcin promedio se ob-
tiene dividiendo el nmero total de servi-
cios para todas las vacas entre el nme-
ro de vacas preadas (Varner y Majeskie,
1988).
El nmero de servicios por concepcin
tiene una relacin inversa con la tasa de pre-
ez, as para tasas de preez por encima del
50%, el nmero de servicios por concepcin
es menor a 2,0, por lo cual podemos afirmar
que los factores que influyen en la tasa de
preez, tambin influyen en el nmero de
servicios por concepcin (Grusenmeyer y
Hillers, 1989).
Un mayor nmero de servicios por
concepcin implica mayor costo (dosis de
semen, mano de obra para deteccin de
estros e inseminacin, intervalo entre par-
tos ms largos, alimentacin, etc.) (Steven-
son, 1995 h).
Para vaquillas se reportaron servi-
cios por concepcin de 1,5 (Kindliman,
1977) y 1,93 (Salas, 1983) en Lima; 1,44
(Parreo, 1991) en Arequipa; 1,60 (Cas-
tro y Bernal, 1996) en Lambayeque; 1,66
(Asociacin Israel de Criadores de Ga-
nado, 1986) y 2,11 (Simert et al, 1991)
en EEUU.
Investigaciones realizadas para deter-
minar el nmero de servicios por concepcin
en vacas reportan, 2,54 en Lima (Kindliman,
1977), 2,15 en Arequipa (Parreo, 1991), 2,04
en Lambayeque (Castro y Bernal, 1996), 2,51
en Israel (Asociacin Israel de Criadores de
Ganado, 1986), 2,1 en U. Illinois EE. UU.
(Harwood, 1991), 2,3 U. Wisconsin (Harwoord,
1991) y 3,1 en Espaa (Baucells, 1995).
2.1.5 Intervalo Entre Partos
Ferguson (1995) afirma que un interva-
lo entre partos largo trae como consecuencia
que las vacas transcurran un porcentaje alto
de su vida productiva en forma no lactante y
entorno a la regin de la curva de lactacin
en la que el ingreso es inferior al costo de
alimentacin, por lo cual la cantidad de leche
producida en el hato, el nmero de becerros
nacidos/ao y el progreso gentico del hato
estn en funcin del rendimiento reproductivo.
El intervalo ptimo entre partos se su-
pone de 12 meses, aunque es difcil alcanzar
esta cifra en hatos que tienen promedios de
produccin altos. El DHIA (Dairy Herd
Improvement Association) de la Universidad
Estatal de Kansas afirma, que cuando el in-
tervalo entre partos excede los 13 meses (395
das) hay una prdida de 3 dlares por cada
dia en exceso (Stevenson, 1995 h).
Segn Grusenmeyer y Hillers (1989) un
intervalo entre partos de 12,5 meses es una
meta apropiada. Los intervalos entre partos
largos reducen el porcentaje de un tiempo de
vida de una vaca en el primer perodo de
lactacin (primer tercio). Los intervalos cor-
tos entre partos tienden a incrementar la pro-
porcin de das secos en la vida productiva
de una vaca, ambas situaciones tienden a
reducir la lactacin y los rendimientos tota-
les de leche en la vida del animal.
Investigaciones realizadas para determi-
nar el intervalo entre partos reportan, 13,4
meses en Lima (Kindliman, 1977), 13,7 meses
en Arequipa (Parreo, 1991), 14 meses en
Andahuaylas (Tello, 1994), 13,7 meses en
Arequipa (Pimentel, 1994), 15,7 meses en
Lambayeque (Castro y Bernal, 1996), 14,2
meses en Piura (Tejada, 1995), 14,2 meses en
Lima (S.O.P.L., 1995), 12,9 meses (Asociacion
Israel de Criadores de Ganado, 1986), 14,3 y
12,6 meses en EE.UU., (Harwood, 1991), 13,6
9
meses en EE. UU. (Domecq, 1991), y 13
meses en Espaa (Baucells , 1995).
2.1.6 Intervalo Parto -
Primer Servicio
El intervalo del parto a la primera ovula-
cin es variable, las vacas multparas inician
su ovulacin antes que las primparas, aunque
el porcentaje de ovulacin post-parto sin com-
portamiento claro de estro es elevado. Por lo
general se observa celo por primera vez a los
35 das post-parto sin manifestacin clara, de
este modo es posible que el primer celo no
coincida con la reanudacin de la ciclicidad
(Hafez, 1989). Algunos autores como Britt et
al (1974) y King y Robertson (1976) afirman
que la mayora de las vacas normalmente
muestran su primer celo a los 30 50 das
despus del parto.
Domecq et al (1991) seala que el pro-
medio ideal de das al primer servicio es de
61 a 75 das; cabe resaltar que en esta etapa
se alcanza las mayores tasas de preez tal
como afiirma Bach et al (1975). Esslemont
(1992) reporta un promedio de intervalo de
parto al primer servicio de 72 das.
minar el intervalo del parto al primer servicio
reportan 98,7 das (Parreo, 1991) en Arequipa,
113,3 das en Piura (Tejada ,1995), 81,0 das
(Asociacin Israel de Criadores de Ganado,
1986), 94 y 74 das en EE.UU (Harwood,1991),
70 das en Espaa (Baucells, 1995) y 79,8
das en Canad (Ruegg y Milton, 1995).
2.1.7 Das Vacos
Es la media en das, entre el parto y
fecha de servicio que di origen a la preez con-
firmada. Este parmetro a excepcin de los
problemas o accidentes que causan aborto, es
el indicador ms importante de la eficiencia
reproductiva (Grunsenmeyer y Hillers, 1989).
Una meta razonable para un hato bien
manejado sera de 90 - 110 das abiertos; esto
traducido a 12,2 a 12,8 meses de intervalo
entre partos. (Grusenmeyer y Hillers, 1989).
minar das vacos reportan, 141 das en Lima
(Mora et al, 1984), 146 das en Lambayeque
(Alva y Pomares, 1985), 113,3 das en Lima
(Kindliman, 1977), 135,0 das en Lima
(Parreo, 1991), 146,3 das en Andahuaylas
(Tello, 1994), 202 das en Cusco (Castro, 1996),
138,34 das es Lambayeque (Castro y Bernal,
1996), 150,3 das en Piura (Tejada, 1995), 114
das (Asociacin Israel de Criadores de Gana-
do, 1986), 142 das en EE.UU. (Harwood,
1991), 99 das en Inglaterra (Esslemont,1992),
110 das en Espaa (Baucells, 1995), 96 das
en Canada (Ruegg y Milton, 1995).
2.1.8 Porcentaje de Deteccin
de Celo
El anlisis de la eficiencia en la detec-
cin de celos es bsico para hacer ms visi-
ble uno de los problemas ms grandes en las
explotaciones de ganado lechero donde la
deteccin de celo es a tiempo parcial (Varner
y Majeskie,1988).
Marcinkowski (1995) afirma que hay
varios factores que se relaciona con las va-
cas, el ambiente y el personal que afectan la
deteccin de estros, asi afirma que:
- Las vacas deben comenzar a ciclar
24 das post-parto y mostrar activi-
dad estral a los 38 das, igualmente
sostiene que las temperaturas ma-
yores a 27C y menores a -17C re-
ducen la duracin y los signos de
estros y que las vacas muestran es-
tro por ms tiempo y con mayor acti-
vidad en pisos de tierra. Seala que
la duracin de estro y nmero de
montas efectuadas fue de 13 horas
y 7,0 montas en piso de tierra y 9,4
10
horas y 3,2 montas en piso de con-
creto.
Marcinkowski (1995) afirma que las per-
sonas encargadas de detectar celo deben ser
capaces de captar cambios en el comporta-
miento que sucede durante el estro. Estos
cambios varan de vaca a vaca, por lo que es
importante que el observador conozca los dife-
rentes signos de estros. El nico signo defini-
tivo de estro es que una vaca se deje montar.
Todos los cambios de comportamiento normal-
mente asociadas con estro son signos se-
cundarios y tiene un mayor riesgo de errores
cuando son utilizados para determinar estro.
Beerwinkler (1974) afirma que muchas
vacas estn en estro menos de 12 horas, por
lo cual para contrarrestar esta variacin se
debe mejorar la eficiecia con dos o tres pero-
dos de 30 minutos de observacin intensiva y
que observando tres veces al da (amanecer,
medioda y tarde) se puede lograr una tasa
de deteccion de 86%, dos veces (amanecer
y tarde) 81%, solo al amanecer 50%, solo en
la tarde 42% y solo al medio da 24%.
2.1.9 Tasa de Desecho o Elimina
cin por Problemas Repro-
ductivos
Ferguson (1995) afirma que los anima-
les que no conciben dentro de los perodos
econmicamente aceptables, debieran ser
eliminados; sin embargo, los programas de
saca en el hato deberan estructurarse de
manera que los animales eliminados por fa-
llas reproductiva estn por debajo del 15%
del total de vacas paridas.
Esslemont (1992) reporta una tasa de
eliminacin por fallas en la reproduccin de
10% y un total de tasa de eliminacin de 23%.
Millan (1991), encontr que la tasas de dese-
cho fue de 20,8%, en base a esto las causas
ms frecuentes fueron: problemas reproductivos
(32%), vejez (18%), baja produccin (12%),
problemas de ubre(7%), problemas en patas
(4%), otros (25%). Tambin observ que casi
el 17% de los desechos se lleva a cabo durante
los primeros 60 das post-parto, mientras que
el siguiente porcentaje ms alto se observa de
181 a los 240 das de lactancia. Asimismo
determin que las vacas con parto prematuro
tienen un 50% de probabilidad de ser desecha-
das que vacas de parto normal y las vacas de
parto doble tiene mayor riesgo de desecho que
vacas de parto sencillo, lo que tal vez se deba a
los problemas reproduc-tivos, consecuentes
debido al dao o infeccin de las mucosas
uterinas. Otra observacin fue que las fre-
cuencias ms altas de desecho se observa-
ron entre la segunda y cuarta lactancia
III. MATERIALES Y METODOS
3.1 Lugar de ejecucin
La recopilacin de los datos se realiz
en los establos Agraria El Escorial (Caete),
Piamonte (Puente Piedra) y Santa Juana
(Huacho). Se consideraron estos tres establos
por ser los ms numerosos en poblacin y por
presentar sistemas de manejo y alimenta-
cin intensivos y uniformes durante el ao.
3.2 De los animales
Los animales evaluados fueron de la
raza Holstein (puro por cruce y pedigree) y
se consideraron todas las vacas y vaquillas
en el perodo comprendido de 1991 a 1995
3.3 De los registros
Los registros tomados para la base de
datos del Programa Foxpro V-2,25, para lue-
go procesarlos mediante frmulas de clculo
elaboradas en el mismo paquete fueron: n-
mero de arete, fecha de nacimiento, fecha de
edad al primer servicio, fecha de primer par-
to, fecha de 2do, 3ro, 4to y ms partos, fecha
de primer servicio despus del 1er, 2do, 3ro,
4to y ms partos y nmero de vacas servidas
y preadas por mes.
11
Al determinar el porcentaje de preez
la cantidad de datos procesados fueron 7604,
6 983 y 11 323 inseminaciones de los esta-
blos Santa Juana, Piamonte y Milkito respec-
tivamente. La evaluacin del Intervalo entre
partos, Intervalo parto-primer servicio y das
vacos se efectu en 1 743, 1 544 y 1 805
partos de vacas de los establos Sta. Juana,
Piamonte y Milkito respectivamente.
3.4 Parmetros evaluados
a. En vaquillas
Tasa de preez general y al 1er,
2do, 3er o ms servicios, nme-
ro de servicios por preez, edad
promedio al primer servicio y
edad promedio al primer parto.
b. En vacas
Tasa de preez general y al 1er,
2do, 3er o ms servicios, nme-
ro de servicios por preez, in-
tervalo entre partos, intervalo
parto-primer servicio, das va-
cos y porcentaje de saca.
3.5 Mtodos de evaluacin
Las frmulas empleadas para el cl-
culo de los parmetros mencionados son las
utilizadas por Grusenmeyer (1989), Parreo
(1991) y Baucells (1995):
Tasa de preez = N de preeces logradas x 100
N de servicios efectuados
Tasa de preez = N de preadas al 1er serv. x 100
a 1er servicio N de servidas a 1er serv.
Similar para el segundo y tercer servicio
N de servicios = N de servicios efectuados
por preez N de preeces logradas
Edad a primer = Fecha de edad - Fecha de
Servicio primer servicio Nacimiento
Edad a primer = Fecha de edad - Fecha de
Parto primer parto Nacimiento
Intervalo de = Fecha del - Fecha de Donde i 1
Partos parto (i) parto (i-1)
Das a primer = Fecha del 1er - Fecha de
Servicio Servicio post-parto parto
Das vacos = Intervalo entre - Perodo de (280d)
parto gestacin
Porcentaje de = N de animales vendidos por ao X 100
saca Poblacin de vacas en el ao
12
3.6 Diseo Estadstico
- Para los parmetros edad al primer
servicio y edad al primer parto en las
vaquillas se utiliz el Diseo de Bloque
Completo al Azar (DBCA) con la finalidad
de medir el efecto del establo. El modelo
aditivo lineal es:
Y
ijk
= +
i
+
j
+
ijk
donde: i = 1, 2, 3 (establos)
1: Sta Juana
2: Piamonte
3: Milkito
j = 1, 2, 3, 4, 5 (bloques)
Y
ijk
= Edad al primer servicio primer parto.
= Media General.
y =
Efecto del i-simo establo.
j =
Efecto del j-simo bloque.
ijk =
Error experimental.
Para determinar si existen diferen-
cias entre establos se realiz la prueba
de medias L.S.D. (mnima diferencia sig-
nificativa).
- Para los parmetros porcentaje de
preez (vacas y vaquillas) y nmero de ser-
vicios por preez (vacas y vaquillas) se uti-
liz el diseo estadstico de parcelas divi-
didas en el cual se compar el efecto de
los meses, establos y las correspondien-
tes interac-ciones sobre las caracterstica
en anlisis. El modelo aditivo lineal de este
diseo es:
Y
ijk
= + M
i
+ H
j
+
k
+(MH)
ij
+(H)
jk
+
(M)
ik
+
ijk
donde: i = 1, 2, 3, ... , 12 (meses)
j = 1, 2, 3 (establos)
k = 1, 2, 3, 4, 5 (bloques)
Y
ijk
= Porcentaje de preez o nmero
de servicios por preez.
= Media general.
M
i
= Efecto del i-simo mes.
H
j
= Efecto del j-simo establo.
k
= Efecto del k-simo bloque.
(MH)
y j
= (Error tipo a) interaccin del
i-simo mes con el j-simo
establo.
(H)
jk
= Interaccin del j-simo es
tablo con el k-simo bloque.
(M)
ik
= Interaccin de i-simo mes
con el k-simo bloque.

ijk
= (Error tipo b) Error experi-
mental
Para determinar si existen diferen-
cias entre establos se realiz la prueba de
medias L.S.D. (mnima diferencia signifi-
cativa).
preez (vacas y vaquillas) y nmero de ser-
vicios por preez (vacas y vaquillas) se utili-
z el diseo estadstico de parcelas dividi-
das en el cual se compar el efecto de los
meses, establos y las correspondientes
interacciones sobre las caracterstica en
anlisis. El modelo aditivo lineal de este di-
seo es:
Y
ijk
= + M
i
+ H
j
+
k
+(MH)
ij
+(H)
jk
+ (M)
ik
+
ijk
donde: i = 1, 2, 3, ... , 12 (meses)
j = 1, 2, 3 (establos)
k = 1, 2, 3, 4, 5 (bloques)
Y
ijk
= Media general.
M
i
H
j
= Efecto del j-simo establo.
k
= Efecto del k-simo bloque.
13
(MH)
y j
= (Error tipo a) interaccin del
i-simo mes con el j-simo establo.
(H)
jk
= Interaccin del j-simo establo
(M)
ik
= Interaccin de i-simo mes

ijk
= (Error tipo b) Error experimental.
Para determinar si existen diferencias
entre medias de meses y establos se realiz la
prueba de L.S.D. (mnima diferencia significativa).
preez a diferente nmero de servicios por
preez (1, 2 y 3 ms) vacas y vaquillas
se utiliz el diseo estadstico de parcelas
divididas en el cual se compar el efecto de
los meses, establos, nmero de servicios y
las correspondientes interacciones sobre la
caracterstica en anlisis. El modelo aditivo
lineal de este diseo es:
Y
ijkl
= m + M
i
+ N
j
+ H
k
+
l
+ (MH)
ik
+ (MN)
ij
+
(NH)
jk
+ (H)
kl
+ (M)
il
+ (N)
jl
+ (MNH)
ijk
+ e
ijkl
donde: i = 1, 2, 3, ... , 12 (meses)
j = 1, 2, 3 (nmero de servicios)
k = 1, 2 y 3 (establos)
l = 1, 2, 3, 4 y 5 (bloques)
Y
ijk
= Media general.
M
i
N
j
= Efecto del j-simo nmero de
servicio
H
k
= Efecto del k-simo establo
l
= Efecto del l-simo bloque
(MH)
ik
= Interaccin del i-simo mes con
el k-simo establo.
(MN)
ij
el j-simo nmero de servicio
(NH)
jk
= Interaccin del j-simo nmero de
servicio con el k-simo establo
(H)
kl
= Interaccin del k-simo establo
el l-simo bloque.
(M)
il
el l-simo bloque
(N)
jl
= Interaccin del j-simo nmero de
servicio con el l-simo bloque
(MNH)
ijk
el j-simo nmero de servicios
y el k-simo establo.
ijkl
= Error experimental.
Para determinar si existen diferencias
significativas entre media de nmero de ser-
vicios, para meses y establos, se realiz la
prueba LSD (mnima diferencia significativa).
- Para los parmetros Intervalo entre
partos e Intervalo parto-primer servicio se
emple el Diseo estadstico de Medidas
Repetidas en el cual se comparan los efec-
tos del establo y nmero de parto, sobre las
caractersticas repetidas en el tiempo. Los
datos usados fueron obtenidos de vacas cuyo
primer parto coincidi con el ao 1991 y la
informacin recopilada fue hasta el cuarto par-
to. El modelo aditivo lineal es el siguiente:
Y
ijk
= + E
i
+ P
j
+ A
k
(E
i
) + E
i
xP
j
+
ijk
Donde: i = 1, 2 y 3 (establo)
j = 1, 2, 3 y 4 (N de partos)
k = 1, 2 ,3 ... (vacas)
Y
ijk
= Intervalo entre partos o intervalo
parto-primer servicio
= Media general
E
i
= Efecto del i-simo establo
P
j
= Efecto del j-simo parto
A
k
(E
i
) = (Error tipo a ) efecto del k-simo ani-
mal dentro del i-simo establo
E
i
xP
j
= Efecto de interaccin del i-simo
establo y el j-simo parto
ijk
= Error experimental
La prueba de medias que se procedi
a realizar para los establos y el nmero de
parto es Lsmeans (mnimos cuadrados).
Todos los procedimientos estadsticos
planteados en el presente trabajo fueron rea-
lizados utilizando SAS V-6,02 (Statistical
Analysis System).
14
Establo N de datos Promedio
(das)
Promedio (meses)
Edad al 1er
Sta Juana
Piamonte
Milkito
Servicio
678
772
1126
485,75 b
541,82 a
466,75 b
16,2
18,0
15,5
Edad a 1er
Sta Juana
Piamonte
Milkito
Parto
678
772
1126
783,30 b
848,50 a
769,50 b
26,1
28,2
25,6
Nota : Letras iguales indican que no existen diferencias significativas
IV. RESULTADOS Y DISCUSION
4.1 Evaluacin reproductiva en
las vaquillas
4.1.1 Edad al primer servicio
La evaluacin realizada con registros
de vaquillas en el perodo de 1991 a 1995,
se muestra en el Cuadro 01, donde se pue-
de apreciar que la edad al primer servicio
para el perodo fue de 16,2, 18,0 y 15,5 me-
ses, para los establos Sta Juana, Piamonte
y Milkito respectivamente. Es asi que los
promedios para el establo Piamonte difieren
estadsticamente (P<0,05) de los hatos Sta.
Juana y Milkito.
Tambin se observa que a medida que
pasan los aos, hay una tendencia a servir
vaquillas a menor edad (ver Grfico 01), en
este aspecto destaca el establo Milkito, don-
de la edad promedio al primer servicio en el
ao 1995 fue de 14,6 meses. Esta caracte-
rstica se debe a un mejor manejo durante
la lactacin y la recra, principalmente en el
aspecto nutricional y al deseo de conseguir
una mxima produccin de leche por vida/
vaca. Las edades al primer servicio determi-
nadas en el estudio son menores a las re-
portadas por Kindliman (1977) y Parreo
(1991), quienes obtuvieron edades de 18,7
y 19,3 meses, para establos de Lima y
Arequipa respectivamente.
4.1.2 Edad al primer parto
Los resultados de este parmetro se
observan en el Cuadro 01, en el cual se
muestra que el promedio para el establo
Piamonte difiere estadsticamente (p< 0,05)
de los establos Sta. Juana y Milkito. Al igual
que para la edad al primer servicio, existe
una tendencia a tener en los tres establos,
primeros partos animales cada vez ms j-
venes.
La tendencia de tener vacas al pri-
mer parto a 24 meses de edad, para lograr
una mxima produccin por vida es el ob-
jetivo de estos establos, tal como lo reco-
mienda Ferguson (1995), Gill y Allaire(1976)
y Tigers et al (1986). Las edades promedio
encontradas en el establo Sta Juana,
Piamonte y Milkito son menores a los re-
portados por Salas (1983) y Parreo (1991)
con valores de 29,04,8 y 28,62,3 meses,
respectivamente y algo similares a las ob-
tenidas en Israel donde se reporta edad al
primer parto de 24,2 meses (Asociacin
Israel de Criadores de Ganado, 1986).
Cuadro 01: Promedio de edades al primer servicio y parto en vaquillas Holstein de esta-
blos Sta. Juana, Piamonte y Milkito (perodo 1991 a 1995)
15
Grfi co 01 : Edad a pri mer parto en vaqui llas Holstei n, en el peri odo
1991 a 1995.
650,0
700,0
750,0
800,0
850,0
900,0
1 2 3 4 5
Aos
D
a
s
St a. Juana
Piamont e
Milk it o
4.1.3 Porcentaje de preez
El porcentaje de preez para vaquillas
Holstein fue de 64,0, 62,7 y 58,3% para los
establos Milkito, Sta Juana y Piamonte, anali-
zados en 2 086, 1 306 y 1 821 inseminaciones
respectivamente. Al anlisis de variancia exis-
te diferencias altamente significativas (p<0,01)
para establos y meses. A la prueba de medias
L.S.D. los establos Milkito y Sta Juana fueron
estadsticamente superiores a Piamonte. No
hubo efectos estadsticos significativos (p>0,05)
de la interaccin entre meses y establos para
esta caracterstica porcentaje de preez.
A la prueba de medias para meses, se
observo que tasas de preez de los meses
de junio y agosto son superiores a los meses
de marzo y mayo, no habiendo diferencias
estadsticas con los dems meses (ver Grfi-
co 02). Esto probablemente se deba a que la
temperatura en los meses de verano y algu-
nos de otoo (abril y mayo) son altas y afec-
tan la manifestacin clara de los celos, los
animales consumen menos alimentos por
efecto del calor, y probablemente los signos
de celo se presentan en horas de la noche
donde es ms difcil la deteccin.
Los valores hallados son menores a los
mostrados en Lima por Altamirano (1977) con
73,25%, en Arequipa por Parreo (1991) con
69,32%; similares a los reportados por la Asocia-
cin Israel de Criadores de Ganado (1986) con
60,4% de fertilidad y superiores a los mostra-
dos en Lima por Salas (1983) 52,04% de preez.
G r f i c o 0 2 : P o r c e n t a je d e p r e e z e n v a q u i l la s H o l s t e i n d e a c u e r d o a
lo s m e s e s d e l a o
5 0
5 5
6 0
6 5
7 0
7 5
8 0
8 5
9 0
E
n
e
ro
F
e
b
re
ro
M
a
rz
o
A
b
r
il
M
a
y
o
J
u
n
io
J
u
lio
A
g
o
s
to
S
e
tie
m
b
re
O
c
tu
b
re
N
o
v
ie
m
b
re
D
ic
ie
m
b
r
e
M e s e s
%

d
e

p
r
e
e
z
b c b c b c b c b c
a b c a b c
a b
c c
c
a
16
4.1.4 Porcentaje de preez a dife-
rente nmero de servicios
Al anlisis de variancia no se observaron
diferencias estadsticas significativas (p>0,05)
entre establos, meses, nmero de servicios y
sus respectivas interacciones.
Los porcentajes de preez al primer
servicio encontrados en los establos Sta
Juana, Piamonte y Milkito fueron de 67,8,
58,91 y 67,13% respectivamente, los mis-
mos que son ligeramente inferiores a los
reportados por Parreo (1991) en Arequipa
con un porcentaje de 68,25% y similares
a los mostrados por la Asociacin Israel
de Cri adores de Ganado (1986) con
65,4%.
4.1.5 Nmero de servicios por preez.
El nmero de servicios por preez
para el perodo en estudio fue de 1,67, 1,77
y 1,59 para l os establ os Sta Juana,
Piamonte y Milkito. Al anlisis de variancia
se observaron diferencias altamente signifi-
cativas (p<0,01) entre meses y establos;
pero no hubo diferencias significativas
(p>0,05) para la interaccin meses y esta-
blos.
El establ o Mi l ki to es superi or
estadsti-camente a los establos Piamonte
y Sta Juana, debido a que ellos requieren
menos nmero de servicios prear una
vaquilla. Estos resultados fueron ligeramen-
te ms al tos que l os mostrados por
Parreo (1991) y Altamirano (1977) quie-
nes reportan valores de 1,44 y 1,50 servi-
cios por preez en Arequipa y Lima res-
pectivamente y menores a los mostrados
por Salas (1983), quien reporta 1,93 servi-
cios por preez en un estudio realizado en
la UNALM-Lima.
4.2 Evaluacin reproductiva de las vacas.
4.2.1 Porcentaje de preez.
Los resultados del porcentaje de preez
en vacas fueron de 35,8%, 32,7% y 31,1%, para
los establos Piamonte, Milkito y Sta Juana y
analizados en 5 162, 9 237 y 6 334 inse-
minaciones, respectivamente. Al anlisis de
variancia se observaron diferencias estadsti-
cas altamente significativas (p<0,01) para
meses y no significativas entre establos e
interaccin establo por mes.
Al comparar los porcentajes de pre-
ez por meses, segn la prueba de medias
LSD (mnima diferencia significativa), se ob-
servaron que los meses de junio a diciembre
son superiores a los meses de enero a
mayo. En el mes de marzo se obtuvo el por-
centaje de preez ms bajo de todo el ao
(ver Grfico 03).
El bajo ndice de porcentaje de pre-
ez tendra como razones, la inadecuada
deteccin de celos y variabilidad en el tipo
de insumos usados en la alimentacin y
muy especial en el establo Sta Juana. Los
resultados de porcentaje de preez en va-
cas fueron similares a las reportadas por
Baucells (1995) 32,6% de preez medi-
do en 35 hatos de Espaa Y Docmeq et
al (1991) con 34% de preez, e inferiores
a los mostrados por la Asociacin Israel
de Cri adores de Ganado (1986) con
40,8%, en Inglaterra Esslemont (1992)
con 49%, y en el pas Parreo (1991) y
Kindliman (1977) con 46,5 y 42,8%, res-
pectivamente.
17
Grfico 03: Porcentaje de preez en vacas Holstein, de acuerdo a
meses del ao
15
20
25
30
35
40
45
50
Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Meses
%

d
e

P
r
e
e
z
bc
a
a a
a a
a a
bc
b
c
b
4.2.2 Porcentaje de preez a dife-
rente nmero de servicios
Al anlisis de variancia se observaron
diferencias estadsticas altamente significa-
tivas (p<0,01) entre aos, meses e interaccin
establo por mes; no existe diferencias esta-
dsticas para diferente nmero de servicios e
interaccin de establo X mes X nmero de
servicios.
El efecto de meses a la prueba de me-
dias, muestra que los porcentajes de preez
de los meses de junio a diciembre es supe-
rior estadsticamente a los meses de enero a
mayo; el mes de marzo muestra marcado
descenso en esta caracterstica. Este com-
portamiento de la caracterstica a travs de
los meses es similar a lo que se observa en
los porcentajes de preez mensual.
La tasa de preez al primer servicio
halladas en el presente trabajo es similar a
las reportadas por Baucells (1995) con 37%
de preez e inferiores a las mostradas por
la Asociacin Israel de Criadores de Gana-
do (1986) cuyo valor fue de 45,4 de preez
al primer servicio.
4.2.3 Nmero de servicios por preez.
El nmero de servicios por preez fue
de 3,0, 3,4 y 4,0 para los establos Piamonte,
Sta Juana y Milkito Al anlisis de variancia
se observaron diferencias altamente signifi-
cativas (p<0,01) entre meses y no significa-
tivas entre establos e interaccin meses X
establo. Al comparar medias por meses se
observaron que existen diferencias estads-
ticas en nmero de servicios por preez en-
tre los meses de junio a diciembre, siendo
estos meses los que mostraron menor n-
mero de servicios por preez con respecto
a los meses de febrero, marzo y abril, don-
de se observ altos valores.
El elevado nmero de servicios por
preez en vacas se debe probablemente a
que la deteccin de celos no es la adecuada
y esto conlleva a que se insemine a un mo-
mento inadecuado, o tambin existan proble-
mas de quistes foliculares y luteales, por lo
cual no se liberen adecuadamente los vulos;
y tambin probablemente existan fallas en la
implantacin embrionaria por diferentes efec-
tos ambientales, como la temperatura de los
meses de verano.
18
Los valores de nmero de servicios
por preez para el perodo de estudio para
los establos Sta Juana, Piamonte y Milkito,
son mayores a l os encont rados por
Kindliman (1977) y Parreo (1991) quienes
reportan 2,54 y 2,45 servicios por preez
en vacas, respectivamente.
4.2.4 Intervalo entre partos
diferencias estadsticas altamente significati-
vas (p<0,01) para la interaccin establo X n-
mero parto, esto indica que probablemente el
manejo reproductivo, tasa de preez, detec-
cin de celo y alimentacin, estn
influenciando sobre la prolongacin de cam-
paas de lactacin en vacas(ver Grfico 4). El
intervalo entre partos encontrados en el pre-
sente estudio para el perodo 1991 a 1995 es
de 14,5, 13,5 y 14,0 meses para los esta-
blos Sta. Juana, Piamonte y Milkito respecti-
vamente. Los establos de Piamonte y Milkito
tienen la tendencia a tener vacas cuya vida
productiva llega solo hasta el 6to parto, lo
cual indica que hay una alta intensidad de
seleccin.
Las variaciones del intervalo entre par-
tos para los diferentes nmeros de partos no
son marcadas; esto debido a que las vacas
que son difciles de prear, son eliminadas
del hato, considerando que es una de las ra-
zones de saca por fallas reproductivas, por lo
que al no tener el parto no se incluyeron en el
clculo.
Los resultados del presente estudio
fueron similares a los mostrados por
Kindliman (1977) 13,45 meses, Parreo
(1991) 13,6 das, Pimentel (1994) 13,7 me-
ses, Tello (1994) 14,0 meses y Productividad
lechera (1995) 14,2 meses. El intervalo entre
partos que logra la Asociacin Israel de Cria-
dores de Ganado (1986) fue de 12,8 meses,
este es un valor donde se logra los objetivos
de una mxima produccin y tambin la mxi-
ma utilidad por vaca.
Grfico 04: Intervalo entre partos de acuerdo al establo y al nmero de
parto
400
410
420
430
440
450
460
470
480
490
N 1 - 2 N 2 - 3 N 3 - 4 N 4 - 5
Nmero de partos
D
a
s
Sta. Juana
Piamonte
Milkito
a
cd
abcde
def
19
4.2.5 Intervalo parto-primer servicio
diferencias altamente significativas (p<0,01)
para la interaccin establo X nmero de parto
(ver Grfico 5).
De acuerdo a los resultados se puede
ver que el manejo reproductivo, alimentacin
y otros factores ambientales como la tempe-
ratura, que probablemente afecten al retorno
de celo post-parto de las vacas. La condicin
corporal de vacas es fundamental para que
estas retornen a la ciclicidad ovrica en el
lapso ms corto (45 das); en este aspecto
juega un papel muy importante la alimenta-
cin. El retorno a la actividad ovrica tambin
depende del estado sanitario post-parto, as
como de la produccin lechera de vaca.
Los valores de intervalo parto primer
servicio del presente trabajo fueron 93,4, 92,8
y 76,0 das para los establos Sta Juana,
Piamonte y Milkito respectivamente, simila-
res a los mostrados por Parreo (1991) 98,7
das y Tejada y Palacios (1996) 113,3 das; e
inferiores a los reportados por la Asociacin
Israel de Criadores de Ganado (1986) con 80
das y Baucells (1995) en espaa con 70 das
de intervalo parto a primer servicio
Grfico 05: Intervalo parto-primer servicio de acuerdo al
establo y al nmero de parto
70
80
90
100
110
120
130
N 1 - 2 N 2 - 3 N 3 - 4 N 4 - 5
Nmero de partos
D
a
s
Sta. Juana
Piamonte
Milkito
4.2.6 Das vacos
Los promedios obtenidos son de
160,0, 131,8 y 144,2 das para los establos
Sta Juana, Piamonte y Milkito respectivamen-
te; estos valores estn por encima de los
obtenidos por Kindliman (1977) quien mues-
tra un valor de 113,3 das vacos y similares
a los encontrados por Mora et al., (1984)
14182 das y Tejada y Palacios (1996)
150,27 das.
Los das vacos de la presente evalua-
cin son mayores a los encontrados en Is-
rael (Asociacin Israel de Criadores de Ga-
nado, 1986) y Espaa (Baucells, 1995), es
decir en el pas somos menos eficientes en
este parmetro, as se tiene que para estos
dos pases los das vacos son de 114 das y
110 das respectivamente.
4.2.8 Porcentaje de saca
Analizando estos datos vemos que el
establo Piamonte (34,7 %) tiene una saca ms
intensiva, por lo cual la poblacin anual se
mantiene. Los establos Sta Juana (22,7 %) y
Milkito (24,2 %) tienen una saca menor, esto
es una de las razones por la cual las poblacio-
nes tienen una dinmica creciente.
20
Las tasas de saca encontradas en el
estudio son mayores en algunos aos y me-
nores en otros a los encontrados por Millan
(1991) quien reporta 20,8%. Pero los esta-
blos Sta. Juana y Milkito estn en el rango
que recomienda Clark y Bratton (1979) que
es de 25 a 29%, para as conseguir las mxi-
mas ganancias en la crianza de ganado le-
chero.
En el Cuadro 02 se muestra el resu-
men de ndices reproductivos evaluados para
tres establos en estudio en el periodo (1991
a 1995). En el establo Sta. Juana se obser-
van ndices reproductivos que se alejan de los
rangos tcnicamente recomendados, por lo
que es necesario realizar ajustes en la de-
teccin de celos, alimentacin, sanidad y
manejo en general del hato lechero.
Establo
Indices o parmetros Sta. Juana Piamonte Milkito
- Edad al primer servicio, das 16,2 b 18,0 a 15,5 b
- Edad al primer parto, das 26,1 b 28,2 a 25,6 b
- Porcentaje de preez en vaquillas 62,7 a 58,3 b 64,0 a
- Porcentaje de preez a primer servicio en
vaquillas
67,1 58,9 67,1
- Nmero de servicios por preez en
vaquillas
1,67 ab 1,77 a 1,59 b
- Porcentaje de preez en vacas 31,1 a 35,8 a 32,6 a
- Porcentaje de preez a primer servicio en
vacas
33,1 36,2 34,8
- Nmero de servicios por preez en vacas 3,4 b 3,0 b 4,0 a
- Intervalo entre partos, meses 14,5 13,5 14,0
- Intervalo parto-primer servicio, das 93,0 82,8 76,0
- Das vacos 160,0 131,8 144,2
- Porcentaje de saca 22,7 34,7 24,2
IV. CONCLUSIONES
1. La edad al primer servicio para los
establos Milkito, Piamonte y Sta Jua-
na fue de 15,5, 16,2 y 18,0 meses y
edad para el primer parto fue de 25,6,
26,1 y 28,2 meses, respectivamente,
en estos ndices se observa que el
establo Piamonte difiere (<0,05) de
Sta Juana y Milkito.
2. El porcentaje de preez promedio men-
sual en vaqui l l as en el establ o
Piamonte (58,3%) difiere estadstica-
mente (<0,05) de Sta Juana (62,7%)
y Milkito (64,0%) y para vacas no difie-
re para los establos Piamonte (35,8 %
), Sta Juana (31,1%) y Milkito (32,7%).
3. El nmero de servicios por preez en
vaquillas para los establos Sta.Juana,
21
Piamonte y Milkito fue 1,67, 1,77 y 1,58
y para vacas fue de 3,39, 3,03 y 4,04,
respectivamente, estadsticamente se
observa diferencias del establo Milkito
con Sta. Juana y Piamonte.
4. Los meses crticos en el cual los por-
centajes de preez en vacas son ba-
jos es enero, febrero, marzo, abril y
mayo con valores de 28,6, 26,9, 24,7,
20,8 y 29,2% respectivamente. Los
meses en el cual se alcanza mejores
tasas de preez en vacas julio, agos-
to, setiembre y octubre cuyas tasas
son 39,26, 41,29, 37,82 y 38,56% res-
pectivamente.
5. En las tasas de preez a diferente n-
mero de servicios en vaquillas no exis-
te diferencia estadsticamente signifi-
cativa (=0,05) para los efectos de
meses, establos, diferente nmero de
servicios y sus respectivas interac-
ciones. Para el caso de vacas se ob-
serva que existe diferencias estadsti-
cas altamente significativas para me-
ses e interaccin establo X mes.
6 El promedio del intervalo entre partos
para los establos Sta Juana, Piamonte
y Milkito fueron de 14,5 meses, 13,5
meses y 14,0 meses, respectivamen-
te. El intervalo entre partos y el inter-
valo parto-primer servicio al ser anali-
zados estadsticamente (a=0,05) en
el tiempo est influenciado por la in-
interaccin el establo y por el nme
ro de parto.
7. El intervalo parto-primer servicio en los
establos Sta Juana, Piamonte y Milkito
fueron de: 93,4, 82,8 y 76,0 das.
8. Los das vacos en los establos Sta
Juana, Piamonte y Milkito fueron de
160,0, 131,8 y 144,2 das.
9. Los porcentajes de saca observados
fueron ms altos para Piamonte, por
lo cual no existi ningn crecimiento
en poblacin.
V. RECOMENDACIONES
1. Para determinar los parmetros repro-
ductivos necesitamos registros exactos
y completos, para as tener una real de-
terminacin de estos ndices, como por
ejemplo causas de saca en vacas.
2. Para realizar una mejor comparacin
de los intervalos entre partos se nece-
sita considerar las vacas eliminadas
por causas reproductivas.
3. Hay algunos parmetros que deben ser
calculados en posteriores estudios, los
cuales nos permitirn un mejor mane-
jo reproductivo; estos parmetros son
tasa de abortos, eficiencia de detec-
cin de celos, el intervalo entre servi-
cios anotados en los registros, proble-
mas al parto y el porcentaje de reten-
cin de placenta.
4. Si se quiere indicar que establo es ms
eficiente reproductivamente con un slo
parmetro, es muy difcil, por lo cual
para esta calificacin se necesita co-
nocer la mayora de los ndices repro-
ductivos.
5. Se recomienda en funcin al bajo por-
centaje de preez encontrado en el
estudio mejorar la deteccin de celo,
incrementando la intensidad por obser-
vacin (30minutos) y nmero de revi-
siones de celo al da.
6. Medir el peso y tasa de las vaquillas
que entran a primer servicio, como una
medi da adi ci onal de manej o
reproductivo.
22
7. Calificar la condicin corporal de las
vacas con el fin de aplicar sistemas de
alimentacin eficientes, en especial
despus del parto.
8. Apuntar toda la informacin de aspec-
tos reproductivos y sanitarios posibles
del cuaderno de manejo diario a las
tarjetas individuales de vacas.
9. Es recomendable que en los meses
de verano, en el cual hay exceso de
calor, se insemine a las vacas que real-
mente presenten un celo manifiesto,
es decir un buen celo.
VI. BIBLIOGRAFIA
1. ALTAMIRANO A. C. (1977) Eficiencia
reproductiva de las vaquillas del
establo de la Universidad Nacio-
nal Agraria la Molina, durante el
perodo 1966-1975. Tesis
UNALM-Lima. 104 pp.
2. ASOCIACION ISRAELI DE CRIADORES
DE GANADO (1986). Milk and
butterfat recording annual.
Report on productivity and
reproducti on. Israel Catl e
Breeders Association. Israel
Holstein Herd Book. 18 pp.
3. BACH S., STMMLEER K. H., GUNTER
R. y RUBERT W. (1975).
Intensi fi cati on of catl e
producction by means of limiting
the service interval. Animal
Breeding Abstracts 43:1632.
4. BAUCELLS R. J. (1995). Anlisis de ndi-
ces reproductivos en produccin
lechera. Revista Frisona Espa-
ola Jul/Ago,1995. Pag. 76-79.
5. BEERWINKLER L. G. (1974). Procedings
of the National Association of
Ani mal Breeders, Ei ghth
Conference on Arti fi ci al
Insemination of Beefcatle.
6. BEARDEN H.J. Y FUQUAY J. M. (1987).
Reproduccin animal aplicada.
Editorial el Manual Moderno
S.A. C.V. Mxico D.F. 358 pp.
7. BRIITT J. H., KITTOK R. J. y HARRISON
H. S. (1974). Ovulation, estrus
and endocrine response after
GnRH in early postpartum. J.
Animal Sci. 39:915.
8. CASTRO H. R. Y BERNAL R. S. (1996).
Evaluacin reproductiva de un
hato de vacas holstein importa-
das en Lambayeque. Reunin
Cientfica de Asociacin Perua-
na de Produccin Animal 4 al 9
de Nov. 1996. Cusco-per.
9. DOMECQ J. J., NEBEL R. L. ,
MACGILLIARD y PASQUINO A.
T. (1991) . Expert system for
evaluation of reproductive and
management. J. Dairy Sci.
74 :3446.
10. ESSLEMONT R. J. (1992) Veterinaria
Record. 131:209.
11. FERGUSON J. (1995). Estructuracin
de programas de reproduccin
y sal ud del hato. Hoards
Dairyman en Espaol, abril de
1995. Pag. 328.
12. GRAVES W. M., DOWLEN H. H., KLESS
G. A. y RILEY T. L. (1991).
Evaluation of uterine body and
bilateral uterine horn insemina-
tion techniques. J. Dairy Sci.
74:3454.
23
13. GRUSENMER D. C. (1983). Evaluating
dairy herd reproductive status
using DHI records. Washington
State University, Western Re-
gional Extension Publication.
WREP 0067.
14. GRUSENMEYER D. C. y HILLERS J. K.
(1989). Evaluating the dairy
herds reproductive status.
DHIA. USA 15 pp.
15. HAFEZ E. S. E. (1989). Reproduccin e
inseminacin artificial en anima-
les. Editorial Interamericana.
Mc Graw - Hill. Mexico. 696
pp.
16. HARWOOD E. D., JENSON E. L.,
WIECKERT D. A. y CLAYTON
M. K. (1991). Mi l k yi el d
vari ati on concurret wi th
concepti on. J. Dai ry Sci .
74 :2172-2179.
17. KINDLIMAN A. R. (1977). Diagnstico
de la eficiencia reproductiva del
ganado vacuno lechero de la
Universidad Nacional Agraria la
Molina, durante el perodo 1966-
1975. Tesis UNALM-Lima. 97
pp.
18. KING G. J., HURNIK J. F. y ROBERSON
H. A. (1976). Ovarian funtion and
estrous in dairy cows during
early lactation. J. Animal Sci.
42:688.
19. HOLY L. (1983). Bases fisiolgicas de la
reproduccin bovina. Editorial
Diana S.A.. Mxico. 463 pp
21. MARCINKOWSKI D. (1995). Al detec-
tar estros, considerar todos los
factores . Hoards Dairyman en
Espaol, Febrero de 1995. Pag
. 144.
22. MARTINEZ A. (1995). La monta en el
calor es una manifestacin de
vacas sanas ..... y acompaa-
das. Hoards Dairyman en Es-
paol, Febrero de 1995. Pag .
158.
23. MILLAN S. F. (1991). Principales razo-
nes de desecho en un hato le-
chero de 1000 vacas. Revista
Veterinaria de Mxico. XXII -
2:199. Pg. 162.
24. ORILLO H. G. (1996). Frecuencia de
deteccin de celo y su influen-
cia en la fertilidad de un hato
lechero durante verano e invier-
no en la costa central. Tesis
UNALM.
25. PARREO R. J. (1991). Evaluacin del
manejo reproductivo del establo
lechero La Esperanza, Santa
Rita de Sihuas, Arequipa duran-
te el perodo 1979-Julio de 1982.
Tesis UNALM. 221 pp.
26. PERKINS B. L. (1995). Como hacer que
las vaquillas paran ms jvenes.
Hoards Dairyman en Espaol,
Enero de 1995. Pag. 58.
27. PIMENTEL F. E (1994). Caracterizacin
de la ganadera lechera del pro-
yecto Majes. Tesis UNALM.
28. RUEGG P. L. y MILTON R. L. (1995).
Body condi ti on scores of
holstein cows on Prince Edward
Island, Canad: relationship with
yield, reproductive performance
and disease. J. Dairy Sci.
78:552.
24
29. SALAS I. D. (1983). Efi ci enci a
reproductiva del establo de la
Universidad Nacional Agraria
durante el perodo 1976-1981.
Tesis UNALM - Lima. 153 pp.
30. SIMERT N. A., WILCOX C. J.,
THATCHER W. W. y MARTIN F.
G. (1991). Prepartum and
peripartum reproductive perfor-
mance of dairy heifers freshing
at young ages. J. Dairy Sci.
74:1724.
31. STEVENSON J. (1995 h). Reduzca las
prdidas reproductivas en su
hato. Hoards Dairyman en Es-
paol, Marzo de 1995. Pag .
222.
31. STEVENSON J. (1995 i). Tres caracte-
rsti cas de programas
reproductivos que han tenido
xito. Hoards Dairyman en Es-
paol, Marzo de 1995. Pag.
224.
32. STEVENSON J. (1995 a). Triunfa el mejor
sistema reproductivo. Hoards
Dairyman en Espaol, Octubre
de 1995. Pag . 930.
33. TEJADA N. y PALACIOS J. (1995).
parmetros reproductivos de va-
cunos de la granja Kyra. XIX
Reunin Cientifica de la Asocia-
cin Peruana de Produccin
Animal, 4 al 9 de Nov. 1996.
Cusco - Per.
34. VARNER H. A. y MAJESKIE J. L. (1988).
i nterpreti ng i ndexes of
reproductive efficiency. National
Cooperati ve Dai ry Herd
Improvement Program. DHIA -
USA. 8 pp.
25
CUANTIFICACION DE PROTEINAS TOTALES DE LECHE
POR METODOS ESPECTROFOTOMETRICOS
Carlos Scotto Espinoza
1
, Ramss Salas Asencios
1
,
Ana Gutirrez Romn
1
y Jorge Vargas Morn
2
.
RESUMEN
Se propone un mtodo para la determinacin de protenas totales en leche mediante
la reaccin de Biuret por espectrofotometra. Se ha logrado la eliminacin de las interferencias
producidas por la lactosa y los lpidos en las lecturas de absorbancia, habiendo obtenido un
porcentaje de recuperacin de 99.85%. La ecuacin de regresin correspondiente a este
mtodo con respecto al de Kjeldahl fue Y = -0.042548 + 0.005209X, con un r = 0.978. Se
aplic la Prueba de t de Student a los valores de protenas totales obtenidos de leche
cruda de vacuno, demostrando que no existen diferencias significativas entre ambos mto-
dos (p>0.05).
Palabras Clave: Espectrofotometra, protenas lcteas, Biuret.
SUMMARY
A spectrophotometric method to assess milk proteins concentration using Biuret
reaction is proposed. Interferences by lactose and lipids were cleared, getting a recovery
amount of 99.85%. The regression formula belonging this method was Y = -0.042548 + 0.005209X
comparing to Kjeldahl, and the r was 0.978. t Student test was used, showing there are not
significant differences between both methods (p>0.05)
Key words: Spectrophotometry, milk proteins, Biuret.
1
Laboratorio de Bioqumica y Biologa Molecular, Facultad de Ciencias Naturales y Matemticas,
Universidad Nacional Federico Villarreal.
2
Departamento de Produccion Animal. Facultad de Zootecnia, Universidad Nacional Agraria
La Molina.
26
INTRODUCCION
Las protenas lcteas son de gran
importancia nutricional por su valor biolgi-
co y digestibilidad. Su cuantificacin es de
mucha importancia para los centros de pro-
duccin lechera para poder llevar un ptimo
control. Existe un gran nmero de mto-
dos espectrofotomtricos para la determi-
nacin de la concentracin de protenas de
la leche, tanto en el rango visible (Agullo et
al., 1996), ultravioleta e infrarrojo, as como
mtodos de HPLC (Barbano y Lynch,
1990). Sin embargo, el mtodo de Kjeldahl
sigue siendo el de referencia para la
cuantificacin de protenas de la leche
(Barbano y Lynch, 1990), pero demanda mu-
cho tiempo para obtener resultados, es cos-
toso, utiliza reactivos controlados y peligrosos,
adems se necesita de volmenes conside-
rables de leche que dificultan su transporte
y refrigeracin al sitio de anlisis. Agullo et
al. (1996) plantearon un mtodo para cuan-
tificar protenas totales de leche utilizando
el reactivo de Biuret y tratando la muestra
con Dodecil Sulfato de Sodio (SDS) como
agente tensioactivo. Sin embargo, experien-
cias previas (Scotto et al., datos no publi-
cados) sugieren una posible interferencia del
SDS con la reaccin de Biuret para cuanti-
ficar protenas totales de leche. Esto moti-
v la bsqueda de formas alternativas para
obtener un desgrasado de las muestras
antes de realizar la cuantificacin. En este
aspect o, Tej edor (1992) ut i l i z l a
centrifugacin para desgrasar muestras de
leche antes de fraccionarlas para anlisis
electrofortico.
Este trabajo propone un mtodo
espectrofotomtrico basado en la reaccin
de las protenas con el reactivo de Biuret
en leche cruda previamente desgrasada por
centrifugacin a bajas temperaturas y utili-
zando lactosa en el blanco para eliminar sus
interferencias en la reaccin.
MATERIALES Y METODOS
El muestreo de leche se realiz en
la Unidad Experimental de Zootecnia UEZ)
de la Universidad Nacional Agraria La Molina
(UNALM) y los anlisis qumicos en el Labo-
ratorio de Bioqumica y Biologa Molecular de
la Universidad Nacional Federico Villarreal.
Reactivos
Reactivo de Biuret: Mezclar 1.5g de
CuSO4.5H2O y 6g de Tartrato de K y Na en
300ml de Solucin de NaOH al 10%. Disol-
ver y enrasar a 1lt con agua destilada.
Lactosa: 0.05g/ml.
Mtodos
Mtodo Espectrofotomtrico: Se colecta-
ron muestras de leche de 20 vacas lecheras
Holstein de alta produccin de la UEZ de la
UNALM. Se tom 1 ml de estas muestras
para centrifugarlas dos veces a 2500 rpm a
4
o
C. Se coloc 50 ul de esta leche
desgrasada en un tubo de ensayo y se agre-
g 950 ul de agua destilada y 4 ml del reactivo
de Biuret, se mezcl y se dej en reposo por
20 minutos a temperatura ambiente. Cada
muestra se proces por duplicado. Las lec-
turas de Absorbancia se realizaron a 540 nm,
contra un blanco de reactivos que contena
lactosa al 5%, utilizando un Espectrofo-
tmetro Spekol. Para elaborar una Curva de
Regresin, se utiliz una muestra de prote-
nas de lactosuero precipitadas con sulfato de
amonio y secadas a estufa. Las concentra-
ciones de los estndares preparados fueron
ajustados con el mtodo de Kjeldahl. Cada
estndar fue preparado por triplicado.
Mtodo Kjeldahl: Se siguieron las Normas
IRAM 14006 segn el International IDF Stan-
dard (1985). El Factor de correccin utiliza-
do fue de 6.38.
27
Los resultados fueron analizados con
el Programa Statistical Analysis System
(SAS) para obtener la ecuacin de regresin
y la prueba de t de Student se realiz segn
Steel y Torrie (1985).
RESULTADOS
Los resultados muestran una alta
correlacin entre el mtodo de Kjeldahl y el
mtodo alternativo de Biuret propuesto en el
presente trabajo. As, en la Figura 1 se ob-
serva la grfica de regresin obtenida a par-
tir de los datos obtenidos. La ecuacin que
representa a la grfica obtenida es Y = -
0.042548 + 0.005209X, con un coeficiente r
= 0.978, lo cual muestra una correlacin li-
neal di recta entre l as l ecturas de
Absorbancia obtenidas para las Con-
centraciones de protenas totales utilizadas
y ajustadas por el mtodo de Kjeldahl. En
la Tabla I se muestra el valor promedio obte-
nido, muy cercano entre ambos mtodos,
obteniendo una desviacin estndar menor
en el mtodo de Biuret que en el de Kjeldahl.
La recuperacin obtenida en el mtodo de
Biuret con respecto al Kjeldahl fue del
99.85% no observndose diferencias esta-
dsticas significativas entre ambos mtodos
de anlisis (P>0.05).
Figura 1. Curva de Regresin para diversos estndares de protenas
de lactosuero analizados con el mtodo de Biuret.
28
Mtodo de
Kjeldahl
Mtodo de Biuret
%
31.76
31.76
23.82
23.32
31.46
30.77
32.75
30.27
32.75
31.46
29.77
30.77
30.77
32.25
31.76
31.26
30.77
31.46
31.26
31.46
%
34.085
34.085
24.486
24.486
29.285
29.285
32.165
33.125
35.045
35.045
27.365
28.326
32.165
34.085
31.205
31.205
28.326
29.285
29.285
30.245
Promedio = 30.58
Desv. Std = 3.23
Promedio = 30.62
Desv. Std = 2.52
Tabla I. Comparacin de los valores de protena total de muestras de leche
determinados por mtodos de Kjeldahl y Biuret.
29
DISCUSION
De acuerdo al anlisis estadstico, el
mtodo espectrofotomtrico alternativo de
Biuret para la cuantificacin de protenas tota-
les en leche es de gran confiabilidad estadsti-
ca en nuestras condiciones de laboratorio. Un
mtodo similar fue propuesto por Agullo et al.
(1996), con la principal diferencia de que se
usa SDS como detergente para poder disolver
la grasa de las muestras. Reichardt y Eckert
(1991) mostraron tambin que el mtodo de
Biuret presenta ciertas ventajas para la
cuantificacin de protenas totales y de case-
na en muestras de leche cruda e incluso de
queso cuando el reactivo contiene hidrxido
de potasio y un detergente. Sin embargo, du-
rante trabajos previos en el laboratorio (Scotto
et al., datos no publicados) se encontr difi-
cultades al utilizar este mtodo. Tejedor (1992)
utiliz la centrifugacin como un mtodo para
desgrasar pequeas cantidades de leche an-
tes de realizar un anlisis electrofortico, lo
cual nos sugiri utilizar la misma tcnica para
nuestro trabajo. Verheul et al. (1986) ya ha-
ban mostrado que al centrifugar muestras de
leche se obtena una capa superficial de grasa
(crema) que se relacionaba directamente con
el contenido de triglicridos, el principal com-
ponente graso de la leche humana.
Despus de la grasa, el principal
agente que interfiere con la reaccin de Biuret
es la lactosa (Reichardt y Eckert, 1991), pero
esta interferencia es controlada utilizando
blancos y estndares que contienen lactosa
y si es que se hace la lectura de Absorbancia
exactamente a los 20 minutos. Con todos
estos cuidados, se obtuvo un coeficiente de
correlacin de 0.978, el cual est dentro de
lo aceptable si lo comparamos con los traba-
jos de Keller y Neville (1986), quienes obtu-
vieron coeficientes de correlacin de 0.96,
0.97, 0.89 y 0.99 para mtodos de Biuret,
Lwry-Peterson, Azul de Coomassie (Bio-Rad)
y BCA (Pierce), respectivamente.
CONCLUSIONES
El presente mtodo espectrofoto-
mtrico alternativo presentado es ms senci-
llo, barato y rpido pues no utiliza calor ni
detergentes como el SDS que complican el
anlisis por Biuret y por Kjeldahl, haciendo
posible su automatizacin para el anlisis de
poblaciones grandes de vacas lecheras.
BIBLIOGRAFIA
1. AGULLO, E.; GELOS, B. y
ALBERTENGO, L. 1996. Evaluacion del
contenido de proteinas totales en leche.
Boletn de la Sociedad Qumica del Per.
42:20-24.
2. BARBANO, D. y LYNCH, J. 1990.
Proteins - Determination of True and
Nonprotein Nitrogen. Proceedings of the
XXIII International Dairy Congress.
2:1322-1333.
3. INTERNATIONAL IDF STANDARD. 1985.
Ed. 98.
4. KELLER, R.P. y NEVILLE, M. 1986.
Determination of total protein in Human
milk: comparison of methods. Clinical
Chemistry. 32(1):120-123.
5. REICHARDT, W. Y ECKERT, W. 1991.
The determination of protein content of milk,
cheese, and meat with the use of the biuret
reaction. Nahrung. 35(7): 731-738.
6. STEEL, R. y TORRIE, J. 1985.
Bioestadstica: Principios y procedimien-
tos. Ed. McGraw-Hill. 2da ed.
7. TEJEDOR, M. 1992. Polimorfismo
gentico de las protenas lcteas en ga-
nado vacuno lechero. Tesis para Doctor
en Veterinaria. Universidad de Zaragoza.
8. VERHEUL, F., BOSCH, M.,
CORNELISSEN J., y WAELKENS, J.
1986. Simplified and rapid methods for
the determination of proteins, fat and
lactose in human milk and the energy
intake by the breast-fed infant. Journal of
Cl i ni cal Chemi stry and Cl i ni cal
Biochemistry. 24(5):341-346.
30
ELECCION Y MODELIZACION DE LAS PREFERENCIAS
Alvaro Ortiz Sarabia
RESUMEN
Partiendo de la definicin de conceptos de base utilizados por los economistas, se
sugiere en este trabajo algunas herramientas para una modelizacin alternativa de las prefe-
rencias por medio de un grafo o una matriz. Se enfatiza el estudio de diferentes estructuras de
preferencias que incluyen la duda entre la preferencia y la indiferencia para un individuo que
confronta dos objetos.
Abstrat
Departing from the definition of base concepts used by economists, some tools are
suggested in this paper for an alternative pattern of preferences by means of a network or a
matrix. There is an emphasis in the study of different preference structures that includes doubt
between preference and indiference for an individual confronted with two objects.
1. Introduccin
En el quehacer y la vida de los individuos y colectividades las preferencias son esenciales.
Su modelizacin es una etapa indispensable en disciplinas como la economa, investiga-
cin de operaciones y teora de la decisin entre otras. En el caso que nos ocupa, es decir
en el de la economa, la eleccin de las canastas de bienes y servicios que adquieren los
consumidores, se sustenta en una axiomtica con respecto a las preferencias, as enton-
ces, los economistas pueden construir sus curvas de demanda.
El objetivo de este trabajo es presentar el tema a partir de una definicin de los conceptos de
base utilizados por los economistas y luego sugerir algunas herramientas que podran ser
utilizadas para una modelizacin alternativa de las preferencias.
2. Las preferencias y la teora de la eleccin
El problema de la eleccin del consumidor puede ser analizado con independencia de cual-
quier nocin de utilidad es decir, con los supuestos de la teora econmica la ordenacin de
*
Profesor Principal de la Facultad de Economa y Planificacin.Universidad Nacional Agraria,
La Molina.
31
las preferencias es posible y el consumidor acta como si estuviese maximizando una
funcin de utilidad, sujeta a su restriccin de presupuesto.
La teora econmica, plantea las hiptesis que permiten asociar como axiomas un nmero
a cada canasta de mercancas. En la teora bsica del comportamiento del consumidor,
cada individuo elige cantidades especficas de mercancas y sus preferencias se toman
como relaciones binarias (
) que ordenan a las canastas de consumo en el llamado conjun-

to de consumo. Sean dos canastas de consumo
x
0
y
x
1
, que pertenecen al conjunto de
consumo X x x :
0 1
, significa que
x
0
es preferido a
x
1
por tanto de aqu se pueden
escribir algunas relaciones como:
x x
0 1
y x x
1 0
, significa que
x
0
es indiferente a
x
1
, sea x x
0 1
.
x x
0 1
y no x x
1 0
, significa que
x
0
es preferido estrictamente a
x
1
,
es decir x x
0 1
> .
Con estas notaciones se pueden definir tres conjuntos (preferido, inferior e indiferencia) de
canastas de consumo, en base a la relacin binaria y a la canasta de referencia x X
0
.
Conjunto Preferido:
Conjunto Inferior:
Conjunto de Indiferencia
La existencia de una funcin de utilidad continua se formaliza mediante tres axiomas bsi-
cos:
A.1. Axioma de comparabilidad.
Para todo x x X
0 1
, , el consumidor puede decidir entre x x
0 1
x x
1 0
. Si am-
bos estamentos se dan simultneamente se tiene x x
0 1
.
{ }
x x x x X
0 0
para todo
{ }
x x x x X
0 0
para todo
{ }
x x x x X
0 0
para todo
32
Este axioma hace que el consumidor siempre pueda comparar dos canastas de mer-
cancas, sea por la preferencia o la indiferencia en el consumo de cualquiera de ellas. La
relacin de preferencia es completa.
A.2. Axioma de transitividad.
Sean las canastas de consumo x x x X
0 1 2
, , . Si x x
0 1
y x x
1 2
, entonces se
tiene x x
0 2
.
Este axioma expresa que las preferencias son consistentes y excluye del anlisis
econmico algunas relaciones de preferencia que pueden existir pero son no racio-
nales. En pocas palabras, el consumidor no puede autocontradecirse.
A.3. Axioma de continuidad.
Pueden existir relaciones de preferencia que satisfagan a los axiomas A.1 y A.2, pero no pueden
ser representados por una funcin real valuada: por ejemplo, las preferencias lexicogrficas.
Se dice que el orden de preferencia es continuo si con respecto a cualquier plan
dado de consumo
x
0
hay, (1) una secuencia de canastas x, cada una de las cuales
es al menos tan preferida como la canasta
x
0
y (2) el plan lmite al cual converge la
sucesin de planes, es al menos tan preferido como el plan
x
0
, es decir
x
0
debe
ser lo suficientemente cerrado como para que sea indiferente al plan x.
Ha sido demostrado por Debreu, que los axiomas A.1, A.2 y A.3 son condiciones
suficientes para que exista una funcin de utilidad real-valuada, continua que de-
pende de las cantidades consumidas de mercancas.
En la teora moderna del consumidor, la funcin de utilidad no es nica, es decir, cual-
quier funcin de utilidad que mantenga el orden de preferencias puede ser utilizada en el
anlisis de la utilidad. Los primeros economistas trabajaron la teora del consumidor en
base a la nocin de un ndice de utilidad, la moderna teora cuyo origen se remonta a V.
Pareto se basa en un ndice de utilidad ordinal.
Todo tipo de medida permite seleccionar un ndice de magnitud. En la forma de medicin
ms restrictiva, slo se puede elegir la unidad de medida. Por ejemplo, la altura puede
ser medida en centmetros, decmetros, metros, entre otras, pero la nocin de altura
cero no es arbitraria. Cuando nicamente la unidad de medida es arbitraria decimos que
la altura es mensurable hasta una transformacin lineal, o sea que si I es un ndice de
medida tambin lo es aI, donde a es un escalar positivo. Este escalar a transforma a la
unidad de medida.
Cuando la eleccin del origen y de la unidad de medida es arbitraria se dice que la
utilidad es mensurable hasta una transformacin afn. Si I es un ndice de medida,
tambin lo es a + aI, donde a es un escalar arbitrario y a es un escalar positivo
arbitrario. El ejemplo tpico de esta transformacin es la conversin de grados Centgra-
33
dos a Fahrenheit mediante la conocida frmula F C + 32 18 .
o
la cual es una trans-
formacin afn.
Las medidas anteriores son cardinales y segn la teora clsica de la utilidad sta es
mensurable hasta una transformacin afn. En trminos de las curvas de indiferencia,
(representacin geomtrica de la funcin de utilidad) significa que dos de ellas pueden
ser numeradas arbitrariamente, pero una vez que han sido numeradas, la numeracin de
todas las dems curvas del mapa de indiferencia es determinada.
La teora de la utilidad ordinal supone que la utilidad es mensurable hasta una transfor-
macin montona donde lo que cuenta es el orden de preferencias, por tanto de aqu
resulta que las funciones de utilidad son definidas como ordinales.
Si ( )
u x es un ndice de utilidad, tambin lo ser ( )
F x , donde
F
es una transforma-
cin estrictamente montona, en consecuencia, el ndice de utilidad ( ) ( ) ( )
u x F u x
aumentar o disminuir siempre que el ndice de utilidad suba o baje.
En general, ( )
F u es una transformacin montona si ( )
F' u > 0 .
Anteriormente ya hemos demostrado que la funcin de utilidad existe porque se cum-
plen los axiomas de comparabilidad, transitividad y continuidad. Debe ser sealado
sin embargo que, si las funciones de utilidad de la teora econmica deben ser
maximizadas, dado que las canastas de mercancas que un consumidor adquiere en
el mercado son ptimas en el sentido que corresponden a un mximo de la funcin de
utilidad, entonces, una funcin de utilidad debe satisfacer a tres axiomas adicionales.
A.4. Axioma de dominancia o monotonicidad.
Este axioma indica que para el consumidor, ms es preferido a menos o ms es
mejor, es decir que un consumidor siempre preferir la canasta que contenga ms de
uno de los bienes y no menos del otro, de aqu el trmino de monotonicidad. Sea la
canasta x
0
( , )
1
0
2
0
x x y la canasta x
1
( , )
1
1
2
1
x x , se dice que la canasta
x
0
domi-
na a la canasta
x
1
, si:
x x x x
1 1
1
2 2
1 0 0
y >
o si,
x x x x
1
0
1
1
2
0
2
1
> y
F'(u )
u
u u
>
d(log )
d
1
0
34
Este axioma hace que la funcin de utilidad sea una funcin estrictamente creciente de
las cantidades consumidas.
A.5. Axioma de estricta convexidad.
Si dos canastas
x
0
y
x
1
son indiferentes, entonces cualquier combinacin lineal o
media ponderada de estas canastas es preferible a
x
0
y
x
1
.
Recordemos que las preferencias son convexas si:
x x x
1 0 0
1 + ( )
con
x x
1 0
y
0 1
La representacin de la convexidad se ve en el grfico 1.
Conjunto Preferido
x
o
x'
x' + (1 - ) x
o
Conjunto
Inferior
Contorno de
Indiferencia
Grfico 1: PREFERENCIAS CONVEXAS
Contorno de
Indiferencia
Conjunto
Indiferencia
35
Tambin las preferencias son convexas si:
x x x
1 0 0
1 + > ( )
cuando:
x x
1 0
>
y
0 1 <
lo cual se representa en el grfico 2.
La convexidad estricta implica que el conjunto preferido es convexo, es decir:
x x
1 0
1 + ( )
con
x x
1 0
x
o
x'
Conjunto
Inferior
Conjunto de
Indiferencia
Conjunto preferido
x' + ( 1 - ) x
o
Conjunto
Inferior
Conjunto de
Inferencia
36
esto es apreciado en el grfico 3
En trminos de la funcin de utilidad, la estricta convexidad implica que:
u x u x ( ) ( )
1 0
>
cuando:
x x
1 0
>
luego se puede escribir:
[ ]
u x x u x
1 0 0
1 + > ( ) ( )
cuando:
x x
1 0
o sea:
u x u x ( ) ( )
1 0
para:
0 1 < <
de manera que una curva de indiferencia que cumple con estas propiedades es estricta-
mente cuasi-cncava.
ico 3: PREFERENCIAS ESTRICTAMENTE CUASI C NCAVAS
x
o
x'
Conjunto preferido
x' + ( 1 - ) x
o
Conjunto
Inferior
Conjunto de
Indiferencia
Grfico 3: PREFERENCIAS ESTRICTAMENTE CUASI CONCAVAS
Conjunto
Inferior
Conjunto de
Indiferencia
37
Las implicancias desde el punto de vista econmico son que las mercancas y canastas
de bienes son perfectamente divisibles, poseyendo el consumidor tasas marginales de
sustitucin decrecientes entre cualquier par de mercancas, prefiriendo las canastas
bien balanceadas a las canastas mal balanceadas, es decir prefiere el medio a los
extremos.
A.6. Axioma de diferenciabilidad.
Es una hiptesis cuyas consecuencias son muy importantes para el trabajo emprico ya
que se plantea que la funcin de utilidad es dos veces diferenciable.
La primera derivada de una funcin de utilidad u x
i
es la llamada utilidad marginal del
bien i, sta ser siempre positiva por el axioma de dominancia.
Por otro lado, las derivadas segundas (Teorema de Young), deben ser tales que:

2 2
u
x x
u
x x
i j j i
por lo cual, la matriz Hessiana o de segundas derivadas debe ser simtrica.

Considerando a las primeras y segundas derivadas de u y v = F(u), suponiendo que F >
0 designado F(u) a todas las clases de funciones de utilidad que representan el mismo
orden de preferencias y tomando en cuenta la tabla adjunta en la cual F F u " d d
2 2
.
Cuando F es lineal, F es una constante positiva y F = 0.
u v

u
x
i
v
x
u
x
i i
F '

2
2
u
x
i
( )
2
2
2
2
2
v
x
u
x
u
x
i i
i
F F + "

2
u
x x
i j

2 2
v
x x
u
x x
u
x
u
x
i j i j j i
F F + ' "
38
Revisando las derivadas parciales de primer orden, vemos que su valor absoluto nunca
es invariante (para las funciones de utilidad tpicas del anlisis econmico). El valor
absoluto de la utilidad marginal de un bien no es determinado, pero el signo de estas
derivadas es invariante (y positivo) sea F lineal o no lineal.
Para las derivadas parciales directas de segundo orden, se ve que su valor absoluto es
no invariante, sea o no F = 0. Su signo es invariante si, F = 0, por ejemplo si u es
cardinal. Realmente F es positiva,
2 2
v x
i
puede ser negativa si

2 2
u x
i
es negati-
va cuando F = 0. Esto no necesariamente ser as cuando F 0. Esta es la razn por
la cual la famosa ley de la utilidad marginal decreciente es cardinal.
3. Preferencias colectivas
El problema de la agregacin de las preferencias individuales de los miembros de una colec-
tividad en una preferencia colectiva es el siguiente: sea X un conjunto de candidatos
x x x
1 2 3
, , ,... } (card X = w ) y V un conjunto de votantes o electores { 1, 2, 3, ... } (card V
= v) que definen un orden de preferencias sobre los candidatos. Un estado de opinin es
entonces un conjunto de v ordenes de preferencia (una por cada elector) y de lo que se trata
es de asociar a un estado de opinin un orden de preferencia sobre X que es la llamada
opinin colectiva.
Si cada uno de los electores expresa individualmente sus preferencias, esta expresin slo
tendra sentido si han sido realizadas sobre preferencias binarias o pueden responder por si
o por no.
3.1 Procedimiento mayoritario de comparacin por pares
Supongamos que cada uno de los electores ha elegido su orden de preferencia entre los
candidatos. Cada uno de estos ordenes es una opinin individual. Por ejemplo, con tres
candidatos, X = { x x x
1 2 3
, , } habrn seis opiniones individuales posibles. Supongamos
que el escrutinio arroja los siguientes resultados:
el orden x x x
1 2 3
es la opinin de 33 electores
el orden x x x
1 3 2
el orden x x x
2 1 3
el orden x x x
2 3 1
el orden x x x
3 1 2
el orden x x x
3 2 1
La forma en la que se han distribuido las respuestas a las cuestiones binarias puede
obtenerse a partir del escrutinio de los votos:
39
33 personas clasifican
x
1
antes que
x
2
hay mayora en la opinin
x
2
preferido a
x
1
(67 votos contra 33)
x
1
antes que
x
3
x
1
preferido a
x
3
x
2
antes que
x
3
x
2
preferido a
x
3
Se constata que hay transitividad de la relacin de preferencia en la opinin de la colec-
tividad:
( ) ( ) ( )
x x x x x x
1 0 1 3 2 3
,
Entonces habra un fundamento para expresar que la colectividad tiene por opinin x x x
2 1 3
an cuando esta opinin sea al inicio la opinin individual de 18 electores.
Sin embargo siempre se hallar esta transitividad? sera superfluo efectuar algn con-
trol sobre la tercera cuestin binaria
x x
2 3
?
cuando tenemos ya las respuestas x x
2 1
y x x
1 3
?
3.2 Efecto Condorcet
Condorcet demostr que mediante un sistema de escrutinio democrtico de opinin,
pueden encontrase ciertas dificultades. Si se considera como coherente un sistema de
preferencias en las cuales los ciclos de tipo
x
1
preferido a
x
2
,
x
2
preferido a
x
3
,
x
3
pre-
ferido a
x
1
son excluidos, entonces, la coherencia de las preferencias individuales no
conlleva a la de las preferencias colectivas, obtenida por el procedimiento mayoritario de
agregacin de las preferencias binarias. Por ejemplo, supongamos que 60 electores han
expresado sus ordenes de preferencia con respecto a tres candidatos x x x
1 2 3
, , :
el orden x x x
1 2 3
el orden x x x
1 3 2
el orden x x x
2 1 3
el orden x x x
2 3 1
el orden x x x
3 1 2
el orden x x x
3 2 1
cuyo recuento proporciona:
40
x
1
es preferido a
x
2
por mayora (33 votos contra 27)
x
2
es preferido a
x
3
x
3
es preferido a
x
1
Se comprueba, en consecuencia que la resultante de los ordenes de preferencia no es
un orden debido a que es una preferencia cclica. Por consiguiente, la lgica de las
colectividades es diferente de la lgica de los individuos.
La pregunta es entonces con que frecuencia aparece el efecto Condorcet?. Sea
w
el
nmero de candidatos y sea
v
el nmero de electores, luego entre los
( )
w
v
! estados
de opinin, para w 3 tendremos:
se tiene que 5,6% de los estados de opinin engendran el efecto Condorcet
v 5 se tiene que 6,9% de los estados de opinin engendran el efecto Condorcet
si v la frecuencia de aparicin del efecto Condorcet no pasa el 8,8%
si
v
es fijo y
w
vara, la frecuencia de aparicin del efecto Condorcet tiende hacia el
100%
3.3 Reglas de agregacin de las preferencias individuales
Una opinin individual es un orden completo sobre el conjunto de
w
candidatos. Sea
el conjunto de ordenes completos sobre X : cada uno de estos ordenes es una opinin
coherente, ya sea como opinin individual o como opinin colectiva. Sean R R R
v 1 2
, ,...
los ordenes de preferencias de los electores 1, 2, ...
v
; ( ) R R R
v
v
1 2
, ,... : es
un estado de la opinin.
Se debe tratar de crear una regla f que haga corresponder a todo estado
de la opinin,
cierto elemento R , este elemento
R
ser la opinin colectiva.

v
f
La regla f es por lo tanto una aplicacin del conjunto
v
que tiene
( )
w
v
! elementos
sobre el conjunto
que tiene w! elementos.

El conjunto de reglas a priori concebibles es entonces el conjunto de esas aplicaciones:
a priori hay
( )
( )
w
w
v
!
!
reglas concebibles. Dentro de estas reglas algunas no son razona-
bles y se debe buscar reglas de agregacin que satisfagan las exigencias de soberana
de la colectividad y de lealtad:
41
La soberana de la colectividad: la aplicacin f respetar la exigencia de soberanidad
si es surjectiva, no se excluye en consecuencia ninguna posibilidad para la eleccin
de la colectividad.
La lealtad: la eleccin de la regla debe ser tal que si para un cierto estado de la opinin
la colectividad se pronuncia sobre una preferencia binaria
x
0
preferida a
x
1
y si en
un nuevo estado de la opinin todos los electores que preferan
x
0
a
x
1
continan
hacindolo, entonces la regla a partir de este nuevo estado dar de nuevo
x
0
prefe-
rida a
x
1
en la preferencia colectiva.
En otros trminos, si la regla es tal que una agrupacin de electores pueda imponer su
opinin sobre una preferencia binaria y si esta agrupacin gana nuevos miembros, enton-
ces con mayor razn impondr sus preferencias binarias a la colectividad.
3.4 Definiciones y notaciones
Llamaremos agrupamiento a toda parte no vaca de X.
Sea
un cierto estado de la opinin. Notaremos mediante E x x
( )
0 1
, al conjunto de elec-
tores que en el estado
de la opinin colocan al candidato

x
0
antes que al candidato
x
1
. El
conjunto
V
se particiona en dos partes: E x x
( )
0 1
, yE x x
( )
1 0
, :
E x x E x x

( ) ( )
0 1 1 0
, ,
E x x E x x X

( ) ( )
0 1 1 0
, ,
Supongamos que se ha elegido una regla f: a todo estado
le corresponde por esta

regla un cierto orden colectivo
R
. Sea D E x x

( )
0 1
, el agrupamiento de electores
que en el estado
prefieren
x
0
a
x
1
. Si en el orden colectivo
R
,
x
0
est antes que
x
1
, diremos que
D
es un agrupamiento decisivo para la preferencia ( ) x x
0 1
, .
Dicho de otra manera, un agrupamiento
D
ser decisivo para la preferencia
binaria( ) x x
0 1
, si existe un estado
de la opinin tal queE x x
( )
0 1
, coincida con
D
y si la aplicacin de la regla f a este estado de la opinin conduce a la colectividad a
preferir
x
0
a
x
1
.
42
Si en el orden colectivo asociado por la regla f al estado
de la opinin, el candidato
x
0
est antes que el candidato
x
1
, notaremos x f x
0 1
( ) . El axioma de lealtad se
traduce luego por: si x f x
0 1
( ) y si E x x E x x

( ) ( )
0 1 0 1
, , , entonces x f x
0 1
( )
3.5 El Teorema de Arrow
Si se trata de agregar las opiniones de los electores cuyo nmero sea por lo menos igual
a dos con respecto a candidatos cuyo nmero sea por lo menos igual a tres por medio de
una regla que satisfaga a las exigencias de la soberana y la lealtad, entonces, las
nicas reglas posibles son las reglas dictatoriales: estas son reglas que adoptan como
opinin de la colectividad a la opinin de uno de los electores que juega as el rol de un
dictador.
La demostracin de este teorema se efecta en varias etapas; se demuestra sucesiva-
mente que:
La unanimidad de los votantes es un agrupamiento decisivo para toda preferen-
cia( ) x x
0 1
,
Si un agrupamiento es decisivo para una cierta preferencia ( ) x x
0 1
, , entonces este
agrupamiento es decisivo para cualquier preferencia (a este agrupamiento se le llama
ncleo dictatorial)
En toda particin del grupo de electores en dos agrupamientos, uno de ellos es nece-
sariamente un ncleo dictatorial
En toda particin de un ncleo dictatorial en dos agrupamientos, uno de ellos es un
ncleo dictatorial
De esta manera, por medio de particiones sucesivas se puede reducir un ncleo dictato-
rial hasta que esta participacin ya no sea posible, entonces, el ncleo dictatorial se
reduce a un dictador.
Debe ser sealado que el resultado de Arrow es ms general: su razonamiento se bas
en pre-ordenes y no en ordenes. La conclusin del teorema nos lleva a otra definicin del
dictador: el dictador impone sus preferencias estrictas pero no sus indiferencias, stas
seran impuestas por un segundo dictador y si fuese necesario aparecera un tercer
dictador y as sucesivamente.
4. Reexamen de la estructura de las preferencias en un conjunto de objetos y su
representacin grfica y matricial
Las unidades bsicas de decisin son los agentes econmicos individuales clasifica-
dos como consumidores o como empresas, los cuales deben elegir la combinacin de
bienes o servicios que pueden alcanzar de acuerdo con las condiciones determinadas
43
que deban satisfacerse. El modelo de preferencias parte del principio de que un agente
econmico o individuo compara dos objetos, bienes o servicios que notamos
x
0
y
x
1
el cual suponemos experimenta o tiene tres reacciones:
Prefiere a uno de los dos bienes
Es indiferente ante los dos bienes
No puede comparar a los dos bienes o se niega a hacerlo
A esta situacin vamos a notarla de la siguiente manera:
x x
0
P
1
si
x
0
es preferido a
x
1
o bien x x
1
P
0
si
x
1
es preferido a
x
0
x x
0
I
1
si
x
0
es indiferente a
x
1
x x
0
R
1
si no hay comparacin entre
x
0
y
x
1
Como acabamos de ver, en la literatura microeconmica sta es la situacin ms comn
cuando se trata el tema de la formalizacin de las preferencias.
Sea X un conjunto de objetos. El conjunto de parejas ordenadas
( )
x x
0 1
,
tales que
x x
0
P
1
constituye la relacin de preferencia notada P. Esta relacin es simtrica, es
decir, nunca tendremos x x
0 0
P y que si x x
0
P
1
entonces x x
1
P
0
es excluido.
El conjunto de parejas ordenadas
( )
x x
0 1
,
tales que x x
0
I
1
es la relacin de indiferencia
notada I. Esta relacin es reflexiva (siempre x x
0 0
I ) y simtrica (si x x
0
I
1
, entonces
x x
1
I
0
).
El conjunto de parejas ordenadas
( )
x x
0 1
,
tales que x x
0
R
1
conforman una relacin no
comparable, notada R. Esta relacin es irreflexiva (nunca se tiene x x
0
R
0
) y simtrica (si
x x
0
R
1
entonces x x
1
R
0
).
As entonces, las tres relaciones { }
P I R , , son una estructura de preferencia en X si
cumplen con las propiedades ya indicadas y si dados dos elementos cualquiera
x
0
y
x
1
de
X, se tiene slo una de las posibilidades: x x
0
P
1
o x x
1
P
0
o x x
0
I
1
o x x
0
R
1
.
44
Para la representacin grfica de una estructura de preferencia, adoptamos en con
secuencia, las convenciones:
Con estas convenciones, puede en muchos casos ser til representar a las preferen-
cias por medio de un grafo o por medio de una matriz, as entonces, la aplicacin de
los algoritmos puede ser ms fcil por medio de un computador. Sea por ejemplo, la
representacin grfica de una estructura de preferencias tal como la que se incluye
en el siguiente grfico:
1
x x
1
x x
0 0
x
0
P x
1 x
0
I x
1
x
0
x
1
x
2
x
3
x
4
45
x
0
x
1
x
2
x
3
x
x
0
I I P
P
-
x
1
I I I
P
-
x
2
P
-
I I
P
-
x
3
P P P I
x
4
I R P R
Utilizando las convenciones antes mencionadas, obtenemos la siguiente representacin
matricial:
5. Estudio de las estructuras de preferencias
5.1 Orden Total
Se dice que la estructura de preferencia es un orden total cuando los elementos del
conjunto X pueden ser ordenados de mejor a peor sin que existan empates. En este
caso, la relacin de incomparabilidad es vaca, la relacin de indiferencia est limitada a
las parejas ordenadas idnticas (de tipo ( x x
0 0
, ) ) y la relacin de preferencia es transitiva
( x x
0 1
P y x x
1 2
P implica x x
0 2
P ).
Cuando la estructura de preferencia es un orden total, entonces, a cada elemento x X
un valor numrico g x ( )
0
tal que:
x x
0 1
P > g x g x ( ) ( )
0 1
vale decir, todos los elementos de X tienen valores numricos diferentes.
Supongamos, por ejemplo, que un inversionista desea colocar sus activos de cinco mane-
ras diferentes ( , , , , ) x x x x x
0 1 2 3 4
cada una de los cuales le rinde respectivamente 200,
150, 120, 100 y 90 soles mensuales. Si no interviene ningn otro elemento en la compara-
cin de estas cinco inversiones, la estructura de preferencia ser el orden total siguiente:
x
x
x
x
x
0
1
2
3 4
46
x
0
x
1
x
2
x
3
x
x
0
I P P P P
x
1
P
-
I P P P
x
2
P
-
P
-
I P P
x
3
P
-
P
-
P
-
I P
x
4
P
-
P
-
P
-
P
-
I
al cual le corresponde la siguiente matriz:
5.2 Pre-orden total
Se dice que la estructura de preferencias es un pre-orden total cuando los elementos de
X pueden ser ordenados de mejor a peor con la posibilidad de empates. La diferencia
con un orden total, reside en consecuencia, en la existencia de elementos indiferentes 2
a 2.
En este caso la relacin de incomparabilidad es vaca, la relacin de indiferencia es
transitiva ( x x
0 1
I y x x
1 2
I implica x x
0 2
I ) al igual que la relacin de preferencia.
Cuando la estructura de preferencia es un pre-orden total, entonces, a cada elemento
x X un valor numrico g x ( )
0
tal que:
x x
0 1
P > g x g x ( ) ( )
0 1
x x
0 1
I g x g x ( ) ( )
0 1
El pre-orden total es la estructura de preferencia que implcitamente est contenida en
todos los problemas de optimizacin, es decir en la mayora de los trabajos clsicos en
investigacin operativa, economa, teora de la decisin entre otros. La funcin g es la
funcin a optimizar y segn el contexto es llamada funcin econmica, funcin de valor,
funcin de utilidad, funcin objetivo, por ejemplo.
En el caso del inversionista, si los rendimientos mensuales fuesen 200, 200, 120, 100 y
100 soles, la estructura de preferencia sera el pre-orden total graficado a continuacin
x
x x
x
x
0
1
2
3 4
47
cuya representacin matricial es:
x
0
x
1
x
2
x
3
x
4
x
0
I I P P P
x
1
I I P P P
x
2
P
-
P
-
I P P
x
3
P
-
P
-
P
-
I I
x
4
P
-
P
-
P
-
I I
5.3 Cuasi-orden total
La transitividad de la indiferencia es incompatible con la existencia de un umbral de
sensibilidad por debajo del cual el individuo no percibe diferencia entre dos elemen-
tos, esta observacin fundamental en lo que respecta a la modelizacin de las prefe-
rencias fue introducida por Luce en 1956. Por lo tanto, se trata de caracterizar una
estructura de preferencias que dar lugar a una representacin numrica del siguien-
te tipo:
x x
0 1
P > + g x g x q ( ) ( )
0 1
x x
0 1
I < g x g x q ( ) ( )
0 1
en las cuales q es una constante positiva que caracteriza al umbral de indiferencia (por
medio de un cambio en la escala, siempre es posible tener q 1 ).
Esta estructura de preferencias es llamada cuasi-orden total y tiene las siguientes ca-
ractersticas:
La relacin de incomparabilidad es vaca.
x x
0 1
P y x x
1 2
I y x x
2 3
P implican x x
0 3
P , en particular P PP PP es transitiva.
Simultneamente no se puede tener x x
0 1
P , x x
1 2
P y x x
0 3
I , x x
3 2
I .
Por ejemplo, supongamos que los rendimientos mensuales de las cinco inversiones
son los siguientes: S/. 200, S/. 197, S/. 194, S/. 187 y S/. 182, sin embargo debido
a comisiones y diversos gastos, no conocidos con precisin, sera no significativa
una diferencia inferior o igual a S/. 5. La estructura de las preferencias sera, en
consecuencia, el siguiente cuasi-orden total:
48
x
0
x
1
x
2
x
3
x
4
x
0
I I P P P
x
1
I I I P P
x
2
P
-
I I P P
x
3
P
-
P
-
P
-
I I
x
4
P
-
P
-
P
-
I I
x
x
x
x
x
0
1
2
4 3
cuya representacin matricial es la siguiente:
5.4 Orden de intervalo total
Hay dos formas de presentar esta estructura. Supongamos que a cada elemento x X
es asociado con un intervalo numrico
[ ]
y z
x x
0 0
,
el cual representa, por ejemplo, el
intervalo en el cual se sita el rendimiento de
x
0
.
] ]
[
[
[ [ ] ]
[ [ ] ]
y y
y y
y y
z z
z
z z
z
x
x x
x x x x
x
x x x
x
0 0 1 1
1 0 1 0
0 0 1 1
0
P x x
1
x
0 1
Ix
x
0 1
Ix
49
Un individuo preferira
x
0
a
x
1
cuando el rendimiento mnimo reportado por
x
0
sea
superior al beneficio mximo reportado por
x
1
y ser indiferente entre
x
0
y
x
1
cuando
los dos intervalos que les son asociados tienen una parte o regin en comn, tal como se
puede ver en el grfico anterior.
La estructura de preferencias caracterizada por un orden de intervalo total tiene las si-
guientes caractersticas:
La relacin de incomparabilidad es vaca.
x x
0 1
P , x x
1 2
I y x x
2 3
P implican x x
0 3
P , en particular P PP PP es transitiva.
Otra forma de introducir esta estructura es a partir de un cuasi-orden total en el cual el
umbral de indiferencia vara, tal como lo plantea Fishburn. Sin embargo, en muchos
casos, este umbral depende del lugar en que se encuentra en la escala de valor definida
por la funcin g. Por lo tanto, se tiene la siguiente situacin:
x x
0 1
I
< +
< +
'
g x g x q g x
g x g x q g x
( ) ( ) ( ( ))
( ) ( ) ( ( ))
0 1 1
1 0 0
x x
0 1
P > + g x g x q g x ( ) ( ) ( ( ) )
0 1 1
Haciendo que:
g x y g x y
x x
( ) , ( )
0 1
0 1

g x q g x z g x q g x z
x x
( ) ( ( ) ) , ( ) ( ( ) )
0 0 1 1
0 1 + +
se encuentra el orden de intervalo total definido anteriormente.
Se puede demostrar que un cuasi-orden total es un orden de intervalo total en el cual se
excluye la siguiente situacin:
] [ [
y
x
1 y
x
0 z
x
0
x
x
x
x x
0 2
1
4 3
50
As, en el grafo de arriba, al tomar nuevamente nuestro ejemplo de las cinco posibilida-
des de inversin, se ha supuesto que debido a los gastos en comisiones y gastos diver-
sos, se conoce con ms o menos precisin los rendimientos anuales de las inversiones
x x x x x
0 1 2 3 4
, , , , se deben situar en los siguientes intervalos
[ ]
190 200 , ,
[ ]
193 196 , ,
[ ]
184 192 , ,
[ ]
186 187 , y
[ ]
180 185 , se obtiene el orden de intervalo total, el cual no es
un cuasi-orden debido a la presencia simultnea de x x
0 3
P , x x
3 4
P y de x x
0 2
I ,
x x
2 4
I . La representacin matricial es:
x
0
x
1
x
2
x
3
x
4
x
0
I I I P P
x
1
I I P P P
x
2
I
P
-
I I I
x
3
P
-
P
-
I I P
x
4
P
-
P
-
I
P
-
I
5.5 Orden parcial
Se dice que la estructura de preferencia es un orden parcial cuando sta puede ser
arreglada de mejor a peor y sin que exista empate entre los elementos de X, como en
el ejemplo siguiente:
51
En este caso la relacin de indiferencia est limitada a las parejas idnticas, la
relacin de preferencia es transitiva, pero, algunas parejas de elementos son
incomparables.
Cuando la estructura de preferencias es un orden parcial, a cada elemento x X
se le puede asociar un valor numrico g x ( )
0
tal que:
x x
0 1
P > g x g x ( ) ( )
0 1
todos los elementos de X tienen valores numricos diferentes. Por otra parte, estando
dado un orden parcial, siempre es posible reemplazar las incomparabilidades por pre
ferencias de manera que sea un orden total. Si se dispone de varios ordenes totales en
un conjunto X y si se retienen slo las preferencias comunes a todos esos ordenes
totales, se obtiene un orden parcial.
Por ejemplo, si las cinco inversiones x x x x x
0 1 2 3 4
, , , , rinden S/. 200, 160, 130. 100
y 90, pero no tienen un orden decreciente de garanta tal como x x x x x
2 3 4 0 1
, , , , ,
entonces una inversin ser preferida a otra si esta ofrece simultneamente un rendi-
miento y garanta mayores. En los otros casos, es necesario un anlisis ms detalla
do y se podra dar el caso que las inversiones pueden ser eventual o momentneamen
te incomparables.
x x
x
x
x
3
2
4
0 1
52
x
0
x
1
x
2
x
3
x
4
x
0
I P R R R
x
1
P
-
I R R R
x
2
R R I P P
x
3
R R
P
-
I P
x
4
R R
P
-
P
-
I

3
es transitiva

,
es transitiva

x x
0 1
P y x x
1 2
I
implica
x x
0 2
P

x x
0 1
I y x x
1 2
P
implica
x x
0 2
P
Algunas parejas de elementos son incomparables

.

5.6 Pre-orden parcial
La estructura de preferencia es un pre-orden parcial cuando sta puede ser arreglada de
mejor a peor con empates entre los elementos de ciertos subconjuntos de X. Tiene la
siguientes caractersticas:
Cuando la estructura de preferencias es un pre-orden parcial, a cada elemento x X se
le puede asociar un valor numrico g x ( )
0
tal que:
x x
0 1
P > g x g x ( ) ( )
0 1
x x
0 1
I g x g x ( ) ( )
0 1
Por otra parte, dado un pre-orden parcial, siempre es posible reemplazar a las
incomparabilidades por preferencias o indiferencias, as se tendra un pre-orden total.
En el ejemplo de las cinco inversiones supongamos que rinden respectivamente 200,
200, 200, 180 y 180 soles mensuales y que la garanta dada es empate entre y
mejores que la cual a su vez es mejor que . Una inversin es mejor que otra si tiene
un mejor rendimiento sin presentar una garanta peor que si se presenta una mejor
garanta sin tener un rendimiento peor. Se asume que las inversiones empatan si
tienen el mismo rendimiento y la misma garanta y son incomparables en los otros
casos:
53
x
0
x
1
x
2
x
3
x
4
x
0
I I P P P
x
1
I I P P P
x
2
P
-
P
-
I R R
x
3
P
-
P
-
R I P
x
4
P
-
P
-
R
P
-
I
x
x
x
x x
0
1
2
4 3
6. Otras estructuras de preferencias
Tal como se ha visto, ninguna de las estructuras precedentes permite la presencia simult-
nea de incomparabilidades e intransitividades en la indiferencia. Por ejemplo, Roubens y
Vincke tienen trabajos en esta perspectiva y han propuesto las definiciones de cuasi orden
parcial y de orden de intervalo parcial.
Por otro lado, en los llamados mtodos multicriterio, B. Roy por ejemplo, ha enfatizado que
en un proceso de decisin no siempre es posible resolver entre la preferencia y la indiferen-
cia (el umbral de la indiferencia rara vez es un valor preciso), en base a esto introduce una
cuarta actitud fundamental para un individuo que confronta dos objetos: la duda entre la
preferencia y la indiferencia, llamada preferencia dbil, notada Q.
Al introducir un umbral para la indiferencia que notamos como
q
(o valor ms grande debajo
del cual hay indiferencia) y un umbral de preferencia
p
(valor ms pequeo encima del cual
hay preferencia), Roy propone el siguiente modelo:
x x
0 1
P > g x g x ( ) ( )
0 1
+ p ( g (x
1
))
54
x x
0 1
Q + > > + g x p g x g x g x q g x ( ) ( ( ) ( ) ( ) ( ( )
1 1 0 1 1
x x
0 1
I
+ >
+ >
'
g x q g x g x
g x q g x g x
( ) ( ( ) ( )
( ) ( ( ) ( )
1 1 0
0 0 1
Las propiedades de P PP PP, Q QQ QQ e I II II subyacentes al modelo, son las que dan lugar a la definicin
del concepto de pseudo orden total, utilizado en algunos anlisis multicriterio (Ver los traba-
jos de Roy y Vincke).
En base al modelo precedente, autores como Roberts, Rubens y Vincke han estudiado
modelos mas generales en los que intervienen varios grados de preferencias: este es el
caso de las familias de ordenes de intervalos y de cuasi ordenes, as como de relaciones
valuadas o de preferencias imprecisas.
Cuando varios individuos comparan objetos 2 a 2, a cada pareja ordenada de objetos ( , ) x x
0 1
se le puede afectar la frecuencia relativa de la preferencia de
x
0
sobre
x
1
, se obtiene as
una relacin de preferencia probabilstica cuyas propiedades has sido ampliamente estu-
diadas por Fishburn. Citemos por ltimo, la nocin de sobreclasificacin introducida por
Roy en los mtodos multicriterio, en los cuales se dice que
x
0
sobreclasifica a
x
1
si
x
0
es preferida a
x
1
por la mayora de criterios o puntos de vista o individuos y si la preferen-
cia de
x
1
sobre
x
0
para los otros puntos de vista o criterios o individuos no es muy
fuerte. Se obtiene una relacin de sobreclasificacin estable entre los elementos, que no
necesariamente es total ni transitiva.
Esta situacin ha sido bastante estudiada, en particular han sido establecidas las condi-
ciones suficientes para que exista una funcin
g
tal que x x x x
0 1 2 3
, , , :
7. La comparacin de la intensidad de las preferencias
En algunos casos puede ser que se tenga informacin adicional con respecto a las intensi-
dades de las preferencias con respecto a los objetos, es decir, que el individuo es capaz de
expresar no solamente una preferencia de
x
0
sobre
x
1
y de
x
2
sobre
x
3
sino que tam-
bin una preferencia ms grande de
x
0
sobre
x
1
que de
x
2
sobre sobre
x
3
, lo que nota-
mos
[ ] [ ]
x x x x
0 1 2 3
, , >
x x
0 1
P > g x g x ( ) ( )
0 1
[ ] [ ]
x x x x g x g x g x g x
0 1 2 3 0 1 2 3
, , ( ) ( ) ( ) ( ) > >
55
8. Preferencias en los espacios continuos
La modelizacin de las preferencias de los agentes econmicos es parte de la teora del
clculo econmico: ste presenta la particularidad de tratar con conjuntos de objetos que
son subconjuntos en el espacio
R
n
es decir, una decisin o un objeto es un vector real con
n
componentes. En este caso, las preferencias se estudian por medio de funciones conti-
nuas o diferenciables en los subconjuntos de
R
n
que tengan las propiedades topolgicas
adecuadas.
9. Preferencias e incertidumbre
La referencia bsica, sin duda alguna es la obra de Von Neumann y Morgenstern; la
modelizacin de las preferencias en la incertidumbre es probablemente la que goza de la
mayor parte de la literatura que trata de las preferencias
Tomamos un ejemplo de un trabajo de Vincke, relacionado con un problema de decisin en
un contexto incierto que nos permitir resaltar algunos puntos que nos parecen importantes
en este tema.
Sean cuatro proyectos de inversin x x x x
0 1 2 3
, , , que podran generar empleo en una
ciudad. No se conoce con certeza el nmero de empleos creados, ya que esta cantidad
depende de factores ajenos al decisor. Se estima que la inversin
x
0
tiene en promedio
una probabilidad de 1 sobre 10 de crear 50 puestos de trabajo y 9 sobre 10 de crear 10; la
inversin
x
1
tiene en promedio una probabilidad de 1 sobre 20 de crear 110 empleos y 19
sobre 20 de crear 10; la inversin
x
2
permite generar con certeza 50 puestos de trabajo y
la
x
3
en promedio tiene una probabilidad de 1 sobre 2 de crear 110 empleos y 1 sobre 2 de
crear 10.
Se trata de comparar estos cuatro proyectos 2 a 2, en base a los datos anteriores, resumi-
dos en la siguiente tabla:
Proyectos
x
0

x
1

x
2

x
3

Empleos 50 10 110 10 50 110 10
Probabilidades 0,1 0,9 0,05 0,95 1 0,5 0,5
56
El enfoque clsico de la teora de la decisin, define en primer lugar una funcin de utilidad que
representa el valor que el decisor atribuye al hecho de crear 10, 50 o 110 puestos de trabajo:
sean entonces ( )
u u ( ) , 10 50 y ( )
u 110 los valores obtenidos. Se supone luego que una deci-
sin es tanto mejor cuanto mas grande sea el valor promedio de la funcin
u
. En el ejemplo,
los valores de los proyectos x x x x
0 1 2 3
, , , son respectivamente
v x u u ( ) , ( ) , ( )
0
0 1 50 0 9 10 +
v x u u ( ) , ( ) , ( )
1
0 5 110 0 95 10 +
v x u ( ) ( )
2
50
v x u u ( ) , ( ) , ( )
3
0 5 110 0 5 10 +
Conociendo los valores de ( )
u u ( ) , 10 50 y ( )
u 110 se deduce el orden de preferencias
con respecto a los proyectos.
Los axiomas de Von Neumann y Morgenstern dan las propiedades que deben poseer las
preferencias del decisor para que sean representativas del modelo. En el caso descrito,
vemos por ejemplo que si
x
1
es preferido a
x
0
, entonces:
v x v x ( ) ( )
0 1
<
entonces:
0 1 50 0 9 10 0 05 110 0 95 10 , ( ) , ( ) , ( ) , ( ) u u u u + < +
es decir:

0 1 50 0 05 110 0 05 10 , ( ) , ( ) , ( ) u u u < +
expresin que al multiplicarla por 10 nos da:
u u u ( ) , ( ) , ( ) 50 0 5 110 0 5 10 < +
lo que proporciona:
v x v x ( ) ( )
2 3
<
luego, se puede decir que
x
3
es preferido a
x
2
.
El modelo clsico, por lo tanto, excluye la posibilidad que el decisor prefiera simultnea-
mente
x
1
a
x
0
y
x
2
a
x
3
lo que es en si una actitud razonable.
57
La actitud de un decisor en una situacin de incertidumbre es un fenmeno muy complejo
en la modelizacin. Se ha demostrado que una probabilidad igual a 1 no tiene en ningn
caso un estatus equivalente a otra probabilidad, as como tambin es evidente que apare-
cen fenmenos de umbral en la percepcin de las probabilidades. Otro aspecto igualmente
importante es la consideracin de la atraccin o la aversin que un individuo pueda tener por
el riesgo o la incertidumbre, en funcin de este aspecto, un individuo preferir o no una
situacin en la que gana S/. 50 con certeza a otra en la que gana S/. 100 con una probabi-
lidad de 1 2 . Esta situacin se ilustra en el siguiente grfico:
| |
u u
S/. S/.
0 50 100 50 100
(50)
(50)
u
u
u
u u(100) (100)
(100)
u
u
(0)
(0)
0
+ 1/2 1/2
|
| |
| | |
|
x
x
x
x
2
0
3
1
10 10
10 10
50
50
50
50
110
110
110
110
58
La curva de utilidad del decisor (es decir la curva que muestra los valores que representan
para l las diferentes sumas entre S/. 0 y S/. 100) del lado izquierdo nos dice que la utilidad
de S/. 50 es superior al promedio de las utilidades de S/. 100 y S/. 0 (decisor adverso al
riesgo), mientras que la de la derecha, representa el caso de un decisor que amante del
riesgo.
Para la representacin de las preferencias en un contexto incierto, no debemos olvidar que
de hecho esto sera como comparar distribuciones de probabilidad. As entonces, en el
ejemplo de las inversiones, lo que se trata es de comparar a la siguientes cuatro distribucio-
nes de probabilidad:
En vez de reemplazar cada distribucin de probabilidad por un nmero como en el enfoque
clsico, podramos comparar las distribuciones sobre otras bases. Se han definido, por
ejemplo, las nociones de dominancia estocstica de primer orden , segundo orden, entropa
que generalmente conducen a estructuras de preferencias parciales. Tambin se puede
obtener una relacin valuada de preferencia al asociar a cada pareja ordenada ( , ) x x
0 1
de
distribuciones de probabilidad, un nmero dependiente de la probabilidad que
x
0
de un
mejor resultado que
x
1
. De esta manera, con los datos del ejemplo, la probabilidad que
x
2
sea mejor que
x
1
es 0,95 mientras que la probabilidad que
x
1
sea mejor que
x
2
es 0,05;
la probabilidad que
x
0
sea mejor que
x
3
es 0,05 mientras que la probabilidad que
x
3
sea
mejor que
x
0
es 0,5.
La comparacin de distribuciones de probabilidad es un problema difcil y sin lugar a dudas
dar lugar a muchos trabajos de investigacin. Sin embargo, en un problema concreto, no
hay que perder de vista que el mtodo a utilizar depende del contexto en el que se encuen-
tra y de la personalidad del decisor.
BIBLIOGRAFIA
ALLAIS, M. Le comportement de lhomme rationnel devant le risque: critique des postulats
et axiomes de lEcole Amricaine. Econometrica, 21. 1953
ARROW, K.J. Social choice and individual values. Wiley, New York, 1963.
BATTEAU, P., JACQUET-LAGREZE, E. y MONJARDET, B (eds) (1981). Analyse et
agrgation des prfrences dans les sciences sociales, conomiques et de gestion.
Economica. 1981.
DEBREU, G. Teora del valor. Bosch, Barcelona, 1973.
DESPLAS, M. Mathmatique de la dcision conomique. Dunod, Paris, 1967.
59
FISHBURN, P.C. Intransitive indifference with unequal indifference intervals. Journal of
Mathematical Psichology, 7, 1970.
FISHBURN, P.C. Utility Theory for Decision Making. John Wiley, Nueva York, 1970.
FISHBURN, P.C. Binary choice probabilities: on the varieties of stochastic transitivity. Journal
of Mathematical Psichology, 10, 1973.
GARCIA-COBIAN, R. Una versin didctica del teorema de imposibilidad de Arrow. Econo-
ma, vol 8, 1985.
GUIGOU, J. L. Analyse des donnes et choix critres multiples. Dunod, Paris, 1974.
JACQUET-LAGREZE, E. Rpresentation de quasi-ordres et de relations probabilistes
transitives sous forme standard et mthodes dapproximation. Mathmatique et
Sciences Humaines, 62, 1978.
JAFFRAY, J.Y y COHEN, M. Experimental results on decision making under uncertainty.
Methods of Operations Research, vol 44, 1982.
KEENEY, R. Decision analysis: an overview. Operations Research, vol 30, 1982.
KRANTZ, D. , LUCE, D., SUPPES, P. y TVERSKY, A. Foundations of measurement. 1,
Academic Press, 1981.
KREEPS, D. A course in microeconomic theory. Princeton University Press, New Jersey,
1990.
LUCE, D. Semiorders and a theory of utility discrimination. Econometrica, 24, 1956.
MICHEL, P. Cours de mahtmatiques poue economistes. Economica, Paris, 1989.
MONJARDET, B. Axiomatiques et propits des quasi-ordres. Mathmatique et Sciences
Humaines, 63, 1978.
MONJARDET, B y JACQUET-LAGREZE, E. Modlisation des prfrences et quai-ordres.
Mathmatique et Sciences Humaines, 62, 1978.
PHLIPS, L. Applied consumption analysis. North-Holland, Amsterdam, 1983.
ROBERTS, F.S, Homogemeous families of semiorders and the theory of probabilistic
consistency. Journal of Mathematical Psichology, 8, 1971.
ROBERTS, F.S. Measurement theory. Addison-Wesley, 1979.
60
ROUBENS, M. y VINCKE, Ph. Linear orders and semiorders close to an interval order.
Discrte Applied Mathematics, vol 6, 1983.
ROUBENS, M. y VINCKE, Ph. Preference Modeling.Lecture Notes in Economics and
Mathematical Systems, N250, Springer-Verlag, 1985.
ROY, B. Algbre moderne et thorie des graphes. T 1, Dunod, Paris, 1969.
ROY, B. Critres multiples et modlisation des prfrences. Lapport des relations de
surclassement. Revue dEconomie Politique, 1, 1974.
ROY, B. Critres multiples et optimisation pour choisir, trier, ranger. Economica, 1985
TVERSKY, A. y KAHNEMAN, D. Judgement under uncertainty: heuristics and biases.
Science, vol 185, 1974.
TVERSKY, A. On the elicitation of preferences: descriptive and prescriptive considerations.
En Bell, D., Keeney, R., Raiffa (eds), Conflicting objectives in decision, J. Wiley &
Sons, New York, 1977.
VINCKE, Ph. Quasi-ordres gnraliss et reprsentation numrique. Mathmatique et
Sciences Humaines, 62, 1978.
VINCKE, Ph. Linear utility functions on semiordered mixture spaces. Econometrica, 48, 3,
1980.
VON NEUMANN, J. y MORGENSTERN, O. Theory of games and economic behavior.
Princeton University Press, 1944.
61
ESTIMACIN DE LA VARIANCIA RESIDUAL EN DISEOS
CUADRTICAMENTE BALANCEADOS
Luis Alberto Daza Portocarrero
1
El presente articulo tiene por objetivo proporcionar las condiciones bajo las cuales el
cuadrado medio del error es el mejor estimador lineal de la variancia residual en problemas de
anlisis de variancia para los diseos experimentales.
RESUMEN
El uso de los diseos estadsticos es muy comn en trabajos experimentales. La
estimacin de los componentes de variancia se realiza usando el mtodo de mnimos cuadra-
dos, el teorema de GaussMarkov muestra, bajo las usuales Asunciones, que entre los
estimadores insesgados de los parmetros que son lineales en las observaciones, el estima-
dor mnimo cuadrtico tiene mnima variancia, es decir, es el mejor estimador lineal insesgado.
Es lgico considerar si una propiedad anloga es vlida para el estimador estndar de la
variancia del error s
2
, llamada, el cuadrado medio del error (CME), S
2
; es decir, se plantea la
siguiente interrogante: Entre todas las funciones cuadrticas que son estimadores insesgados
de s
2
, S
2
tiene mnima variancia?.
Hsu (1938), mostr que S
2
tiene la propiedad requerida en un modelo lineal de efectos
fijos, cuando las observaciones tienen kurtosis cero, g
2
=0, pero cuando g
2
es diferente de
cero, el estimador S
2
no tiene mnima variancia a menos que se cumpla una condicin sobre la
matriz de las ecuaciones mnimas cuadrticas.
En este artculo se proporciona una prueba para un importante caso especial de los
resultados de Hsu, consistente en la estimacin de la variancia residual en modelos lineales
usando el mtodo de mnimos cuadrados. Se introduce el concepto de diseo cuadraticamente
balanceado para la matriz diseo, Atiqullah(1962).
1
Profesor del Departamento Acadmico de Estadstica
62
SUMMARY
The use of the statistical designs is very common in experimental works. The estimate
of the variancia components is carried out using the method of square minima, the theorem of
GaussMarkov shows, under the usual Assumptions that among the unbiased estimates of
the parameters that are lineal in the observations, the quadratic minimum estimador has
minimum variancia, that is to say, it is the best unbiased lineal estimador. Is it logical to
consider if a similar property is valid for the standard estimador of the variancia of the error s
2
,
call, the half square of the error (CME), S
2
; that is to say, does think about the following
query: Among all the quadratic functions that are unbiased estimates of s
2
, does S
2
have
minimum variancia?.
Hsu (1938), it showed that S
2
has the property required in a fixed effects linear
model, when the observations have kurtosis zero, g
2
=0, but when g
2
are different from zero,
the estimate S
2
doesnt have minimum variancia unless on the matrix of the least-squares
equations is satisfied.
In this article a test is provided for an important special case of the results of Hsu,
consistent in the estimate of the residual variancia in lineal models using the method of
square minima. A concept of quadratic balance for the desing matrix is introduced,
Atiqullah(1962).
I. Introduccin
En un problema de estimacin lineal usando mnimos cuadrados, el teorema de
GaussMarkov muestra, bajo las usuales Asunciones, que entre los estimadores insesgados
de los parmetros que son lineales en las observaciones, el estimador mnimo cuadrtico
tiene mnima variancia, es decir, es el mejor estimador lineal insesgado Gujarati (1988, pag.
39). Es lgico considerar si una propiedad anloga es vlida para el estimador estndar de la
variancia del error s
2
, llamada, el cuadrado medio del error (CME), S
2
; es decir, se plantea la
siguiente interrogante: Entre todas las funciones cuadrticas que son estimadores
insesgados de s
2
, S
2
tiene mnima variancia?.
Hsu (1938), mostr que S
2
tiene la propiedad requerida en un modelo lineal de
efectos fijos, cuando las observaciones tienen kurtosis cero, g
2
=0, pero cuando g
2
es
diferente de cero, el estimador S
2
no tiene mnima variancia a menos que se cumpla
una condicin sobre la matriz de las ecuaciones mnimas cuadrticas. El argumento
de Hsu es complicado y fue simplificado para casos espaciales por Rao (1952) y Plackett
(1960).
En este artculo se proporciona una sencilla prueba para un importante caso espe-
cial de los resultados de Hsu, consistente en la estimacin de la variancia residual en mode-
los lineales usando el mtodo de mnimos cuadrados. Se introduce el concepto de
cuadraticamente balanceado Atiqullah(1962) para la matriz diseo.
63
II. Estimacin de la Variancia del Error
Suponga que Y es un vector columna de n observaciones con variancia constante
y con:
(2.1)
Donde A es una matriz conocida nxp y q es un vector columna px1 de parmetros desconoci-
dos. Es posible suponer sin perdida de generalidad, que el problema es parametrizable as que
el rango de A es p. Realizando la estimacin mediante el mtodo de mnimos cuadrados, la
suma de cuadrados del error es:
A , \ , L
2
Donde A es una matriz conocida nxp y q es un vector columna px1 de parmetros desconoci-
dos. Es posible suponer sin perdida de generalidad, que el problema es parametrizable as que
el rango de A es p. Realizando la estimacin mediante el mtodo de mnimos cuadrados, la
suma de cuadrados del error es:
(2.2)
Donde:
(2.3)
y se cumple que:
Ry y SCE
t
t 1 t
n
A ) A A ( A I R

p n ) R ( Tr , 0 RA , R R
2

(2.4)
Luego, el estimador de
2
, es:
5 3
$
$

Considerando ahora el estimador insesgado de (n-p)s2, de la forma: , donde Q es una matriz
semidefinida positiva. Esta restriccin es muy natural debido a que los estimadores de s2 no
pueden ser negativos, fue introducida por Rao (1952) y simplifica el argumento.
A continuacin se presentan una serie de lemas preliminares correspondientes a algunos
resultados que sern utilizados mas adelante. Denotando como m al vector E(y). Sean g1 y
g2, las medidas estndares del sesgo y la kurtosis, respectivamente; asumiendo los mismos
valores g1 y g2, para todos los elementos de y para simplificar los clculos sin perder genera-
lidad.
Lema 1: Si B es una matriz arbitraria y b es el vector columna de elementos de la diagonal de
B, entonces:
( ) ( ) + B ' B 1r By ' y L

(2.5)
64
'
+ q q
2
1
) Q ( Tr 2 ) S ( Var
t
2
2 4
q
( ) ( )
'

+ +
Bb ' 2 B ' 2
b ' b
2
1
B Tr 2 By ' y V

p n ) Q ( Tr
QA = 0.
Demostracin (ver anexo).
Por el lema 1, con , por (2.1):
A
Lema 4: Sea Q como en el lema 3 y sea Q=R+D, donde las tres matrices son simtricas,
entonces:
Tr(D)=0, DA=D (2.11)
QA A Q Tr S E
q
' ' ) ( ) (
2
+
RD=DR=D (2.12)
Las ecuaciones en (2.11), siguen de los requerimientos sobre las trazas de Q y R, y de
(2.4) y (2.8). La ecuacin (2.12) sigue de la forma explcita de (2.3) para R y la ecua-
cin (2.11).
Lema 2: Si Q es una matriz semidefinida positiva, entonces A'QA=0, implica QA=0.
Lema 3: Si tiene esperanza para todo , entonces: Qy y
t 2
) ( p n

El lema 4 indica que cualquier matriz D que satisfaga (2.11) conduce a un estimador
insesgado de . ( )
2
p n
(2.6)
(2.10)
(2.9)
(2.8)
(2.7)
65
Lema 5: La traza de Q
2
es:
( ) ( ) ( ) ( )

+ +
2 2
ij
d p n D Tr p n Q Tr
(2.13)
Para
2 2 2 2
2 2 D DR R D DR R Q + + + +
el lema 5 sigue de las expresiones (2.4) y (2.11).
El siguiente teorema especifica dos condiciones bajo las cuales el estimador de la variancia
residual S
r
(CME), es el mejor estimador insesgado de mnima varianza.
Teorema.- Si 2 = 0 si la matriz diseo A, es cuadrticamente balanceada el estimador
mnimo cuadrtico: Sr=CME de la variancia del error, es el estimador insesgado de mnima
variancia.
Demostracin:
Qy y S
t
q
Se tiene de los lemas 3 y 5 que si es definida positiva y tiene esperanza
para todo , entonces sustituyendo: q=r+d, se tiene:
2
) ( p n
( ) ( ) ( ) ( ) [ ] ( ) ( )
'
+ + + + d r d r D Tr p n Qy y Var S Var
t
q
'
2
1
2
2
2 4

( ) ( ) ( ) ( ) [ ] ( )( )
'
+ + + + d r d r D Tr p n Qy y Var S Var
t
q
'
2
1
2
2
2 4

( ) ( ) ( ) ( ) [ ] ( )
'
+ + + + d d d r r r D Tr p n Qy y Var S Var
t
q
' ' 2 '
2
1
2
2
2 4

( ) ( ) ( ) ( ) ( )
'
+ + +
'
+ d d d r D Tr r r p n Qy y Var
t
' ' 2
2
1
2 '
2
1
2
2
2 4
2
4

( ) ( )
'
,
_
+ + +

L L
LL LL LL
L M
LM
U
G G U
G 6 9DU 4\ \ 9DU
( ) ( )
'
,
_
+ + +

L L
LL LL LL
L M
LM
U
G
G U G 6 9DU 4\ \ 9DU
(2.14)
66
Tr(D)=0,DR=D (2.15)
La minimizacin de (2.14) en general es dificultosa, pero puede ser fcilmente obtenida, en dos
casos especiales, muy importantes.
Primer Caso
Si
2
=0, la expresin (2.14) queda reducida a:
Derivando (2.16) con respecto a d
ij
se tiene que:
( )
L M
LM
LM
G
G
4\ \ 9DU
Luego D=0, ser un mnimo si
( )

G
4\ \ 9DU
LM
>
La segunda derivada parcial respecto a d

ij
es:
( )
0 4
d
Qy ' y Var
L L
LM
>
Entonces, ; por consiguiente: esto es: D=0.

j , i , 0 d 4
LM

M L G
LM

( ) ( )

+
L M
LM
U
d 2 S Var Qy ' y Var
(2.16)
Las condiciones suficientes para que S
r
tenga mnima variancia entre todos los estimadores
cuadrticos insesgados de , se determinan minimizando la expresin (2.14), para
variaciones en D, sujetas a:
( )

S Q
Como D satisface las condiciones (2.15), entonces el mnimo condicional requerido es:
( ) ( ) ( )
T U
S Var S Var Qy ' y Var
67
Segundo caso
La siguiente definicin se debe a Atiqullah(1962), y es utilizada para verificar la propiedad de
mnima variancia del estimador de la variancia residual en modelos lineales.
Definicin.- La matriz diseo A es llamada (cuadraticamente) balanceada si los elementos
diagonales en , son iguales.
Como y , entonces y sus
elementos diagonales son: , los elementos diagonales de R son entonces todos iguales
a y como se tiene para la expresin (2.14):
( )

5 3 # %7 ( ) $ $ $ $ , 5

Q

( ) ( ) p ' A A ' A A Tr

n
p
n
p n
( ) 0 d D 1r
LM

( ) ( )
'
+ +

L
LL
L M
LM
U
d
2
1
d 2 S Var Qy ' y Var
ya que:
( ) %7
3
5 3
/
3
5 3
/ 7
L
LL
L
LL LL

,
_
,
_

Entonces:
( ) ( )
'
,
_
+ +

L M
LM
L
LL
U T
d d
2
1
1 2 S Var S Var
Hallando la derivada respecto a d
ij
, se tiene:
( )
'
,
_
j i d 2
j i d
2
1
1 2
d
S Var
LM
LM
LM
T
( )
'
,
_
j i 2
j i
2
1
1 2
d
S Var

LM
T
Igualando a cero, se tiene que d

ij
=0, i, j, esto es: D=0. Haciendo uso de la segunda derivada,
ser un mnimo si:
( )
. 0
d
S Var
LM
T
>

(2.17)
68
Como se sabe que
2
>-2, para toda variable aleatoria, entonces: 0
2
1
1 2

>
,
_
+
luego:
( )
. 0 2
2
1
1 2
d
S Var
M L M L

L M

LM
T
> +
,
_

Por consiguiente el estimador cuadrtico insesgado es el estimador de mnima variancia, cuando
2
=0 (distribucin normal), cuando la matrz diseo es (cuadraticamente) balanceada.
( ) ( )
( )
'

+
n
p n
2
1
1 p n 2 S Var

U
(2.18)
Ahora en la inferencia acerca de
2
, basada en la distribucin teorica normal, o en la compara-
cin de los valores de
2
en dos grups independientes de datos, el efecto de la no normalidad
sobre las conclusiones est representada por el factor entre llaves de la expresin (2.18).
El nmero relativo de grados de libertad para el error es , esto significa que las
inferencias sobre , cuando el nmero relativo de grados de libertad es pequeo, son mas
robustas que las inferencias basadas en muestras no normales simples, para el cual p=1.
Esto muestra, por ejemplo, que la comparacin de las variancias del error obtenidas de dos o
ms anlisis de la variancias complejos, se ve relativamente menos afectada por la no norma-
lidad, que similares comparaciones basadas en muestras aleatorias simples.
( )
n
p n
2
La condicin de balance cuadrtico para la matriz diseo se satisface en los diseos ortogonales
de clasificacin cruzada, tal como los de dos ms vas de clasificacin balanceada, en el
diseo cuadrado latino; en el diseo de bloques incompletos balanceados y en los diseos
anidados igualmente repetidos. Esta condicin es fcil de verificar examinando la forma de la
matriz R, en cada caso.
La condicin de balance cuadrtico no se satisface en el diseo completamente al azar con
desigual nmero de repeticiones por tratamiento, o en el diseo de bloques incompletos par-
cialmente balanceados. Para el primero de los casos Hsu mostr mediante ejemplos numri-
cos que no es posible mejorar sustancialmente el estimador estndar; esto se debe a que el
mejor estimador insesgado es una combinacin aadida de la diferencia entre grupos de
variancia.
III. Discusin
Para un caso especial de la expresin (2.9), la variancia del estimador estndar ,
calculado para cualquier diseo (cuadrticamente) balanceado es:
CML S
U

69
IV. Conclusiones
La presente investigacin permite llegar a las siguientes conclusiones:
El efecto de la no normalidad en los datos sobre las propiedades del estimador de la
variancia del error, se ve sustancialmente reducida cuando se trabaja con diseos igual-
mente repetidos.
Un menor nmero de grados de libertad para el error, reduce el efecto de la no normalidad
en los datos, esto es, el efecto ser menor en el caso de un diseo cuadrado latino, con
respecto al efecto producido para el caso de un diseo completamente al azar con igual
nmero de repeticiones.
V. Bibliografa
1. Atiqullah (1961). On a property of Balanced Desings. Biometrika, 48. 215-218.
2. Atiqullah (1962). The estimation of residual variance in quadratically balanced least-squares
problems and the robustness of the F-test. Biometrika, 49. 83-90.
3. Graybill (1967). Idempotent matrices and quadratic forms. Ann. Math. Stat, 28 678-686.
4. Hsu, P. L. (1938) Onthe best unbiased quadratic estimate of the variance. Statist. Res.
Mem. 2, 91-104.
5. Rao, C. R. (1952). Some theorems on minimum avriance estimation. Sankhya, 12, 27-42.
6. Scheffe, H. (1959). The analysis of variance. New York: John Wiley an Sons, Inc.
70
VI. Anexo
Demostracin del lema 1
Primera parte
Con E(Y) = y var(Y) =
2
se tiene que: E(YY) =
2
+
Luego, como la traza de un escalar es el escalar mismo, es decir:
YBY =TR(YBY) =TR(BYY)
Entonces:
E(YBY) = E(TR(YBY)) = E(TR(BYY)) = TRE(BYY)
= TR[BE(YY)] = TR[B(
2
+)]
= TR(B
2
+B)
= TR(B
2
) +TR(B)
E(YBY) =
2
TR(B) +B
Se tiene que:
V(YBY) = E[YBY - E(YBY)]
2
B B TR BY Y E ' ) ( ) ' (
2
+
V(YBY) = E{YBY -B -
2
TR(B)}
2
Ahora: YBY -B = (y -)B (y -) +2(y -)B
Entonces: V(YBY) = E{(y -)B (y -) + 2(y -)B -
2
TR(B)}
2
Haciendo: X=Y-, se tiene que : E(X)= 0, y luego:
V(YBY) =E(XBX +2XB -
2
TR(B))
2
71
V(YBY) = E{(XBX)
2
+4(XB)
2
-
4
TR(B)
2
+4(XBX)(XB)
2XBX
2
TR(B)-4XB
2
TR(B)} ()
Evaluando la esperanza de cada termino, notamos que:
( )

i j k l
l k j i kl j i
X X X X b b BX X
2
'
Dado que las X
i
son mutuamente independientes con los mismos momentos se tiene que:
( )
'
c c o
k j l i l j k i l k j i
l k j i m
x x x x E
l k j i
.
, ; , ; ,
4
4
De aqu:
( ) [ ]

+ + +
k i j i j i
ji ij ij kk ii
i
ii
b b b b b b m BX X E ) ( '
2 4 2
4
2
( ) [ ] ) ( ' ) 3 ( '
2 4 4
4
2

+ + +
i k i j i j
ji ij ij kk ii
b b b b b b b m BX X E
( ) [ ] ) ) ( 2 ) ( ( ' ) 3 ( '
2 2 4 4
4
2
B tr B TR b b m BX X E + +
(1)
Tambin :

i j
j i j i
X X a a a X B X
2 2
) ' ( ) ' (
( )
'
j i
j i
x x E
j i
0
2
Entonces: E(XB)
2
=

i
i
a a a '
2 2 2

E(XB)
2
=
2
(B)(B)
E(XB)
2
=
2
BB =
2
B
2
(2)
De: (XBX)(XB) =(XBX)(Xa) =

i j k
k j i jk i
X X X b a
72
E(x
i
x
j
x
k
) =
{
m
3
i = j = k
0 c.c
Luego:
E{ (XBX)(XB)} = m
3
i
ii i
b a
=m
3
ab
E{ (XBX)(XB)} = m
3
(B)b = m
3
Bb (3)
En (XBX)s
2
TR(B)
En (XB)(
2
TR(B))
E((XB)(
2
TR(B))) =
2
TR(B)e(XB)
Como:
E(X) = E[(XB)(
2
TR(B)) ] =
(5)
Reemplazando (1), (2), (3), (4), (5) en ().
V(yBY) =(m
4
- 3
4
)bb +
4
TR(B)
2
+2
4
TR(B
2
) +4
2
B
2
+
4
TR(B)
2
+4m
3
Bb - 2
4
TR(B)
2
-
Sean las medidas estndares de asmetria y
kurtosis respectivamente, entonces:
4
4
4
2
3
3
1
) 3 (

m
y
m
1
1
]
1
+ +
+
4
3
2
2
4
4
4
2 4
' 4 ' 2
'
) 3 (
) ( 2 ) ' (
Bb m B
b b
m
B TR BY Y V
1
1
]
1

+ +
Bb '
2
B ' 2
b ' b , B TR 2 , B\ ' \ V

E((XBX)
2
TR(B)) =
2
TR(B)
2
TR(B)
E((XBX)
2
TR(B)) =
4
TR(B)
2
(4)
73
( ) A y L
Por el lema 1, con se tiene:
Demostracin del Lema 3
( ) ( ) + 4$ $ 4 7U 4\ \ (

Por el lema 1:
1
1
]
1

+ +
Qq ' A '
2
A Q ' A ' 2
q ' q
2
1
, Q TR 2 , Q\ ' \ V

Luego, como: entonces: ; y tambin:
para todo , entonces: , lo cual implica por el lema 2 que
QA=0.
( ) ( ) S Q 4\ \ (
2
( ) ( ) 5 3 " %7
" "
Luego, A'QA = 0 = A'RR'A = B'B (B=R'A), lo cual implica que , esto es,
para todas las columnas de B.
Entonces: RB = QA = 0.
0 '
i i
b b 0
i
b
' '
2
1
2
1
RR L L Q
Demostracin del Lema 2
Para Q existe una matriz ortogonal L tal que:
( , '
2 1
diag QL L
0 >
i
, i=1,2,3,..., r. Denotando la matriz diagonal como
, enton
L L Q '
Sea
,
_
0 , , 0 , , , ,
2
1
2
1
2
2
1
1
2
1

r
diag entonces:
1
]
1
+ q ' q
2
1
, Q , 1R 2 , Q\ ' \ , V

Aplicando: , entonces:
" "
74
OBTENCION DE UNA BEBIDA FERMENTADA A PARTIR DE SUERO DE QUESO
UTILIZANDO CELULAS INMOVILIZADAS DE Kluyveromyces fragilis
Rocio Condor G.
1
Victor Meza C.
2
Fanny Ludea U.
3
RESUMEN
El presente estudio tuvo como objetivo principal optimizar la tecnologa de produccin
de una bebida alcohlica de suero de queso, utilizando Kluyveromyces fragilis NRRL Y-2415 y
la inmovilizacin de clulas.
En el biorreactor de lecho empacado, se obtuvo el mayor rendimiento (11,46+0,81
GL) con un flujo de 140-150 mL/h, una biomasa inmovilizada de 10% (v/v), una relacin de
columna de 1/12, tamao de perlas de 3 mm de dimetro, adicin de metabisulfito de sodio
(100 ppm) y clulas inmovilizadas con 2 % (p/v) de alginato.
Luego de optimizado todos los parmetros de fermentacin, se determin que la
clarificacin con tierra de diatomeas (1 kg/m
2
) permita obtener una bebida alcohlica
translcida y brillante. La bebida alcohlica fue evaluada en almacenamiento por 6 meses,
durante este perodo se le hicieron evaluaciones fisicoqumicas, microbiolgicas y sensoriales.
Se determin por Escala Hednica y Ranking que la bebida alcohlica de suero tiene
aceptabilidad.
SUMMARY
This study has as main objective the optimization of a techonology for the production of
an alcoholic beverage from c
1
heese whey, using Kluyveromyces fragilis NRRL Y-2415 and cell
immobilization.
In a bed packed reactor, the best yield was obtained (11,46+0,81 GL) with a flux of
140-150 mL/h, an immobilized biomass of 10% (v), a rate of column of 1/12, a size of pearl of 3
mm of diameter, an addition of sodium metabisulfite (100 pp
2
m) and immobilized cells with 2 %
(w/v) of alginate.
1
Investigadora del Laboratorio de Microbiologa Marino Tabusso, Departamento de Biologa,
U.N.A.L.M.;
2
Profesor Auxiliar , Departamento de Biologa, U.N.A.L.M.;
3
Profesora Asociada, Departamento de Tecnologa de Alimentos Planta Piloto de Leche, U.N.A.L.M.
75
After fermentation parameters were optimized, it was determined that the clarifica-
tion with tierra de diatomeas (1 kg/m
2
), could make possible the obtainment of a translucid
and bright alcoholic beverage.
The alcoholic beverage was evaluated in storage for 6 months. was evaluated
phisicochemically, microbiologically and sensorially. It was determined by Hedonic Scale
and Ranking that the alcoholic beverage has acceptability.
INTRODUCCION
La Industria Lctea constituye una
parte importante de la industria alimenticia,
su contribucin en trminos de contamina-
cin de aguas receptoras es significativa,
siendo necesario y obligatorio el uso o tra-
tamiento previo de los deshechos antes
de su eliminacin (5).
Para tener un ejemplo de la canti-
dad de suero que se produce slo en la Uni-
versi dad Naci onal Agrari a La Mol i na
(UNALM), se sabe que la Planta Piloto de
Leche destina entre 270 750 litros de le-
che para la produccin de quesos, por lo que
se obtienen entre 235,17 653,25 litros de
suero, diariamente.
En el presente trabajo se plantea
el uso de la tecnologa de inmovilizacin
de clulas con el suero de queso para la
produccin de una bebida alcohlica. Ade-
ms, se establecern los parmetros ne-
cesarios para que se pueda optimizar la
produccin de la misma. Al plantear esta
nueva tecnologa de produccin, no slo
se r esal t ar l a i mpor t anci a de l a
Biotecnologa en la optimizacin de pro-
cesos, tambin se estar mejorando el
aprovechamiento del suero y de la materia
prima inicial (leche), pudindose conside-
rar que con la produccin de la bebida al-
cohlica de suero se est dando un valor
agregado al mismo.
REVISION DE LITERATURA
El suero es conocido como materia
prima para la elaboracin de bebidas lcteas
(12, 15, 28) y alcohlicas (14, 23, 31).
En la actualidad, para el caso de
bebidas alcohlicas, se conoce que el al-
cohol obtenido en la planta Carbery de Ir-
landa es utilizado para la elaboracin de
bebidas alcohlicas. Tambin, se pueden
obtener directamente bebidas alcohlicas
a partir del suero, principalmente tipo cer-
veza y vinos (13).
El consumo de bebidas lcteas a
partir de suero est siendo bastante difun-
dida por su gran valor nutritivo. Adems, el
suero sirve como ingrediente en la elabora-
cin del kefir y koumiss (13). Otras bebi-
das fermentadas con bacterias lcticas o
mezclas de stas con levaduras han sido
desarrolladas en diferentes pases, las cua-
les generalmente se mezclan con jugos u
hortalizas u otros saborizantes. Un caso
muy exitoso es el de una bebida elaborada
en Suiza y comercializada en Europa Occi-
dental con el nombre comercial de Rivella,
producto elaborado con suero y lactosa
hidrolizada, concentrada, fermentado con
bacterias lcticas, saborizado con una mez-
cla de hierbas alpinas y carbonatado. Tam-
bin, la compaia Finlandesa Valio recien-
temente puso en el mercado una bebida con
el nombre de Gefilus elaborada con suero
76
con lactosa hidrolizada y fermentada con
una bacteria denominada Lactobacillus
GG, las cuales tienen propiedades de
probitico (13).
El presente estudio se realiz en el
Laboratorio de Microbioga Marino Tabusso
de la Facultad de Ciencias y en la Planta
Piloto de Leche de la UNALM.
Se trabaj con suero de queso fresco
y Kluyveromyces fragilis NRRL Y-2415
Inmovilizacin de K. fragilis
La levadura fue repicada de un tubo
conteniendo la cepa madre a un medio de
cultivo en placa, se incub a 30C por 5 das.
Despus se tomaron 20 asadas y se llev a
200 mL de suero acondicionado (pH 4,5 y
desproteinizado), contenidos en un erlenmeyer
de 1 L. Se incub a 30C por 10 horas en
constante agitacin. Para la recuperacin de
las levaduras se centrifug a 5000 rpm du-
rante 10 minutos, se hicieron lavados del pel-
let con solucin peptona al 0,85% y se
almacen a 4C hasta su utilizacin.
Para el proceso de inmovilizacin, se
autoclav alginato (2 g) con 30 mL de agua
destilada, a esta mezcla se le agreg una
suspencin de levaduras (se evaluaron
diferentes concentraciones: 10, 20, 30% v/v) y
finalmente, se complet con la cantidad de
agua destilada necesaria para llegar a 100 mL.
La mezcla final de 100mL contena 10, 20
30% de biomasa y 2% (p/v) de alginato. La
mezcla se dej caer sobre una solucin de
cloruro de calcio 0,1M y se dej polimerizar
por 1 hora. Posteriormente se traslad las
perlas formadas a una solucin 0,05M de
cloruro de calcio y se refriger por 24 horas.
Finalmente se traslad a una solucin de
cloruro de calcio 0, 025M donde se
mantuvieron hasta su uso en refrigeracin
(16). Antes de ser utilizadas fueron lavadas
con una solucin salina para remover los
iones de calcio que estuvieran en exceso
(8, 16, 17). Para conocer el nmero de
clulas aproximado en cada perla, se dej
gotear 1 mL de la mezcla sobre agua. Luego
se hizo el conteo de las clulas con la cmara
de Neubauer, expresando los resultados en
Nmero de clulas/mL
-1
de gel.
Determi naci n del efecto de
metabisulfito de sodio sobre la cintica de
fermentacin con diferentes concentraciones
de levadura
Se evaluaron tres concentraciones de
levadura: 10, 20 y 30% (v/v); en sistemas sin
metabisulfito y con 100 ppm de metabisulfito.
Se trabaj con 50 mL de sustrato, con 21 Brix
y 100 perlas con las diferentes concentraciones.
Se incub a 30C por 7 das (12, 14, 31),
evalundose la cintica de fermentacin con la
lectura de grados Brix y pH (21).
Determinacin del flujo ptimo en el
bioreactor de lecho empacado
En la Figura 1, se muestra el diagrama
del biorreactor de lecho empacado, utilizado
en este trabajo. La columna de relacin
diametro:longitud (D/L) de 1/12, se empac
en un 70% de su capacidad (3000 perlas),
el contenido de biomasa de las perlas fue
de 10% (v/v) lo que represent un rango de
5,3x10
8
a 1,2x10
9
clulas/mL de gel. El
suero acondicionado (pH 4,5 y 21 Brix)
se coloc en el depsito superior del lecho.
Se evaluaron 4 rangos de flujo: 50-60; 90-
100; 140-150 y 240-250 mL/h (16). Se
trabaj todo el proceso de fermentacin a
30 C. El proceso de fermentacin se
evalu con la lectura de los grados Brix y
el pH (22). Se determin el flujo ptimo ,
mediante el rendimiento medido en grados
alcohlicos al final de la fermentacin (7 das).
77
Figura 1. Biorreactor de Lecho Empacado
1. Depsito de sustrato 2. Manguera (ingreso) 3. Columna de inmovilizacin
4. Manguera (salida) 5. Depsito de producto 6. Manguera a BP
7. Bomba peristltica (BP) 8. Manguera (retorno) 9. Manguera (escape de C0
2
)
1 1
2 2
3 8 3 8
9 9
4 6
4
6
5
7
5
78
Determinacin de la biomasa ptima
Determinado el flujo ptimo , se prob
tres concentraciones de biomasa: 10, 20 y 30%
(v/v), conteniendo un rango de 5,3x10
8
a 1,2x10
9
;
1,1x10
9
a 1,3x10
9
y 2,0x10
9
a 3x10
9
clulas/mL
de gel, respectivamente. Se empac perlas has-
ta un 70% de la capacidad de la columna (1/12).
El control de la fermentacin fue efectuado del
mismo modo que para el flujo continuo. Se de-
termin el rendimiento midiendo los grados al-
cohlicos al final de la fermentacin (7 das).
Determinacin de la dimensin ptima de
la columna
Una vez que se determin el flujo y
concentracin de biomasa ptimos, se prob
con tres dimensiones de columna: 1:12; 1/:5
y 1:17. Se empac perlas hasta un 70% de
la capacidad de la dimensin de la columna.
Se evalu la fermentacin con el control de
Brix; pH y grado alcohlico al final de la fer-
mentacin (7 das).
Clarificacin de la bebida alcohlica
Para realizar la clarificacin, se em-
ple tierra de diatomea, en una cantidad de
1kg/m2 (18). Se form una suspensin de
5g de tierra de diatomea con agua estril en
un recipiente. Se agreg 2 gotas de leja por
cada medio litro de agua y se dej reposar
por 15 minutos. Seguidamente se procedi
a filtrar con un sistema al vaco, se emple
la tcnica de formacin de precapa (18, 27).
Para evaluar el resultado de la clarifi-
cacin se us el fotocolormetro a 570 nm,
antes y despus de la filtracin.
Despus de la clarificacin el produc-
to fue sometido a tratamiento trmico (70C
por 5 minutos) con la finalidad de inactivar las
levaduras y finalmente se le agreg 50 ppm
de metabisulfito para su conservacin.
Evaluacin de las caractersticas fsico-
qumicas y microbiolgicas de la bebida
alcohlica de suero
Se efectuaron las siguientes evalua-
ciones fsico-qumicas: Humedad (25); Ceni-
zas (2); pH (2); Acidez total, voltil y fija (2);
Slidos solubles totales (2); Azcares tota-
les y reductores (3); Sulfuroso total y libre
(2); Grado alcohlico (2); Protenas (4).
Se realizaron las siguientes evalua-
ci ones mi crobi ol gi cas: Recuento de
mesfilosa aerobios viables; Numeracin de
Coliformes Totales y Recuento de Mohos y
Levaduras (19).
Evaluacin sensorial de la
bebida alcohlica
La caracterizacin organolptica se
efectu en base a la Norma ISO 4121-1987.
La evaluacin sensorial para deter-
minar la aceptacin del producto , se llev a
cabo con 24 panelistas semientrenados (La-
boratorio de Anlisis Sensorial-Programa de
Nutricin Humana, UNALM). Se evalu la
aceptacin con dos mtodos afectivos suge-
ridos; se utiliz una Escala Hednica no
estructurada (1, 26) y el mtodo de Ranking
(26), para ello se evalu la bebida alcohlica
de suero frente a otros tres vinos de caracte-
rsticas similares. Los resultados fueron eva-
luados estadsticamente (26). Se utiliz un
Diseo Completo al Azar con tres repeticio-
nes y la comparacin entre tratamientos se
realiz por la prueba de Tuckey.
Evaluacin durante el almacenamiento
La bebida alcohlica envasada en
botellas de 400 mL de capacidad, fue alma-
cenada durante 6 meses bajo dos condicio-
nes: temperatura ambiente (botella transpa-
rente y oscura) y en refrigeracin (botella
79
transparente). Durante este perodo se eva-
luaron la acidez total y el pH.
RESULTADOS Y DISCUSION
Efecto del metabisulfito de sodio sobre
clulas inmovilizadas (cultivo en lote)
Se determin que la cintica de
fermentacin con clulas inmovilizadas (di-
ferentes concentraciones de biomasa), en
si stemas si n y con adi ci n de meta-
bisulfito de sodio (100 ppm) es diferente.
Se puede observar en la Figura 2, que en
sistemas sin adicin de metabisulfito,
exi st e una rel aci n di rect a ent re l a
biomasa inmovilizada y la cantidad de
azcares totales que se consume; la ma-
yor disminucin de azcares se obtiene
con 30%(v/v) de levaduras inmovilizadas.
Sin embargo, en sistemas con meta-
bisulfito, se produce una relacin inversa,
se obtuvo una mayor disminucin de az-
cares con 10 %(v/v) de levaduras.
Los resultados demuestran que K.
fragilis se ve afectada por la adicin del
metabisulfito, si a esto se suma la inmovili-
zacin de clulas, el efecto es mayor debi-
do a que la inmovilizacin limita la difusin
de nutrientes. Adems, las perlas estn en
un cultivo en lote, sin ningun tipo de agita-
cin, por tanto tienen una menor transfe-
rencia de masa, esto se acenta con el au-
mento de la concentracin de biomasa
inmovilizada. Por otro lado, se sabe que exis-
te un relacin fsica entre las perlas, las cua-
les se ven modificadas en superficie e inter-
face por la acumulacin de CO
2
(18).
Flujo ptimo para obtencin
de la bebida alcohlica
Se determin que el mayor rendi-
miento (11,46 + 0,81 GL) para la produc-
cin de la bebida alcohlica de suero se
obtiene con un flujo de 140-150 mL/h (Ver
Figura 3). De manera similar, se ha repor-
tado un flujo de 142 mL/h como ptimo para
la produccin de alcohol a partir de suero
en un biorreactor de lecho empacado (17).
El valor obtenido puede deberse, a que bajo
estas condiciones la levadura K. fragilis lo-
gra una mejor transferencia de masa, trans-
formando as, los azcares presentes en
el medio. Adems, debe generarse la sufi-
ciente turbulencia como para permitir la re-
mocin de catabolitos que pueden inhibir
la actividad de las levaduras, en bior-reac-
tores con clulas inmovilizadas (10, 22,
25). Al ser comparados los rendimiento
entre clulas inmovilizadas y libres de K.
fragilis, se observa un mayor rendimiento
para las primeras, con valores de grado
alcohlico de 11,46+0,81 y 9,83+0,55 GL,
respectivamente. Se ha reportado que la
mayor concentracin de etanol se obtiene
con clulas inmovilizadas que con clulas
libres en fermentaciones con K marxianus
IMB3 y sacarosa (12).
Biomasa ptima para la obtencin
de la bebida alcohlica
miento (11,46 + 0,81GL) para la produc-
cin de la bebida alcohlica de suero se
obtiene con una biomasa de 10 %(v/v) (ver
Figura 4), con respecto a las concentracio-
nes de 20% y 30% respectivamente. Esto
se debe a que las altas concentraciones
de levaduras ocasionan una tasa de consu-
mo de sustrato superior a la tasa de trans-
ferencia de producto, al exterior de la perla,
l o cual puede i nhi bi r a l as l evaduras
inmovilizadas. Se seala que una mayor
concentracin de levaduras inmovilizadas
por unidad de gel en las perlas de alginato,
disminuye el coeficiente de difusin del
sustrato y productos (11).
A
n
a
l
e
s

C
i
e
n
t
f
i
c
o
s

U
N
A
L
M
8
0
5
7
9
1 1
1 3
1 5
1 7
1 9
2 1
0 1 2 3 4 5 6 7
t ( d as)

B
r
i
x
10 % s in S O2
20 % s in S O2
30 % s in S O2
10 % s in S O2
20 % s in S O2
30 % s in S O2
Fig. 2 Variacin de la concentracin de azcar (Brix) durante la fermentacin a diferentes concentraciones de levadura,
sin y con adicin a diferentes concentraciones de levadura, sin y con adicin de metabisulfito de sodio (100 ppm)
81
9
1
1
1
3
1
5
1
7
1
9
2
1
0
1
2
3
4
5
6
7
t

(
d
a
s
)
B r i x
4
0

-

5
0
9
0

-

1
0
0
1
4
0

-

1
5
0
2
4
0

-

2
5
0
8
,
5 9
9
,
5
1
0
1
0
,
5
1
1
1
1
,
5

G
L
4
5
9
5
1
4
5
2
4
5
F
l
u
j
o

(
m
l
/
h
r
)
F
i
g
u
r
a

3
:

V
a
r
i
a
c
i
n

d
e

l
a

c
o
n
c
e
n
t
r
a
c
i
n

d
e

a
z
c
a
r

(
B
r
i
x
)

d
u
r
a
n
t
e

l
a

f
e
r
m
e
n
t
a
c
i
n
c
o
n

d
i
f
e
r
e
n
t
e
s

f
l
u
j
o
s

d
e

i
n
m
o
v
i
l
i
z
a
c
i
n
A
n
a
l
e
s

C
i
e
n
t
f
i
c
o
s

U
N
A
L
M
8
2
9
11
13
15
17
19
21
0 1 2 3 4 5 6 7
t ( da s)

B
r
i
x
10% v/ v
20% v/ v
30% v/ v
9
9,5
10
10,5
11
11,5
GL
10% 20% 30%
Figura 4: Variacin de la concentracin de azcar (Brix) durante la fermentacin
con diferentes concentraciones de levaduras (% v/v)
83
Adems, el sustrato que va a lle-
gar, a las clulas inmovilizadas y empaca-
das en una columna, tiene que atravesar
por varias barreras; primero atraviesa la
interfase perla y medio lquido, luego ha-
brn limitaciones difusionales dentro de la
perla y finalmente el sustrato atravesar la
pared celular para poder ser transformado
(29). El empleo de altas concentraciones
de clulas entrampadas en alginato acor-
ta el tiempo requerido para la produccin
del mximo rendimiento de alcohol, sin em-
bargo, el porcentaje de clulas que sobre-
viven decrece con el aumento de la con-
centracin incial de clulas (32). Las leva-
duras inmovilizadas, se pueden ver afecta-
das en su rendimiento por efectos de la
gran produccin de CO
2
por unidad de per-
la. La produccin de CO
2
es 2.5 veces
mayor en cl ul as i nmovi l i zadas en
alginato que en clulas libres a 5 y 10 %
de etanol (7).
Con respecto a la adicin de meta-
bisulfito y diferentes concentraciones de
levadura inmovilizada, se obtiene un perfil
muy parecido de disminucin de azca-
res al obtenido en cultivos en lote. Una
mayor disminucin de azcares totales
con la menor concentracin de biomasa,
10 %(v/v).
Dimensin ptima de la columna para
obtencin de bebida alcohlica
miento (11,46+0,81GL) para la produccin
de la bebida alcohlica de suero se obtiene
con una dimensin de columna de 1:12 (ver
Figura 5). Esto podra deberse a que esta
relacin genera dimensiones intermedias que
permiten una buena transferencia de masa
y una eficiente liberacin de CO
2
. Experimen-
tos realizados con clulas inmovilizadas en
alginato y en lecho empacado determinaron
que el tamao de la columna del reactor
(relacin D/L) afecta la productividad y efi-
ciencia de la fermentacin debido al CO
2
y
efectos de la transferencia de masa (6, 30).
Por otro lado, la relacin de colum-
na 1/12, permite dimensiones que hacen
que se mantengan condiciones equivalen-
tes en cada parte de la columna, de tal
manera, que las perlas que estn ubicadas
en la base de la columna presentan igual
conversin de azcares que las perlas ubi-
cadas en la parte superior. Probablemente,
las otras relaciones de columna (1/15 y 1/
17), no presentan condiciones similares a
lo largo de la columna, pudindose afectar
las perlas que estn en la base de la co-
lumna, porque soportan una mayor presin
fsica.
Clarificacin de K. fragilis
Se determin que el empleo de 1 Kg/
m
2
de tierra de diatomeas es la dosis adecua-
da para lograr una bebida clarificada. Esto se
comprob con los porcentajes de transmitancia
que variaron antes y despus de la filtracin;
74,43+0,54 y 97,29+ 1,5 % , respectivamen-
te. De manera similar, se han presentado re-
sultados en los cuales se logra una buena
clarificain de vinos con tierra de diatomeas
(22, 27).
Caracterizacin fisicoqumica
de la bebida alcohlica de suero
Los resultados se presentan en
el Cuadro 1. Los valores determinados
estn dentro de los rangos permitidos
para bebidas alcohlicas similares (20,
22, 27, 28).
84
Cuadro 1: Evaluacin fisicoqumica de la bebida alcohlica
Anlisis Bebida alcohlica
Humedad (%) 92,87+0,84
Cenizas (g/L) 4,46+0,58
PH 3,93+0,03
Acidez total, expresado en g/L
cido sulfrico
3,01+0,08
Acidez voltil, expresdo en g/L
cido actico
0,48+0,33
Acidez fija(g/LH2SO4) 2,62+0,35
Solidos solubles (Brix) 10,77+0,87
Azcar total 5,50+ 0,1
Azcar reductor 5,14+1,17
Sulfuroso total (ppm) 64+1,2
Sulfuroso libre (ppm) 16+2,4
Sulfuroso combinado (ppm) 48+1,4
Grado alcohlico (
GL) 11,47+ 0,81

Protena (%) 0,1
85
9
1
1
1
3
1
5
1
7
1
9
2
1
0
1
2
3
4
5
6
7
t

(
d
a
s
)
B r i x
1
:
1
2
1
:
1
5
1
:
1
7
9
9
,
5
1
0
1
0
,
5
1
1
1
1
,
5

G
L
1
:
1
2
1
:
1
5
1
:
1
7
F
i
g
u
r
a

5
:

V
a
r
i
a
c
i
n

d
e

l
a

c
o
n
c
e
n
t
r
a
c
i
n

d
e

a
z
c
a
r

(
B
r
i
x
)

d
u
r
a
n
t
e

l
a

f
e
r
m
e
n
t
a
c
i
n
c
o
n

d
i
f
e
r
e
n
t
e
s

d
i
m
e
n
s
i
o
n
e
s

d
e

l
a

c
o
l
u
m
n
a
86
Caracterizacin microbiolgica
Despus del almacenamiento de la
bebida alcohlica de suero, se ha determi-
nado un recuento menor a 10 de Mesfilos
Aerobios Viables (UFC/mL); un recuento
menor a 10 de Mohos y Levaduras (UFC/
mL) y una numeracin menor a 03 de
Coliformes Totales (NMP/mL),. Esto indi-
ca que la bebida es microbiologicamente
aceptable y que los mtodos de inacti-
vacin y estabilizacin efectuados son los
adecuados.
Comportamiento en almacenamiento
En el Cuadro 2, se observa los re-
sultados de la evaluacin de la acidez total y
pH de la bebida alcohlica de suero durante
el almacenamiento
El primer mes se tuvo un descenso
de la acidez total y un aumento del pH, pero
a partir del segundo mes en adelante se
tuvo un perfil variable de la acidez total y
pH. La prdida de acidez total el primer mes,
se puede deber a la precipitacin de cier-
tos compuestos que son insolubles a ba-
jas temperaturas y precipitacin de sales .
La precipitacin produce una disminucin
de la acidez total del medio, modificando
as su resistencia ante los microorganismos
y sobre t odo sus caract er st i cas
organolpticas. Adems, a bajas tempera-
turas se facilita la solubilidad de los gases
disueltos y se deposita las protenas (27).
En general a temperatura ambiente (22C)
y en refrigeracion (4C) las caractersticas
evaluadas de la bebida alcohlica tuvieron
un comportamiento similar. Durante la eva-
luacin en botellas trasnlcidas y oscuras,
Cuadro 2: Comportamiento en almacenamiento de las bebidas alcohlicas
de suero de queso a diferentes temperaturas
Refrigeracin Temperatura ambiental
Tiempo (mes) Acidez total (g/L
H2SO4)
pH Acidez total (g/L
H2SO4)
pH
0 3,41 3,6 3,41 3,6
1 3,02 0,04 4 3,06 0,06 3,9
2 3,33 0,29 4,1 3,21 0,05 4
3 3,25 0,14 4,1 3,15 0,08 4,05
4 3,1 0,03 3,93 0,04 3,15 0,03 3,92 0,13
5 3,27 0,04 3,35 3,23 0,06 3,7
87
se determin que estas ltimas conserva-
ban el color inicial de la bebida alcohlica.
Evaluacin sensorial
La caracterizacin organolptica rea-
lizada en un laboratorio certificado, indica que
la bebida alcohlica de suero tiene un olor y
sabor caractersticos de un vino semi-seco.
La evaluacin de aceptacin reali-
zada con la prueba de Ranking, concluy
que las tres muestras evaluadas compara-
das con el control (bebida alcohlica de sue-
ro) son inferiores. Con Escala Hednica, se
evalu el atributo olor, color y sabor,
obtenindose 77+ 2,83; 59+14,85 y 68,5+
12,02 % de aceptacin, respectivamente. Lo
que inidica solo discrepancia con el atributo
color y sabor.
CONCLUSIONES
1. Se ha determinado, que en un sistema sin
metabisulfito de sodio, la concentracin
ptima de clulas inmovilizadas es de
30% (v/v) y para un si stema si n
metabisulfito de sodio la concentracin
ptima es de 10% (v/v).
2. El mayor rendimiento (11,46+0,81 GL),
en un biorreactor de lecho empacado se
obtiene con las siguientes condiciones: un
flujo de 140-150 mL/h, una biomasa
inmovilizada de 10 % (v/v), una relacin
de columna dimetro/longitud de 1/12,
tamao de perlas de 3 mm, adicin de
metabisulfito de sodio (100 ppm) y clulas
inmovilizadas con 2 % (p/v) de alginato.
3. La clarificacin de la bebida alcohlica con
tierra de diatomeas (1Kg/m
2
), permiti
obtener una bebida translcida y con brillo.
4. Optimizados los parmetros de produccin
de la bebida alcohlica (biorreactor lecho
empacado) se obtuvo una bebida con:
11,47+0,81 GL; 0,48+0,33 g/L de acidez,
expresado en cido actico; 64+1,2 ppm
de sulfuroso total; 0,46 % de cenizas y
0,1% de protenas.
5. Los anlisis microbiolgicos indicaron que
l a bebi da al cohl i ca de suero es
microbiolgicamente aceptable.
6. Al ser evaluada la bebida durante
almacenamiento se determin que en
botellas oscuras se mantienen las
caractersticas organolpticas.
7. La evaluacin sensorial de la bebida
alcohlica tanto por Escala Hednica
como por Ranking, demuestra que la
bebida alcohlica tiene aceptacin.
BIBLIOGRAFIA
1.- AMERINE, M. 1965. A series of
monographs. Principles of sensory
evaluation of Food. Academic Press
S.A. U.S.A. 306-374 pp.
2.- AMERINE, M. y C. OUGH. 1976. An-
lisis de vinos y mostos. Editorial
Acribia S.A. Zaragoza, Espaa. 158 p.
3.- AOAC 28.1.14-1995. Vinos. Determi-
nacin de azcares en vinos.
4.- AOAC 920.105-1990. Determinacin
de protenas. Mtodo de Khejdal.
5.- BRAILE, D.M. 1993. Manual de trata
miento de aguas Residuarias Indus-
triis.CETESB. Brazil. 235-267 pp.
6.- BUZAS, Z.; K. DALLMAN; L. BOROSS;
B. SZAJANI & G. HORVATH. 1990.
Factors influencing the operation of the
88
vertical bioreactor segmented with
perforated plates. Acta Biochim.
Biophys. Hung. 25(1-2):9-16.
7.- CIESAROVA, Z.; Z. DOMEY; D.
SMOGROVICOVA; J. PATKOVA & E.
STURDIK. 1998. Comparison of
ethanol tolerance of free and im-
mobilized Saccharomyces uvarum
yeasts. Fol i a Mi crobi ol . (Praha)
43(1):55-58.
8.- CHIBATA, I.; T. TOSA & T. Sato. 1986.
Methods of cell Immobilization. En
Manual of Industrial Microbilogy and
Biotechnology) (A.L. Demain & N. A.
Solomon, Eds.) American Society for
Microbiology. Washington, D.C. pp.
217-247.
9.- DALE, A; A. EAGER & M. OKOS.
1994. Osmotic inhibition of free and
immobilized K. marxianus: Anaerobic
growth and ethanol productivity in
whey permeate concentrate. Process
Biochem. 29: 535-544.
10.- DIVIES, C.; R. CACHON; J. CAVIN &
H. PRESCOT. 1994. Theme 4: Im-
mobilized Cell Technology in wine
production. Critical Rev.in Biotech.
145(2): 135-153.
11.- FERGUSON, P.; H. MULHOLLAND;
N. BARRON; D. BRADY & A. MC
HALE. 1998. Sucrose-supplemented
dsi t i l ery wash as a medi um f or
production of ethanol at 45C by free
and alginate-immobilized preparations
of Kluyveromyces marxianus IMB3.
Biop. Eng. 18(4):257-259
12.- FRENEL, J. & K. MOORE. 1978.
Swiss Scientists develop soft drink
f r om whey. Dai r y Sci . Abst r s.
41(1):87
13.- GARIBAY GARCIA, M.; R. QUINTE
RO RAMIREZ y A. MUNGUIA LOPEZ.
1993. Biotecnologa Alimentaria.
Limusa Noriega Editores. Mxico.
152-233 pp.
14.- GAWEL, J. & F. KOSIKOWSKI. 1978.
Application of acid lactase to wine
making from cottage cheese whey
concent r at e. Dai r y Sci . Abst .
41(1):88.
15.- KRIEL, J.1980. A chocolate beverage
made from sweet whey. Dairy Sci.
Abst. 42 (6): 3356.
16.- MARWAHA, S; J. KENNEDY & V.
SEGHAL. 1988. Si mul at i on of
process conditions of continuous
et hanol f er ment at i on of why
permeate using alginate entrapped K.
marxi anus NCYC 179 cel l s i n a
packed-bed reactor system. Process
Biochem. 17-22 pp.MINISTERIO DE
AGRICULTURA
17.- MC GHEE, J; J. GRANT & R. DETROY.
1982. Cont i nuous and st at i c
fermentation of glucose to ethanol by
i mmobi l i zed Sacchar omyces
cerevisae cells of different ages. Appl.
Environ. Microbiol. Pp 19-22.MOLINA
UBEDA, R. 1992. Tcnicas de filtra
cin en la indust
18.- MOLINA UBEDA, R. 1992. Tcnicas
de filtracin en la industria enolgica.
A Madrid Vicente Ediciones. Espaa.
20-40, 55-64 pp.
19.- NTP 202.083. Jul. 1988. Leche y Pro-
ductos Lcteos. Ensayos Micro-bio-
lgicos.
20.- NTP 212.014. Dic 1985. Bebidas al
cohlicas. Vinos.
89
21.- NUEZ , M. & J. LEMA. 1987. Cell
immobilization: Application to alcohol
production. Enzyme Microb. Technol.
9: 642-651.
22.- OUGH, C. 1996. Tratado basico de
Enologia. Editorial. Acribia S.A. Zara-
goza, Espaa. 294 p.
23.- PALMER, G. 1979. Modern technology
transform whey into wine. Dairy Sci.
Abst. 41: 861.
24.- PARASCANDOLA, P.; E. ALTERIIS; R.
SENTANDREN & J. ZUECO. 1997.
Immobilization ad ethanol induce the
same molecular response at the level
of the cell wall in growing yeast. FEMS
Microbiology Letters. 150: 121-126.
25.- PEARSON, D. 1976. Tcnicas de La-
boratorio para el Anlisis de Alimen-
tos. Editorial Acribia S. A. Espaa.
331 p.
26.- PEDRERO, D. y R. PANGBORN.
1989. Evaluacin sensorial de los ali-
mentos. Editorial Alhambra Mexicana
S.A. Mxico. 274 p.
27.- PEYNAUD, E. 1989. Enologa prcti-
ca. Conocimiento y elaboracin del
vino.Tercera edicin. Ediciones Mundi
-Prensa. Espaa. 111-137, 291-299,
323-331, 357-367 pp.
28.- SABAA-SRUR, A.; M. KOBLITZ; L.
F REI MAN; V. OL I VEI RA y
E.GONZALES. 1995. Uso integral do
soro de queijo minas frescal elaborcao
de bebida fermentada e usa aceita-
bilidae. 17 (1-2): 57-62.
29.- WISEMAN, A. 1991. Manual de Biotec-
nologia de las enzimas. Editorial Acribia
S.A. Zaragoza, Espaa. 69-76 pp.
30.- YADAV, B.; O. RANI; S. DHAMIJA;
P. NIGAM & D. SINGH. 1996. Process
optimization for continuous ethanol
fermentation by alginate-immobilized
cells of Saccharomyces cerevisiae
HAU-1. J. Basic Microbiol. 36(3):205-
210.
31.- YANG, H.; F. BODYFELT & K. BERGGEN.
1979. Utilization of cheese whey for
wine production. Dairy Sci. Abst. 41
(4):89.
32.- YOUSEF, K.; M. GHAREIB & A.
KHALIL. 1989. Production of etahnol
by alginate-entrapped Saccharomyces
cerevisiae 14-12. Indian J. Exp. Biol.
27(2):121-123.
90
RECUPERACION DE SUERO DE QUESERIA PARA LA PRODUCCION
DE UNA BEBIDA ALCOHOLICA EN UN
SISTEMA EN LOTE
Rocio Condor G.
1
Victor Meza C.
2
Fanny Ludea U.
3
RESUMEN
Se determinaron parmetros para la produccin de una bebida alcohlica a partir
de queso fresco con Kluyveromyces fragilis NRRL Y-2415, mediante el sistema tradicional
de cultivo en lote. Se utiliz suero de queso fresco de la Planta Piloto de Leche de la
Universidad Nacional Agraria La Molina.
Se determin que el acondicionamiento del suero (pH 4,5 y desproteinizado) es
ptimo mediante un tratamiento trmico de 121 C por 15 minutos. Para la produccin de la
bebida alcohlica de suero en cultivo en lote, se obtiene el mejor rendimiento, de 11,5 GL,
utilizando una concentracin inicial de 21 Brix; 1% de inculo; pH 4,5 y 30C durante 20
das. Al evaluarse el metabisulfito de sodio (100 ppm) se determin que disminuye el rendi-
miento en un 14,5% (de 11,5 GL a 9,83 GL). La inactivacin de Kluyveromyces fragilis
NRRL Y-2415 es efectiva a 70C por 5 minutos; para la estabilizacin de la bebida se agreg
50 ppm de metabisulfito de sodio.
SUMMARY
1
Investigadora del Laboratorio de Microbiologa Marino Tabusso, Departamento de Biologa,
U.N.A.L.M.;
2
Profesor Auxiliar , Departamento de Biologa, U.N.A.L.M.;
3
Profesora Asociada, Departamento de Tecnologa de Alimentos Planta Piloto de Leche, U.N.A.L.M.
Parameters for the production of an alcoholic beverage were determined from fresh
cheese whey with Kluyveromyces fragilis NRRL Y-2415 through the traditional system of batch
culture. Fresh cheese whey from Universidad Nacional Agraria La Molina milk Pilot Plant was
used.
91
INTRODUCCION
La produccin de suero en el Per
representa alrededor de 200.000 t anua-
les, todo este suero no es aprovechado lo
que conlleva una prdida de 1.400 t de pro-
tena y 100.000 t de lactosa, adems de
sales minerales y otros nutrientes. Asi-
mismo el suero ocasiona cambios de la
biodiversidad con los consecuentes pro-
blemas ecolgicos (7).
El suero que se elimina en las plan-
tas lecheras genera una gran contaminacin
y por su alto nivel de sustancias orgnicas
requiere una Demanda Biolgica (DOB) de
30 a 60 g de O2/L y una Demanda Qumica
de Oxgeno de 160 a 170 mg de O2/L. Los
productos orgnicos que generan los
efluentes de una planta lechera que procesa
100 t de leche, producen tanta contamina-
cin como los efluentes de una ciudad de
55.000 habitantes, por tanto desde el punto
de vista ecolgico el suero debe ser tratado
a fin de recuperar sus componentes orgni-
cos (27).
El objetivo del presente trabajo es
establecer los parmetros adecuados para
el aprovechamiento del suero en la produc-
cin de una bebida alcohlica utilizando
Kluyveromyces fragilis en un sistema en lote.
It was determined that the optimal preparation method for whey (pH 4,5 and without
proteins) was through thermal treatment at 121 C for 15 minutes. For the production of the
alcoholic beverage in bath culture, the best yield of 11,5 GL was obtained, using an initial
concentration of 21 Brix, 1% of inoculate, pH 4,5 and 30C, during 20 days of fermenta-
tion. When sodium metabisulphide effect was evaluated (100 g.mL
-1
) in batch cultures,
it was determined that yield decreases in 14,5% (from 11,5 GL to 9,83 GL).
After optimizing the parameters for fermentation, the inactivation of Kluyveromyces
fragilis was evaluated, being the thermal treatment at 70 C for 5 minutes the most effec-
tive. Also it was determined that the clarification with tierra de diatomeas(1 Kg.m
-2
) per-
mitted to obtain a translucent and brilliant alcoholic beverage. Finally, for the stabilization
of the alcoholic beverage, 50 g.mL
-1
of sodium metabisulphide was added.
El presente estudio se realiz en el
Laboratorio de Microbiologa Marino
Tabusso de la Facultad de Ciencias y en la
Planta Piloto de Leche de la UNALM.
Materia prima
Suero de queso fresco
Microorganismo
Kluyveromyces fragilis NRRL Y-2415
Evaluacin de las condiciones ptimas
para el crecimiento y mantenimiento de
K. fragilis NRRL Y-2415
Se evaluaron tres medios de culti-
vo: Medio Difco, Extracto de Levadura Mal-
ta y Extracto de Levadura modificado. Se
coloc 25 mL de cada medio de cultivo l-
quido en erlenmeyers de 250 mL y se agre-
g la cepa liofilizada. Se incub a 30 C por
24 a 96 horas y se observ macros-
cpicamente el desarrollo del microorganis-
mo. Asimismo se sembr por inclusin 1,0
mL de medio de cultivo lquido (contenien-
do bacterias en suspensin) en placas de
Petri; posteriormente se adicion 12 a 15
mL de cada medio en evaluacin, se
homogeniz e incub a 30 C por 24 a 96
RECUPERACION DE SUERO DE QUESERIA PARA LA PRODUCCION DE UNA BEBIDA
ALCOHOLICA EN UN SISTEMA EN LOTE
92
horas, se monitore el crecimiento del mi-
croorganismo durante este perodo. Final-
mente, una vez determinado el medio ms
adecuado, la cepa de Kluyveromyces fragilis
NRRL Y-2415 fue resembrada en tubos con
agar inclinado e incubada a 30 C por 96 ho-
ras, al cabo del cual fue almacenada en refri-
geracin a 4 C.
Acondicionamiento de suero
de queso fresco
El suero fue desproteinizado me-
diante tratamiento trmico (8, 26). Se eva-
luaron los siguientes tratamientos trmicos:
80, 90, 100 C por 10, 20 y 30 minutos res-
pectivamente y tratamiento de esterilizacin
de 121 C por 15 minutos. El mejor trata-
miento fue obtenido de acuerdo al nivel de
precipitacin de las protenas y a la medida
de la turbidez del sobrenadante mediante
la lectura en un fotocolormetro a 570 nm.
Luego del tratamiento trmico, el suero fue
sometido a filtracin por vaco empleandose
papel Whatman Nro.1, finalmente se regul
el pH del suero a 4,5 (24, 26).
El suero desproteinizado fue ca-
racterizado mediante los siguientes an-
lisis fsicos y qumicos: Humedad (25);
acidez (20); pH (25); cenizas (25); den-
sidad (25); slidos totales (1); azcares
reductores (19); lpidos (25) y protenas
(21).
Adaptacin al suero de queso y cintica
de crecimiento de K. fragilis
Para evaluar la cintica de crecimien-
to, se repic de un tubo conteniendo la cepa
madre a un medio de cultivo en placa y se
incub a 30 C (8, 10, 13, 23, 25,33) por 5
das. Posteriormente se llev a 50 mL de
medio de cultivo lquido a pH 4,5 (23) y sue-
ro desproteinizado a pH 4,5 y se incub a
30C. Se repiti este procedimiento hasta
obtener entre 1 a 3x10
6
clulas.mL
-1
. A par-
tir de este cultivo, con un nmero de clu-
las conocido, se inocul en un medio lqui-
do de 200 mL contenidos en un matraz de
1L. Este ltimo matraz se llev a agitacin
a 30C por 11 horas, durante este tiempo,
se hizo recuento de clulas.mL
-1
y lectu-
ras en el foto-colormetro a 570 nm (8, 29).
Evaluacin del efecto de la fuente carbo-
nada y concentracin en la produccin
de la bebida alcohlica en cultivo en lote
Se evaluaron tres fuentes carbona-
das: glucosa QP, sacarosa QP y sacaro-
sa comercial la concentracin fue regula-
da a 21 Brix (34). Las pruebas se efec-
tuaron por triplicado empleando una canti-
dad de 450 mL de suero previamente acon-
dicionado (pH 4,5 y desproteinizado), al
cual se le inocul 1% de cultivo (6). Las
muestras fueron incubadas a 30C por 2
semanas. La cintica y rendimiento se eva-
lu mediante la medicin grados Brix y
grados alcohlicos logrado al final de 2 se-
manas de fermentacin (23). Una vez de-
terminada la mejor fuente carbonada, se
evaluaron diferentes concentraciones de la
misma: 21, 25 y 29 Brix. El procedimien-
to efectuado fue el mismo descrito ante-
riormente.
Evaluacin del efecto de metabisulfito de
sodio sobre clulas libres de K. fragilis
en la produccin de la bebida alcohlica
en cultivo en lote.
Se evaluaron muestras sin adicin
y con adicin de metabisulfito de sodio
(100mg.mL
-1
) (5, 14, 34). El experimento se
realiz en frascos de vidrio conteniendo 150
mL de suero acondicionado con 1% de
inculo inicial, pH 4,5 y 30 C por 7 das.
Se hizo el seguimiento con la medida del
pH y Brix (23). Al final de la fermentacin
se evalu el rendimiento midiendo el grado
93
alcohlico correspondiente, pH, acidez to-
tal y acidez voltil (1).
Evaluacin del mtodo de inactivacin de
Se emple dos formas de inacti-
vacin: por calor y adicin de metabisulfito
de sodio.
Inactivacin por calor.- Se evaluaron
los siguientes tratamientos trmicos: 50, 60
y 70 C por 5 y 10 minutos. Despus de apli-
cado el tratamiento trmico, se tom 10 mL
de la bebida y se diluy con 90 mL de solu-
cin peptonada al 0,1%. Se tom 10 mL de
esta solucin y se incorpor en la placa petri,
a la cual se le agreg 15 mL de medio de
cultivo (ptimo determinado). Se incub a
30C por 48 horas, despus se realiz el re-
cuento de colonias.
Inactivacin por adicin de meta-
bisulfito de sodio.- Se evaluaron las siguien-
tes concentraciones de metabisulfito de sodio:
50, 100 y 200 mg.mL
-1
, manteniendo las
muestras a temperatura ambiente. Se tom
10 mL de la muestra despus de transcurri-
dos 1, 4 y 7 das, respectivamente. Para de-
terminar el efecto de la inactivacin se efec-
tu el recuento en placa tal como fue descri-
to anteriormente.
Para la clarificacin se utiliz tierra
de diatomeas, en una cantidad recomendada
en procedimientos enolgicos de 1 kg.m
-2
(18). Primero se desinfect la tierra de
diatomeas formando una suspensin de 5 g
con agua estril en un recipiente. Se agreg
2 gotas de leja por cada medio litro de agua
y se dej reposar por unos 15 minutos.
Para la clarificacin de la bebida alco-
hlica se utiliz un sistema al vaco: embudo
Buchner y matraz kitasato. Se us la tc-
nica de formacin de precapa (18, 27). Se
coloc un papel filtro (Whatman N 1) so-
bre el embudo, luego se agreg la suspen-
sin desinfectada a la cual se le hicieron
lavados con agua estril. Finalmente se fil-
tra la bebida alcohlica.
Para evaluar el resultado de la clarifica-
cin con tierra de diatomeas se uso el
fotocolormetro a 570 nm, antes y despus de la
filtracin. Despus de filtrado el producto se so-
meti a calentamiento, a la temperatura que se
determin anteriormente y se le agreg 50 ppm
de metabisulfito para su conservacin.
RESULTADOS Y DISCUSION
Evaluacin de las condiciones ptimas para
el crecimiento y mantenimiento de
La determinacin del medio idneo se
realiz, mediante el seguimiento del crecimien-
to macroscpico durante 96 horas. En los tres
medios de cultivo lquidos se observ un similar
crecimiento. De igual modo, se evaluaron los
medios de cultivos slidos, observndose un
mejor crecimiento en el medio que contena glu-
cosa (Agar Extracto de Levadura Malta modifi-
cado). Sobre la base de los resultados obteni-
dos, se determin que el microorganismo no
es tan exigente en sus condiciones de cultivo.
Por tanto, se eligi como medio de propaga-
cin y mantenimiento al medio Extracto de Le-
vadura Malta, el cual en su composicin conte-
na 1 % de lactosa, permitiendo as, tener al
microorganismo adaptado a la fuente carbona-
da presente en el sustrato (suero). Similares
resultados fueron obtenidos por otro autor (24)
quien evalu el crecimiento de K. fragilis en un
medio complejo que contena 2% de peptona,
1% de extracto de levadura y 2% de fuente car-
bonada; lactosa y glucosa, determinando que
en el medio con glucosa se tiene un crecimiento
ms rpido. Esto puede deberse a que la glu-
94
cosa es de asimilacin rpida mientras que
la lactosa requiere de una previa hidrlisis.
Acondicionamiento de suero
de queso fresco
Se determin que el mejor tratamien-
to trmico para la desproteinizacin es el de
esterilizacin a 121C por 15 minutos,
obtenindose un suero translcido y agrada-
bl e a l a vi sta con un porcentaj e de
transmitancia de 73,33%. Los dems trata-
mientos no presentaron mayor despro-
teinizacin, obtenindose un color blanco le-
choso con tendencia al verde, no apto para la
produccin de la bebida. El rendimiento del
suero despus del acondicionamiento fue de
81,88% (v/v). Otro autor reporta un rendimiento
del 88,75 %, diferencia que se podra deber
al sistema de filtracin empleado (26).
En el Cuadro 1, se presentan los re-
sultados obtenidos de los anlisis fsico-qu-
micos del suero entero y suero despro-
teinizado. Se puede observar la disminucin
del contenido en protena de 0,8% a 0,47%,
del mismo modo la grasa se ha reducido a
0,1% debido a que fue eliminada en el proce-
so de aglomeracin de las protenas y filtrado
posterior. La lactosa soluble se incrementa
de 2,85% a 3%, despus del proceso de
desproteinizacin, debido posiblemente al pro-
ceso de concentracin.
Cintica de crecimiento de K. fragilis NRRL
Y-2415
En el Cuadro 2, se reportan los re-
sultados obtenidos de la evaluacin de la
cintica de crecimiento de K. fragilis tanto en
medio de cultivo como en suero des-
proteinizado. Tanto para el medio de cultivo
como para el suero de queso, el perodo de
latencia fue aproximadamente de 1 a 2 ho-
ras, llegando a un mximo crecimiento
exponencial e inicio de la fase estacionaria
entre las 9 y 10 horas. Estos resultados con-
cuerdan con los obtenidos por otros autores
(4, 24, 27, 33). La determinacin de la cintica
Cuadro 1. Caractersticas fsico-qumicas del suero entero
y suero Desproteinizado
Anlisis Suero entero Suero desproteinizado
Protenas 0,8 - 1 % 0,47 - 0,64 %
Grasa 0,4 - 0,5 % 0,1%
Densidad 1,026 gr/cc 1,027 gr/cc
SS 6,00 6,00
Humedad 94,0% 93,7%
Cenizas 6,20 gr/L 4,87 gr/L
pH 6,5 - 6,6 4,9
Lactosa 2,85% 3,0%
9
5
Cuadro 2: Valor de la curva de crecimiento de K. fragilis en medio de cultivo y suero de queso
) s a r o h ( T
o t n e i m i c e r c e d a v r u C
o v i t l u c e d o i d e M o d a n o i c i d n o c a o s e u q e d o r e u S
L m / s a l u l c N h u
1 -
N g o L - L m . s a l u l c N
1
h . u
1 -
N g o L
0 6 0 1 x 2 , 1 0 0 , 0 9 0 . 0 + 8 0 . 6 6 0 1 x 1 , 1 0 0 , 0 5 0 . 0 + 2 0 . 6
1 6 0 1 x 4 , 1 5 1 , 0 8 0 . 0 + 4 1 . 6 6 0 1 x 0 , 2 3 6 , 0 4 0 . 0 + 9 2 . 6
2 6 0 1 x 1 , 2 1 4 , 0 1 0 . 0 + 2 3 . 6 6 0 1 x 5 , 2 4 2 , 0 1 0 . 0 + 9 3 . 6
3 6 0 1 x 2 , 3 2 4 , 0 4 0 . 0 + 1 5 . 6 6 0 1 x 0 , 4 7 4 , 0 4 0 . 0 + 0 6 . 6
4 6 0 1 x 7 , 6 4 7 , 0 4 0 . 0 + 3 8 . 6 6 0 1 x 9 , 5 8 3 , 0 6 0 . 0 + 7 7 . 6
5 7 0 1 x 5 , 1 1 8 , 0 4 1 . 0 + 6 1 . 7 7 0 1 x 3 , 1 3 8 , 0 4 0 . 0 + 3 1 . 7
6 7 0 1 x 5 , 3 5 8 , 0 6 0 . 0 + 4 5 . 7 7 0 1 x 3 , 2 2 5 , 0 2 0 . 0 + 5 3 . 7
7 7 0 1 x 5 , 6 2 6 , 0 7 0 . 0 + 1 8 . 7 7 0 1 x 3 , 4 5 6 , 0 4 0 . 0 + 3 6 . 7
8 8 0 1 x 3 , 1 9 6 , 0 9 0 . 0 + 1 1 . 8 7 0 1 x 9 , 5 1 3 , 0 9 0 . 0 + 7 7 . 7
9 8 0 1 x 7 , 1 7 2 , 0 1 . 0 + 3 2 . 8 7 0 1 x 8 , 6 4 1 , 0 4 0 . 0 + 3 8 . 7
0 1 8 0 1 x 9 , 1 1 1 , 0 9 0 . 0 + 8 2 . 8 7 0 1 x 1 , 7 4 0 , 0 1 . 0 + 5 8 . 7
1 1 8 0 1 x 0 , 2 5 0 , 0 5 0 . 0 + 1 3 . 8 7 0 1 x 4 , 7 5 0 , 0 6 0 . 0 + 7 8 . 7

h
-1
h
-1
R
E
C
U
P
E
R
A
C
I
O
N

D
E

S
U
E
R
O

D
E

Q
U
E
S
E
R
I
A

P
A
R
A

L
A

P
R
O
D
U
C
C
I
O
N

D
E

U
N
A

B
E
B
I
D
A

A
L
C
O
H
O
L
I
C
A

E
N

U
N

S
I
S
T
E
M
A

E
N

L
O
T
E
96
es importante, debido a que indica el tiempo
en el cual se debe cosechar las clulas para
el proceso de inmovilizacin. Se recomienda
inmovilizar las levaduras para la produccin
de etanol, cuando stas estn entrando a fase
estacionaria (30), esto significa que K. fragilis
sera cosechada a las 10 horas.
Asimismo se observa en el Cuadro 2,
que la duplicacin de micro-organismos es cada
hora durante la fase logart-mica.
En la Figura 1, se observa que las cur-
vas de crecimiento de K. fragilis en medio de
cultivo y suero son muy similares, presentando
un mejor rendimiento (1,7-1,9x10
8
clulas.mL
-1
)
con el medio de cultivo (Extracto de Levadura
Malta), con respecto al suero de queso (6,8-7x10
7
clulas.mL
-1
). Esto se puede deber al contenido
inicial de lactosa; el suero contiene un mayor
porcentaje de lactosa (3%), con lo cual el micro-
organismo desva su produccin de biomasa a
otros compuestos probablemente, debido a esto,
se observ un mayor nivel de burbujeo y percep-
cin de olor a alcohol; en cambio el 1% de lactosa
que contiene el medio de cultivo lo emplea solo
en la produccin de biomasa (33). La libera-
cin de energa metablica en forma de
subproductos o intermediarios se da a expen-
sas del rendimiento(24).
Sobre la base de estos resultado de la
cintica de K. fragilis se determin el uso del sue-
ro como medio para la preparacin de inculos,
por ser ms conveniente econmicamente.
Efecto de la fuente carbonada y concen-
tracin en la produccin de la bebida
alcohlica en cultivo en lote
Se determin que la sacarosa comer-
cial tiene un mejor rendimiento, expresado en
grados alcohlicos (12,2GL) con respec-
to a la sacarosa QP y glucosa QP con los
que se obtuvo los valores de 12,0 y 11,25GL,
respectivamente.
En general la disminucin de azca-
res totales (expresado en Brix), es mayor
con la glucosa QP con relacin a las otras
dos (2, 9, 12).
Estos resultados se pueden deber a
que por cada mol de glucosa se producen dos
moles de etanol, en cambio por cada mol de
sacarosa se producen cuatro moles de etanol.
Como una mol de glucosa pesa 180 g y una
mol de sacarosa pesa 342,3 g, entonces, se
puede demostrar, que 190 g de sacarosa
producen la misma cantidad de alcohol que
200 g de glucosa.
En la Figura 2, se observa que los
tres azcares tienen una curva similar de
reduccin. La mayor reduccin de fuente
carbonada se da entre los das 3 y 9, en
cambio entre los das 10 y 14 la reduccin
se hace ms lenta y constante.
En la Figura 3 se observa, la varia-
cin de la concentracin de azcar durante
la fermentacin con diferentes concentracio-
nes iniciales de sacarosa comercial. Despus
de 20 das de evaluacin se determin, que
el mejor rendimiento (11,5 GL), se obtiene
con 21 Brix en relacin a las concentracio-
nes de 25 y 29 Brix, para las cuales se obtu-
vieron los valores de 8,97 y 7,5GL, respecti-
vamente. Estos resultados se deben a la con-
centracin inicial de azcares empleada; una
mayor concentracin causa una mayor pre-
sin osmtica sobre el microorganismo. Se
ha observado que un incremento en la con-
centracin de sacarosa para la fermentacin
con K. marxianus IMB3, tiene un efecto ne-
gativo en la cantidad final de etanol obtenido
(11). Por otro lado, el alcohol provoca varios
cambios en la membrana del microorganis-
mo, lo que evita el ingreso de nutrientes ha-
cia el mismo (29). Adems, existe el efecto
sinrgico de etanol ms azcar y etanol ms
derivados que aumenta la inhibicin sobre el
microorganismo (6).
97
6
6
,
5 7
7
,
5 8
8
,
5 9
0
2
4
6
8
1
0
1
2
1
4
T
i
e
m
p
o

(
h
o
r
a
s
)
L o g N
M
e
d
i
o
S
u
e
r
o
F
i
g
u
r
a

1
:

C
u
r
v
a

d
e

c
r
e
c
i
m
i
e
n
t
o

d
e

K

f
r
a
g
s

N
R
R
L

Y
-
2
4
1
5

e
n

m
e
d
i
o

d
e

c
u
l
t
i
v
o
y

s
u
e
r
o

d
e

q
u
e
s
o
A
n
a
l
e
s

C
i
e
n
t
f
i
c
o
s

U
N
A
L
M
9
8
fermentaci n
de di ferentes fuentes carbonadas
7
9
11
13
15
17
19
21
0 2 4 6 8 10 12 14 16
Ti e mpo (das)

B
r
i
x
Glucosa QP (G)
Sacarosa Comercial (SC)
Sacarosa QP (S)
Figura 2: Variacin de la concentracin de azcar (Brix) durante
la fermentacin de diferentes fuentes carbonadas
SC
S QP
G QP
10,5
10,7
10,9
11,1
11,3
11,5
11,7
11,9
12,1
12,3
12,5

G
L
99
Efecto del metabisulfito de sodio sobre clu-
las libres de K. fragilis en la produccin de la
bebida alcohlica en cultivo en lote
Se determin que la adicin de
metabisulfito de sodio (100mg.mL
-1
) a un sis-
tema de fermentacin con clulas libres afec-
ta a K. fragilis, disminuye el rendimiento en
un 14,5% de 11,50 9,83GL (Ver Figura 4 y
Cuadro 5). El sulfuroso tiene un poder re-
ductor muy alto que permite reducir la con-
centracin de oxgeno e inhibir ciertas
enzimas esenciales, pero las levaduras ne-
cesitan de este oxgeno para multiplicarse
y sintetizar esteroles y cidos grasos simi-
lares (1, 14, 17).
Por otro lado, se observ que K.
fragilis tuvo un perodo de adaptacin corto (1
da) en el sistema con adicin de metabisulfito,
otro autor reporta para mostos de uvas
sulfitadas con 100mg.mL
-1
, un retraso al ini-
cio de la fermentacin de 3 das (32).
En la Figura 5, se muestra la cintica
de fermentacin en funcin del pH, con y sin
adicin de metabisulfito de sodio, se puede
observar que ambas presentan la misma ten-
dencia. En los primeros das de fermentacin
se observa un descenso de pH debido a la
produccin de cidos (23, 29, 32). Entre los
das 3 y 4 se observa un aumento del pH (4,2-
4,25) y luego comienza a descender hasta el
final de la fermentacin (3,73-3,65). La varia-
cin de pH puede deberse a la falta de
nutrientes (nitrgeno) en el medio de fermen-
tacin (suero). Por falta de nitrgeno asimila-
ble la levadura ha podido utilizar compuestos
que se generan en la autolisis de levaduras
muertas, originando una elevacin en el pH.
Existen dos vas de formacin de SH
2
,
exgena, por adicin de SO
2
y endgena, por
degradaci n de protenas (ci stena
desulfhidrasa) por falta de nitrgeno asimila-
ble. En ambos casos despus de llegar a la
formacin de SH
2
se podr formar metionina
y cistena (durante su sntesis se produce
NH
3
) (29, 16). Por otro lado el incremento del
pH, tambin se pudo deber al catabolismo de
ciertos aminocidos como la arginina. El
catabolismo mediante la arginasa da lugar a
la ornitina y urea y esta puede ser transfor-
mada en amoniaco y CO
2
. De estas reaccio-
nes, se sabe que existe una pequea canti-
dad de urea en el citosol de la clula que puede
ser transportada por las permeasas y difun-
dirse en el medio (29).
Evaluacin del mtodo de inactivacin de
Inactivacin por el calor.- Los resul-
tados se presentan en el Cuadro 3, se puede
observar que con un tratamiento trmico de
70C por 5 minutos se logra la inactivacin
total de las clulas de K. fragilis y que trata-
mientos trmicos menores (50 y 60 C por 5
y 10 minutos) no fueron efectivos. La inac-
tivacin por el calor no slo se debe al incre-
mento de la temperatura sino al contenido de
alcohol de la bebida alcohlica (1, 23).
El tratamiento trmico tambin des-
truye otros microorganismos que pudieran
estar presentes como las bacterias acticas
entre 55 a 60C y bacteria lcticas entre 60 y
70C (17).
Inactivacin por metabisulfito de sodio.- Los
resultados se presentan en el Cuadro 4, se
puede observar que existe una relacin direc-
ta entre l a concentraci n i ni ci al del
metabisulfito de sodio que se agrega a la be-
bida alcohlica y el porcentaje de mortalidad
de las levaduras. Entre el 4to. y 7mo. da se
obtiene un 100% de mortalidad con 200
mg.mL
-1
de metabisulfito de sodio. Sin em-
bargo, este tratamiento no es el adecuado
debi do a que se obti ene una bebi da
organolpticamente inaceptable, optando el
tratamiento trmico como sistema de
inactivacin de la levadura y 50 mg.mL
-1
de
A
n
a
l
e
s

C
i
e
n
t
f
i
c
o
s

U
N
A
L
M
1
0
0
11.5
13.5
15.5
17.5
19.5
21.5
0 1 2 3 4 5 6 7 8 9
Tiempo (das)
B
r
i
x
Sin SO 2
C on SO 2
Sin SO2 Con SO2
0
2
4
6
8
10
12

G
L
Figura 4: Variacin de la concentracin de azcar (Brix) durante la fermentacin
con clulas libres, sin y con adicin de metabisulfito de sodio
1
0
1
3. 5
3. 7
3. 9
4. 1
4. 3
4. 5
4. 7
0 1 2 3 4 5 6 7 8
Tiempo (dias )
p
H
Sin SO2
Con SO2
Figura 5: Variacin del pH durante la fermentacin con clulas libres, sin o con adicin
de metabisulfito de sodio
R
E
C
U
P
E
R
A
C
I
O
N

D
E

S
U
E
R
O

D
E

Q
U
E
S
E
R
I
A

P
A
R
A

L
A

P
R
O
D
U
C
C
I
O
N

D
E

U
N
A

B
E
B
I
D
A

A
L
C
O
H
O
L
I
C
A

E
N

U
N

S
I
S
T
E
M
A

E
N

L
O
T
E
A
n
a
l
e
s

C
i
e
n
t
f
i
c
o
s

U
N
A
L
M
1
0
2
o p m e i T / a r u t a r e p m e T L m / C F U
d a d i l a t r o M %
o t n e i m a t a r T n i S 8 0 1 x 7 , 4 0 0 , 0
' 5 x C 0 5 7 0 1 x 7 , 1 8 3 , 6 9
' 0 1 x C 0 5 5 0 1 x 7 , 3 2 9 , 9 9
' 5 x C 0 6 2 0 + E 2 , 1 9 9 , 9 9
' 0 1 x C 0 6 0 0 , 1 1 0 0 , 0 0 1
' 5 x C 0 7 0 0 , 0 0 0 , 0 0 1
' 0 1 x C 0 7 0 0 , 0 0 0 , 0 0 1
Cuadro 3: Disminucin de la poblacin de levaduras
con diferentes tratamientos trminos
103
s a D
1 - L m . g m 0 5
) d a d i l a t r o m % (
1 - L m . g m 0 0 1
1 - L m . g m 0 0 2
0 0 0 , 0 0 0 , 0 0 0 , 0
1 9 1 , 9 9 8 9 , 9 9 9 9 , 9 9
4 9 9 , 9 9 9 9 , 9 9 0 0 , 0 0 1
7 9 9 , 9 9 9 9 , 9 9 0 0 , 0 0 1
Cuadro 4: Reduccin del nmero de K. fragilis (% mortalidad)
por adicin de metabisulfito de so dio
s e n o i c a u l a v E O S n i S
2
O S n o C
2
) L G ( o c i l h o c l a o d a r G 1 , 0 + 5 , 1 1 5 5 , 0 + 3 8 , 9
) o c i t c a o d i c t L / r g ( l i t l o v z e d i c A 9 0 0 , 0 + 7 4 , 0 3 0 , 0 + 5 4 , 0
) o c i r f l u s o d i c t L / r g ( l a t o t z e d i c A 7 6 , 0 + 8 6 , 3 8 2 , 0 + 9 6 , 3
H p 3 7 , 3 5 6 , 3
Cuadro 5: Evaluacin de la bebida alcohlica
del suero de queso fresco
104
metabisulfito de sodio para la estabilizacin
de la bebida.
Con la dosis recomendada de tierra
de diatomeas (1 Kg.m
-2
), antes y despus
de la clarificacin se obtienen valores de
74,43+0.5,4 y 97,29+1,5 % de transmitancia,
respectivamente. Los resultados se deben a
que la dosis de tierra de diatomeas es efecti-
va para la separacin de partculas de bebida
alcohlica. Otros autores (23), reporta que con
un buen filtrado con tierra de diatomeas se
puede descender la poblacin por debajo de
las 10 000 y en las mejores condiciones has-
ta 1 500.
CONCLUSIONES
1. Para la conservacin y mantenimiento de
la cepa K. fragilis NRRL Y-2415, se de-
termin que el medio Extracto de Leva-
dura Malta fue el ms apropiado.
2. El tratamiento trmico adecuado para el
acondicionamiento del suero de queso
fue a 121 C por 15 minutos. Se obtuvo
un rendimiento de 81,88%.
3. Se determin que a las 10 horas de cre-
cimiento K. fragilis, inicia su fase esta-
cionaria.
4. En la produccin de la bebida alcohlica
de suero en cultivo en lote, se obtuvo el
mximo rendimiento (11,5 GL) utilizan-
do sacarosa comercial con una concen-
tracin inicial de 21 Brix; 1% de inculo
inicial; pH 4,5 y 30C en 20 das.
5. La adicin de metabisulfito de sodio
(100 mg.mL
-1
) a un sistema de fermen-
tacin con clulas libres afecta a K.
fragilis, disminuyendo su rendimiento
en un 14,5% .1.
BIBLIOGRAFIA
1. AMERINE, M. y C. OUGH. 1976. Anli-
sis de vinos y mostos. Editorial Acribia
S.A. Zaragoza, Espaa. 158 p.
2. BACCI, M.; C. SIQUEIRA; S. ANTONIAZI
& J. UETA. 1996. Location of the beta
galactosidase of the yeast Kluyveromyces
marxianus var. marxianus ATCC 10022.
Antonie Van Leeuwenhoek. 69(4):357-
361.
3. BELEM, M. & B. LEE. 1998. Production
of bioingredients from Kluyveromyces
marxianus grown on whey: an alternative.
Crit. Rev. Food Sci. Nutr. 38(7):565-98.
4. BITZILEKIS, S. & J. BARNETT. 1997. Ex-
ponential growth rates of species of the
yeast genus Kluyveromyces. FEMS
Microbiol. Lett. 146(2):189-190.
5. BRAVO ABAD, F. 1983. Vinificacin
controlada del mosto de uva. Folleto
tcnico de inters permanente, editado
en la semana vitivincola. Barcelona,
Espaa. Num 1.931. 3.169-3.173 pp.
6. DALE, A; A. EAGER & M. OKOS. 1994.
Osmotic inhibition of free and immobilized
K. marxianus: Anaerobic growth and etha-
nol productivity in whey permeate concen-
trate. Process Biochem. 29: 535-544.
7. FAO. 1988. Anuario de Produccin.
Roma. 40:231-233, 41:277-279
8. FERRARI, M.; L. LOPERENA & H.
VARELA. 1994. Ethanol production from
concentrated whey permeate using a
fed-batch culture of Kluyveromyces
fragilis. Biotech. Letters.16 (2):205-210.
9. GARIBAY GARCIA, M.; R. QUINTERO
RAMIREZ y A. MUNGUIA LOPEZ. 1993.
105
Biotecnologa Alimentaria. Limusa
Noriega Editores. Mxico. 152-233 pp.
10. GAWEL, J. & F. KOSIKOWSKI. 1978.
Application of acid lactase to wine mak-
ing from cottage cheese whey concen-
trate. Dairy Sci. Abst. 41(1):88.
11. GOUGH, S.; O. FLYNN; C. HACK & R.
MARCHANT. 1996. Fermentation of mo-
lasses using a thermotolerant yeast,
Kluyveromyces marxianus IMB3: simplex
optimization of media supplements. Appl.
Microbiol. Biotehnol. 46(2): 187-190.
12. HUMG-YU, H.; L. CHIANG, P. VENG &
G. TSAO. 1982. Sequential utilization of
mixed monosaccharides by yeast. Appl.
Environ. Microbiol. 13 (4):840-845.
13. JANSSENS, J.; N. Burrisd; A. Woodward
& R. Bailey. 1983. Lipid-Enhaced etha-
nol producti on by Kl uyveromyces
fragilis. Appl. Environ. Microbiol. 45 (2):
598-602.
14. JAY, J. 1994. Mrcrobiologa Moderna de
los Alimentos. Editorial Acribia. S.A.
Zaragoza, Espaa. pp. 299-335, 400-
409.
15. KRISHNAMURTI, R. 1984. Utilization of
concentrated cheese whey for the produc-
tion of protein concentate fuel alcohol and
alcoholic beverage. Dairy Sci. Abst. 46(1-
3): 46.
16. LENINGER, A. 1985. Bioqumica. Las
bases moleculares de la estructura y
funci n cel ul ar. Segunda edi ci n.
Ediciones Omega S.A. Barcelona,
Espaa. 73-125 pp.
17. MARECA CORTES, I. 1968. Enologa.
Editorial Alhambra S.A. Espaa. 242-249,
110-120pp.
18. MOLINA UBEDA, R. 1992. Tcnicas de
filtracin en la industria enolgica. A Ma-
drid Vicente Ediciones. Espaa. 20-40,
55-64 pp.
19. NTP 202.109.Leche y Productos Lcteos.
Determinacin de los azcares totales,
reductores y no reductores.
20. NTP 202.116. 1998. Leche y productos
lcteos. Leche cruda. Determinacin de
acidez de la leche.
21. NTP 202.119.1998. Leche y productos lc-
teos. Leche cruda. Determinacin de ni-
trgeno total en leche. Mtodo de Kjeldahl.
1. Edicin.
22. NTP 212.014. Dic 1985. Bebidas alcoh-
licas. Vinos.
23. OUGH, C. 1996. Tratado basico de
Enologia. Editorial. Acribia S.A. Zarago-
za, Espaa. 294p.
24. OZILGEN, O.; D. OLLIST & D.
OGRYDZIAK. 1988. Kinetcis of batch
fermentati on wi th Kl uyveromyces
fragilis. Enzyme. Microb. Technol.
10:195-172.
25. PEARSON, D. 1976. Tcni cas de
Laboratorio para el anlisis de alimentos.
Editorial Acribia S.A. Espaa. 331 p.
26. PEA, R. 1984. Estudio experimental de
la fermentacin alcohlica del suero
de quesera. Ing. Industrias Alimentarias.
Tesis para optar el grado de Ingeniero en
Industrias Alimentarias. UNALM. 122 p.
27. PEYNAUD, E. 1989. Enologa prctica.
Conocimiento y elaboracin del vino.
Tercera edicin. Ediciones Mundi -Prensa.
Espaa. 111-137, 291-299, 323-331, 357-
367 pp
106
28. SAAVEDRA BARDALES, A. y B.
SEDANO CORZO. 1998. Aislamiento,
seleccin y caracterizacin de cuatro ce-
pas de levaduras nativas fermentadoras
de lactosa en lactosuero. Tesis para op-
tar el grado de Qumico farmacutico.
UNMSM. 36-85 pp.
29. SIENKIEWICZ, T & RIEDEL, C. 1990.
Whey and whey utilization. Verlag Th.
Mann, Gelsenkirchen-Buer. Germany.
38(10:4-6
30. SUAREZ LEPE, J. 1997. Levaduras
vnicas. Funcionalidad y uso en bodega.
Ediciones Mundi-Prensa. Espaa. 269 p.
31. SUN WANG, N. 1998. Experiment N
11. Cell Inmobilization with calcium al-
ginate. Department of Chemical Engi-
neering. University of Maryland. Http://
www.engr.umd/ nsw/ench485/lab11.htm.
Fecha de ingreso: 10/05/98.
32. VARELA, H.;FERRARI, M.; LOPERENA,
L. & LAREO, C. 1992. Effects of aereation
of whey by Kluyveromyces fragilis.
Microbiologa SEM 8, 14-20 pp.
33. VOGT,E. 1986. El vino, obtencin,
elaboracin y anlisis. Segunda edicin.
Editorial Acribia S.A. Zaragoza, Espaa.
294 p.
34. WILLETS, A & O. UGALDE. 1987. The
production of single cell protein from
whey. Biotechnol. Lett. 9 (11):795-800.
35. YANG, H.; F. BODYFELT & K.
BERGGEN. 1979. Utilization of cheese
whey for wine production. Dairy Sci. Abst.
41 (4):89.
107
METODOS DE ESTIMACION DE LA EVAPOTRANSPIRACION POTENCIAL
EN FUNCION DEL RANGO DIURNO DE TEMPERATURA (DT)
Y RADIACION SOLAR EXTRATERRESTRE (Qs)
Jernimo Garca V
1
Odn Snchez C
2
Marcos Paredes R
3
RESUMEN
Se ha realizado un estudio para determinar ecuaciones de estimacin de la
evapotranspiracin potencial en funcin de variables climticas disponibles en mayor nme-
ro de estaciones climatolgicas. Se ensay con modelo exponencial, potencial y lineal,
entre la evapotranspiracin potencial y las variables de estimacin como rango diurno de
temperatura (DT), radiacin solar extraterrestre (Qs) o radiacin solar en el tope de la atms-
fera y la duracin del da solar (N). Los datos de temperatura mxima, temperatura mnima y
evapotranspiracin potencial (Eo) provienen de estudios experimentales realizados en La
Molina (2) y en Puno (4); en las que la evapotranspiracin potencial se midieron mediante
evapotranspirmetro de nivel fretico constante.
Los modelos de mejor ajuste corresponden al potencial y exponencial cuyas expresio-
nes se presentan en seguida.
Para La Molina:
(a) (mm/da)
05732 . 0
) ( 155 . 1
T
Qs Eo

(b) (mm/da)
) 134 . 0 41 . 2 (
) (
T
e Qs Eo
+
1
: Profesor Principal de la UNALM Facultad de Ciencias,
2
: Ing. Meteorlogo,
3:
Ing. Meteorlogo
108
Para Puno
(c) (mm/da)
005623 . 0
) ( 2114 . 3
T
Qs Eo

(d) (mm/da)
) 0144 . 0 57 . 1 (
) (
T
e Qs Eo
+
En ambas localidades el rango diurno de temperatura y la radiacin solar disponi-

ble en el tope de la atmsfera son buenos estimadores de la evapotranspiracin potencial.
En cuanto a la precisin se ha encontrado que los errores de estimacin son menores en
Puno y mayores en La Molina.
SUMMARY
Has been performed a study in order to find potential evapotranspiration quantifying
equations, using the most available climatic variable. Linear, potential and exponential rela-
tionships were proved, with extraterrestrial solar radiation (Qs), diurnal range temperature
(DT) and solar day length (N) as a potential evapotranspiration (Eo) estimators elements.
Potential evapotranspiration data used in the study belong to measurements of
evapotranspirometer instruments registered at the La Molina and Puno locality.
Potential and exponential models were better fitting, which are indicated as follow:
At La Molina:
(a) (mm/day)
05732 . 0
) ( 155 . 1
T
Qs Eo

(b) (mm/day)
) 134 . 0 41 . 2 (
) (
T
e Qs Eo
+
At Puno:
(c) (mm/day)
005623 . 0
) ( 2114 . 3
T
Qs Eo

(d) (mm/day)
) 0144 . 0 57 . 1 (
) (
T
e Qs Eo
+
The results let us to know that diurnal range temperature and extraterrestrial
solar radiation are suitable estimators of potential evapotranspiration. According relative
error, it was found that estimating errors were greater at La Molina than Puno.
109
I. INTRODUCCION
La evapotranspiracin potencial (Eo) definido, en trminos de cultivos, como la
prdida de agua desde extensos campos de cultivo en su estado de crecimiento y desarro-
llo intenso, con el suelo sin dficit de agua; es un trmino muy utilizado en la hidrologa,
climatologa, ciencias agrcolas y forestales. Interviene en los procesos de balance de agua en
sistemas agua suelo planta, tales como en el monitoreo de riego de campos agrcolas,
estudios de balance hdrico climtico, clasificaciones climticas, etc. La Eo se cuantifica
utilizando un evapotranspirmetro, pero es oportuno indicar que tal cuantificacin no es comn
en las estaciones climatolgicas puesto que los evapotranspirmetros se instalan, mayormen-
te, slo con fines de investigaciones. Para su utilizacin en los reas antes mencionados, por
lo general, se recurren a su estimacin haciendo uso de ciertos mtodos de estimacin. Exis-
ten muchos mtodos de estimacin desde muy simples a complejos; los mtodos simples
estn en funcin de una variable climtica que se registran en casi todas las estaciones clima-
tolgicas, mientras que las complejas estn en funcin de tres o cuatro elementos climticos
que no siempre estn disponibles en todas las estaciones climatolgicas; por ello la eleccin
del mtodo estimacin est condicionada a la disponibilidad de los tipos de elementos climticos
adems de su grado de precisin; por lo general los mtodos ms precisos son los ms
complejos, pero son de poco uso por la carencia de algunos de los elementos climticos que
intervienen en el mtodo. Nuestro pas se caracteriza por tener mayor nmero de estaciones
con registros de temperaturas, menor nmero con registros de humedad y mucho menor con
registros de viento. Esta realidad nacional obliga realizar el ajuste, para nuestras condiciones
fisiogrficas, de aquellos mtodos basados slo en la temperatura, o en otros casos determi-
nar nuestros propios mtodos, tambin en funcin de la temperatura, rango diurno de tempera-
tura y la radiacin solar.
Por lo expuesto, en este estudio se plantea como objetivo determinar mtodos de
estimacin de la evapotranspiracin potencial.
II. REVISION DE LITERATURA
1. Mtodos de estimacin de evapotranspiracin potencial.
Existen muchos mtodos de estimacin de la Eo, como ejemplo presentamos slo algunos de
ellos:
El de THORNTHWAITE, que permite estimar la Eo a nivel mensual
(mm/mes)
]
6
10 ) 492390 17920
2
1 . 77
3
675 . 0 [(
)
10
.( 16 ).
30
)(
12
(
+ +
x I I I
I
T DM N
Eo

12
1
514 . 1
)
5
(
Ti
I
METODOS DE ESTIMACION DE LA EVAPOTRANSPIRACION POTENCIAL EN FUNCION DEL RANGO
DIURNO DE TEMPERATURA (DT) Y RADIACION SOLAR EXTRATERRESTRE (Qs)
110
Siendo T y Ti, temperatura media mensual (C), N fotoperiodo o duracin del da solar (horas)
y DM el nmero de das del mes.
- El de HARGREAVES, permite estimar la Eo a nivel diario
(mm/da) )
100000
4
1 )( )
100
1 ( 35 . 1 )( 024 . 0 4 . 0 ( 34 . 0
5 . 0
Z HR
T Qs Eo + +
Donde:
Qs = Radiacin solar en el tope de la atmsfera (mm/da)
T = Temperatura del aire (C)
HR = Humedad relativa (%)
Z = Altitud del lugar (m)
- El de PENMAN (modificado por J. GARCIA), permite estimar la Eo a nivel diario
(mm/da)
1
2
)
2
(
+
+
PT
s
me
Ea Rn
PT
s
me
Eo
Donde:
M = 8.03x10
6
(K
2
)
e
s
= Presin de saturacin del vapor de agua a la temperatura T
T = Temperatura media del aire expresada en (K)
P = Presin atmosfrica promedio del lugar (mb) expresada en funcin de la altitud Z (m)
del lugar:
2. Medicin de la evapotranspiracin potencial (Eo)
Para la medicin de la evapotranspiracin potencial se recurren al uso de un
evapotranspirmetro, el cual por lo general se instala en una estacin climatolgica o en un
campo de cultivo de grass. En cuanto a los evapotranspirmetros es oportuno indicar que
existen diversos tipos; pero el ms adecuado para las mediciones a nivel diario es el de tipo de
nivel fretico constante Este tipo de evapotranspirmetro est constituido por tres tanques
(alimentador, controlador del nivel fretico y el del cultivo), precisamente el cultivo de grass
dentro del tanque de cultivo debe mantenerse entre 8 y 15 cm de tamao.
Experimentos realizados para medicin de evapotranspiracin potencial, en nuestro medio,
son pocas, de los cuales citamos el ejecutado por CEPESER en Piura, por la UNALM en la
111
Estacin Climatolgica Principal Von Humboltd y el operado en la Comunidad de San Jos en
Puno. En cada una de estas localidades se instalaron un evapotranspirmetro de nivel fretico
constante, por ser este tipo el ms adecuado para fines de estudios de demanda hdrica a nivel
diario; los del tipo de percolacin son adecuados slo para evaluaciones mensuales.
MATERIALES
Para el estudio se ha utilizado datos obtenidos en dos estudios experimentales: el
primero en el estudio de Evaluacin del requerimiento hdrico del cultivo de papa mediante
lismetro de nivel fretico constante desarrollado en La Molina (1, 2) y el segundo en el estudio
Uso consuntivo de la avena forrajera Vilcanota I (3), llevado a cabo en Puno entre noviembre
de 1995 a abril de 1996.
METODO
El mtodo consisti en investigar la mejor relacin existente entre la Evapotranspiracin
potencial (obtenida con el evapotranspirmetro), radiacin solar en el tope de la atmsfera (Qs)
y el rango diurno de temperatura (DT). Se elige el rango diurno de temperatura por ser de fcil
y gran disponibilidad y adems por ser una variable climtica muy sensible a la radiacin solar
incidente (Qi), la concentracin de la humedad atmosfrica y la cobertura de nubes; su magni-
tud se ve intensificada en forma directa con la radiacin incidente y la humedad atmosfrica,
pero con la nubosidad es afectada en forma inversa. En lo que respecta a Qs, tambin sta
constituye una variable de fcil cuantificacin.
Bsicamente se ensayaron tres modelos: exponencial, potencial y lineal indicados en las
ecuaciones 1, 2 y 3 respectivamente.
(1) (mm/da)
) . (
) (
T b a
e Qs Eo
+
(2) (mm/da) ) (
T b
Qs a Eo

(3) (mm/ d a) ) . (
N
T
b a Qs Eo

+
Donde:
Eo = Evapotranspiracin potencial (mm/da)
Qs = Radiacin solar extraterrestre (mm/da)
T = Rango diurno de temperatura (prescindiendo de sus unidades)
N = Fotoperiodo o duracin del da solar (horas).
a y b = constantes asociadas a las caractersticas climticas de la localidad.
112
IV. RESULTADOS Y DISCUSIN
La mejor relacin, encontrada, entre las variables Eo, Qs y T corresponde al mode-
lo exponencial y al modelo potencial. La figura 1 muestra la dispersin de los puntos de la inter-
relacin entre log (Eo/Qs) y el rango diurno de temperatura (T), la cual muestra la linealidad
de la transformacin. La dispersin de puntos entre Log(Eo) y T.Log(Qs) es similar a la de
la figura 1 razn por la cual no se presenta.
Las expresiones finales correspondientes al modelo exponencial y potencial, respec-
tivamente, para la localidad de La Molina (4, 6) y Puno (5, 7), son las siguientes:
112 N , 494 . 0 R , 0.00000001 107.44, Fc
(4) (mm/da)
) 134 . 0 41 . 2 (
) (
2

+
T
e Qs Eo
128 N , 12 . 0 R 0.0001, 16.8, Fc
(5) (mm/da)
) 0144 . 0 57 . 1 (
) (
2

+
T
e Qs Eo
112 N , 561 . 0
2
R 0.0000001, 140.5, Fc
(6) (mm/da)
05732 . 0
) ( 155 . 1

T
Qs Eo
128 N , 124 . 0
2
R 0.000046, 17.84, Fc
(7) (mm/da)
005623 . 0
) ( 2114 . 3

T
Qs Eo
La prueba estadstica de las ecuaciones 4 - 7 son altamente significativas, pero
mejor ajuste corresponde a la localidad de La Molina el cual se ve al comparar el Fc, R
2
y el
valor de a. La menor relacin en la localidad de Vilque debe atribuirse a la instalacin del
evapotrans-pirmetro (en la localidad de San Jos) muy alejada de la estacin climatolgica
de Vilque; mientras que en La Molina, el evapotranspirmetro estuvo instalado dentro de la
estacin climatolgica con lo cual el conjunto de variables (Qs, Eo y DT) pertenecen a la
misma localidad.
La prueba estadstica de las ecuaciones 4 - 7 son altamente significativas, pero
mejor ajuste corresponde a la localidad de La Molina el cual se ve al comparar el Fc, R
2
y
113
el valor de . La menor relacin en la localidad de Vilque debe atribuirse a la instalacin
del evapotrans-pirmetro (en la localidad de San Jos) muy alejada de la estacin clima-
tolgica de Vilque; mientras que en La Molina, el evapotranspirmetro estuvo instalado
dentro de la estacin climatolgica con lo cual el conjunto de variables (Qs, Eo y T)
pertenecen a la misma localidad.
Las ecuaciones 4 y 5 han sido utilizadas para estimar la evapotranspiracin poten-
cial (Eoe) para su comparacin con los valores medidos con el evapotranspirmetro, dicha
comparacin se muestra en la figura 2 donde se observa grados de estimacin muy varia-
bles, desde diferencias muy pequeas a diferencias muy grandes, pero en general se
observa buenas estimaciones, los que indican que el rango diurno de temperatura y radia-
cin solar en el tope de la atmsfera son buenos estimadores de la evapotranspiracin
potencial. Debido a que en la ecuacin (5) el valor de Fc (F calculado) y R
2
(coeficiente de
determinacin) son menores a los de la ecuacin (4), para Vilque se presenta adems el
error de estimacin; donde se ve que el error mximo no alcanza los 2 mm y la mayora
de errores estn por debajo de 1mm, todo esto indica la buena precisin del mtodo de
estimacin. Por otro lado, la figura 3 indica la variacin diaria del error porcentual de esti-
macin de la evapotranspiracin potencial; para el caso de La Molina, existe una probabi-
lidad de 81% que la evapotranspiracin potencial estimada tenga error de estimacin me-
nor de 30%, y para el caso de Vilque, existe una probabilidad de 85% que la eva-
potranspiracin potencial estimada tenga error de estimacin menor de 25%.
114
Fig. N1: Relacin entre Log(Eo/Qs) y el rango diurno de temperatura en La Molina y Vilque
115
Fig. N2: Comparacin de la evapotranspiracin potencial medida con evapotranspirmetro
(Eo) y estimada (Eoe) con el modelo exponencial en La Molina y Vilque.
1 12 23 34 45 56 67 78 89 100 111
0
1
2
3
4
5
6
Eoe Eo: En LA MOLINA
0 8 16 24 32 40 48 56 64 72 80 88 96 104 112 120 128
DIAS
0
1
2
3
4
5
6
-1
-2
L
m
i
n
a

d
e

a
g
u
a

(
m
m
/
d
a
)
Eo Eoe Er: En VILQUES
116
Fig. N3: Error relativo de estimacin de la evapotranspiracin potencial en funcin
del rango diurno de temperatura.
1 12 23 34 45 56 67 78 89 100 111
0
25
50
-25
-50
LA MOLINA
0 8 16 24 32 40 48 56 64 72 80 88 96 104 112 120 128
DIAS
0
25
50
-25
E
r
r
o
r

d
e

e
s
t
i
m
a
c
i
n

(
%
)
VILQUE
117
V. CONCLUSIONES
1. Ha sido posible determinar relaciones entre la evapotranspiracin potencial medidas con el
evapotranspirmetro y las variables rango diurno de temperatura asicomo la radiacin solar
extraterrestre.
2. De los modelos planteados, el potencial y la exponencial son los de mejor ajuste en
comparacin con el lineal.
3. Con fines aplicativos puede utilizarse indistintamente el modelo potencial o el exponencial.
4. El rango diurno de temperatura constituye una variable climtica importante para la esti-
macin de la evapotranspiracin potencial.
VI. BIBLIOGRAFIA
1. GARCIA V. J. y SANCHEZ C. O. (1995). Evaluacin del requerimiento hdrico del cultivo de
papa mediante lismetro de nivel fretico constante. ANALES CIENTIFICOS, 1995.
2. GARCIA V. J. y SANCHEZ C. O. (1995). Coeficiente de cultivo (Kc) de la planta de papa en
las distintas etapas de su desarrollo. ANALES CIENTIFICOS, 1995.
3. PAREDES R. M. (1998). Uso consuntivo de la Avena Forrajera Vilcanota I. Tesis para optar
ttulo de Ing. Meteorlogo, La Molina 1998.
118
Tabla 1.1 Esquema de result ados del experi ment o
Tratamientos
Respuesta 0 1
xitos a b
fracasos m-a n-b
m n
EVALUACION DE DOS TRATAMIENTOS
CON RESPUESTA BINARIA
Fidel Morales Quionez
1
RESUMEN
Se presenta una aplicacin de la regresin logstica en la evaluacin de un expe-
rimento con dos tratamientos, aplicados a unidades experimentales con caractersticas
homogneas y la variable respuesta es binaria.
SUMMARY
It shows an application of the logistic regression in the experimen tal evaluation
with two treatments, applied in experimental unities with the same characteristics and
the variable is binarious.
I. INTRODUCCION
En muchos experimentos en el que se requiere comparar tratamientos, los cuales
sern aplicados a unidades experimentales de caractersticas homogneas; la varia
ble observada esta definida como xito o fracaso, tal que al finalizar el experimento,
cada tratamiento logra un nmero de xitos y un nmero de fracasos.
El experimento bsico seria con dos tratamientos; los tratamientos: 0 y 1 , son
aplicados a m y n unidades experimentales logrando a y b xitos respectivamen-
te, el esquema de datos tabulados es:
1
Profesor contratado del Departamento de Estadstica e Informtica de la UNALM.
119
La evaluacin del experimento se logra de diferentes formas: primero mediante una prueba
de hiptesis de diferencia de proporciones de xito de tratamientos aplicados, segundo
mediante una prueba de hiptesis de homogeneidad de tratamientos tercero aplicando
regresin logstica. Esta ultima opcin representa el tema central del presente trabajo.
El objetivo del presente trabajo es:
Presentar una aplicacin de la regresin logstica en la evaluacin de un experimento
en el que los dos tratamientos considerados al ser aplicados a unidades experimen-
tales producen una respuesta binaria.
1. Gujarati, D. (1997), presenta el modelo de regresin logstica en su forma simple;
es decir considera solo una variable dependiente. Tambin ejemplo de aplicacin.
2. Agresti, A. (1990), presenta el modelo de regresin logstica en su forma simple;
presenta las formulas para construir intervalos de confianza y realizar pruebas de
hiptesis acerca de los parmetros del modelo.
3.1 Materiales
Se hizo uso de los siguientes materiales.
a) Un microcomputador con softwares : Word y Minitab
b) Datos de un experimento en el insectario del departamento de Entomologa
de la UNALM.
El experimento se realiz con el objetivo de comparar dos productos qumicos para
prevenir enfermedades bacterianas que son causa de mortalidad en larvas de gusano
de seda. Se utiliz 400 larvas que fueron separadas en dos bandejas con 200 larvas
cada una, en la primera bandeja se aplic PAFSOL (paraformaldehdo + cal) y en la
segunda bandeja se aplic slo CAL, durante una semana interdiariamente.
Se observ que la sobrevivencia de larvas con PAFSOL fue de 90% y con CAL fue de
72% . Se debe tener presente que el costo de aplicacin aproximado de PAFSOL y
CAL esta en la relacin de 3 a 1.
3.2 Metodologa
3.2.1 Modelo de regresin logstica
Para una nica variable independiente X, el modelo de regresin logstica
tiene la siguiente forma:
120
n : indica logaritmo neperiano

: ,
1 0

son constantes
donde:
.
1
1 0
x x X n
,
_
(3.1)
ln
x : variable continua o discreta
ln
El modelo es regresin logstica considera como respuesta, una variable de-
pendiente binaria (Y), es decir, tiene slo dos posibles resultados: xito o
fracaso.
P (Y = xito | X = x) =

P (Y = fracaso | X = x) = 1 -
La relacin de probabilidad (RP), /(1- ), es conocido como odds e

indica cuantos ms o menos probable es el xito que el fracaso.
El modelo (3.1) se puede escribir de forma equivalente, de la siguiente manera:
( )
x
e x X
1 0
1

( )
x
x
e
e
x X
1 0
1 0
1

+
+
+

(3.3)
( )
) (
1 0
1
1
x
e
x X

+
+
(3.4)
121
3.2.2 Interpretacin matemtica de los coeficientes
Considerando el experimento bsico; es decir, un experimento que
busca comparar la eficacia de dos tratamientos alternativos al ser
aplicados a unidades experimentales de caractersticas homogneas.
La aplicacin de cada tratamiento tienes slo dos resultados posi-
bles: xito o fracaso. Este estudio trata de ver si la probabilidad de
xito dado el tratamiento A (X= 1) es diferente a la probabilidad de
xito dado el tratamiento B (X = 0).
Se tiene en cuenta lo siguiente:
1. Cuando una unidad experimental es afectada por la aplicacin del
tratamiento B (X = 0), el modelo (3.1) queda expresado como:
0
0
1

,
_
X n
(3.5)
ln
2. Cuando una unidad experimental es afectada por la aplicacin del
tratamiento A (x=1), el modelo (3.1) queda expresado como:
1
1
1
1
]
1
0
1
1
1
1
x
x
n

ln (3.6)
1
) 0
1
( ) 1
1
(
x n x n
ln ln
1 0
1
1

,
_
x n
ln
Entonces ser el logaritmo neperiano de la relacin de probabi-
lidades cuando se aplic el tratamiento. B.
0

122
Entonces ser el logaritmo neperiano del cociente de la relacin
de probabilidades, odds ratio (OR), para los dos valores de la variable
x . Tambin es el logaritmo neperiano del cociente del odds del
tratamiento A y el odds del tratamiento B.
1
3. Dada la expresin (3,6), los posibles valores se interpretan

de la siguiente manera :
a) si el odds del tratamiento A es igual que el odds del
tratamiento B. Esto implica que no hay diferencias en la
aplicacin de los tratamientos A y B. Tambin OR=1
1
0
1

c) Si el odds del tratamiento A es menor que el odds
del tratamiento B. Esto implica que la aplicacin del trata-
miento A es inferior a la aplicacin del tratamiento B. Tambin
OR<1
0
1
<
b) Si el odds del tratamiento A es mayor que el odds
del tratamiento B. Esto implica que la aplicacin del trata-
miento A es superior a la aplicacin del tratamiento B . tam-
bin OR>1
0
1
>
3.2.3 Estimacin de los coeficientes
para el caso del modelo simple y la metodologa propuesta, la muestra
en estudio est formada por m observaciones con el tratamiento B
(x=0) y n observaciones con el tratamiento A (x=1), segn la tabla 1.1 .
La variable dependiente Y, slo puede tomar dos valores xito (1) y
fracaso (0) . Las expresiones (3.2) y (3.3), conducen a las siguientes
afirmaciones :
1. La probabilidad de que una unidad experimental, sometida al tra-
tamiento B, alcance xito, es:
( )
0
0
1
0
0

e
e
X
+

(3.7)
123
La expresin (3.2), vista como una binomial puntual puede escribirse:
Si y = 0, 1
Reemplazando (3.7) en (3.8)
( )
y
o
y
y f

1
0
1 ) (
(3.8)
( )
1
0 0
1 ) (

+

e e y f
y
(3.9)
Si y = 0, 1
Dada una muestra aleatoria de tamao m, extraida de una poblacin
con funcin de probabilidad dada por (3.9); la funcin de verosimilitud
est definida como:
m
yi
e e L
m
i

+

) 1 (
0 1
0

m
i
e n m yi nL
1
0
) 1 (
0
l ln ln ln
0
0
0
1
e
e
m
a
+

0
1
1
0
0
0
m
i
e
e
m yi
l
124
0
0
e
(3.10)
,
_
0
0
0
n
(3.11)
2. La probabilidad de que una unidad experimental sometida al trata-
miento A, alcance xito, es:
1 0
1 0
1
) 1 (
1

+
+
+

e
e
x
(3.12)
Entonces:
( )
y y
y f

1
1 1
) 1 (
y = 0,1
(3,13)
Remplazando (3.12) en (3.13)
n
yi
e e L
n
i
+
+
+

) 1 (
1 0 1
1 0
) (

Dada una muestra aleatoria de tamao n, extrada de una pobla-
cin con funcin de probabilidad dada por (3.14). La funcin de
verosimilitud est definida como:
( )
1
) 1 ( ) (
1 0 1 0
+ +
+

e e y f
y
y = 0, 1
(3.14)
125
1 0
1 0

1
1
+
+
+

e
e
n
b
1
1

+
e
0
1
1 0
1 0

1
1
+
+

e
e
n yi
n
i
l
) 1 ( ) (
1 0
1
1 0

+
+ e n n yi L n
n
i
ln
l
ln
usando la expresin (3.10)
0
0
1
1
e
(3.15)
1
1
1
1
]
1
0
0
1
1
1
n ln
(3.16)
3.2.3 Inferencia acerca de los coeficientes del modelo
Segn Alan Agresti (2), la inferencia acerca de los coeficientes del
modelo se puede realizar de la siguiente manera:
126
Tratamientos
(x=0) (x=1)
Se debe tener en cuenta, sin embargo que los estimadores habituales
no son los coeficientes , sino los odds ratio (OR) por lo tanto el
intervalo de confianza que interesa establecer es el referido al OR.
Evidentemente esto es:
b) Formulando hiptesis acerca de los coeficientes del modelo.
i
Hp
i
= 0 ; i = 0,1
Ha:
i
= 0
IV APLICACIN Y RESULTADOS.
Por ilustrar la metodologa presentada se har uso de los datos de experimento descri-
to en el punto b) de la seccin 3.1; la informacin se presenta en la siguiente tabla.
Tabla 4. Resultados del experimento en
larvas de gusanos de seda.
Respuesta CAL PAFSOL
Sanos 144 180
Enfermos 56 20
200 200
Usando la prueba estadstica.
Zcalculado =
) ( s
i
i
; i=0,1
)
2 i i
s z

t
; i=0,1
)
2 i i
s z
e

t
; i=0,1
a) Estableciendo en intervalo de confianza al (1- )% para los
coeficientes del modelo se puede realizar de la siguiente manera:
127
Tabla 4.2 Resultados de la evaluacin del experimento
Binary Logistic Regression
Response Information
Variable Value Count
respuesta 1: sanos 324 (Event)
0: enfermos 76
Total 400
Logistic Regression Table
Odds 95% CI
Predictor Coef StDev Z P Ratio Lower Upper
Constant 0,9445 0,1575 6,00 0,000
trat 1,2528 0,2835 4,42 0,000 3,50 2,01 6,10
V CONCLUSIONES
Segn los resultados presentados en la tabla 4.2, que ilustran la aplicacin de la me-
todologa propuesta se puede concluir lo siguiente:
1) Los coeficientes fueron estimados, y el modelo muestral queda expresado de la
siguiente manera:
x n
x
x
2528 . 1 9445 . 0 )
1
( +
(5.1)
x = 0, 1
2) Los coeficientes paramtricos son significativamente diferentes de cero, ya que
en ambos casos el p-valor de la prueba Z, tiende a cero.
128
3) El modelo estima la probabilidad de que una larva tratada con PAFSOL (x=1, en la
expresin 5.1) est libre de enfermedades bacterianas es y la probabilidad de que
una larva tratada con CAL (X=0, en la expresin 5.1) este libre de enfermedades
bacterianas es y la probabilidad de que una larva tratada con CAL
(X=0, en la expresin 5.1) este libre de enfermedades bacterianas es
4) La estimacin puntual del odds ratio es 3.50; la estimacin por intervalo, al 95% de
confianza, para el OR, es [2.01 , 6.10]; este resultado define la superioridad del
PAFSOL sobre la CAL, en la prevencin de enfermedades bacterianas en larvas
de gusano de seda, segn lo expuesto en el punto 3) de la seccin 3.2.2.
Segn el objetivo planteado en el presente trabajo, se puede concluir que la regre-
sin logstica es una herramienta muy til en la evaluacin del experimento presen
tado; es decir cuando se busca comparar la eficacia de dos tratamientos alternati
vos, que al ser aplicados a unidades experimentales de caractersticas homog-
neas, produce una respuesta binaria.
VI DISCUSION
La evaluacin del experimento planteado fue analizado usando regresin logstica,
pero tambin puede lograrse con las metodologas ampliamente conocidas y dadas a
continuacin:
1) Mediante una prueba de hiptesis de diferencia de proporciones poblacionales.
Las hiptesis formuladas son evaluadas usando MINITAB.
Hp: No hay diferencias entre las proporciones de inmunidad a enfermedades
bacterianas, en larvas de gusano de seda, usando PAFSOL y CAL
Ha: Si hay diferencias entre las proporciones de inmunidad a enfermedades
bacterianas, en larvas de gusano de seda, usando PAFSOL y CAL
90 . 0
1

72 . 0
0

Sample sanos N Sample p
1: PAFSOL 180 200 0,900000
2: CAL 144 200 0,720000
Esti mate for p(1) - p(2): 0,18
95% CI for p(1) - p(2): (0,105161; 0,254839)
Test for p (1) - p (2) = 0 (vs not = 0): Z = 4,59 P-Value = 0,000
Test and Confidence Interval for Two Proportions
129
Conclusin: Se rechaza la Hp. Si hay diferencias en el comportamiento de las
larvas de gusano de seda ante la aplicacin de PAFSOL y CAL
separadamente.
VI BIBLIOGRAFIA
1. Gujarati Damodar (1997) Econometra Mc Graw-Hill, Interamericana, S.A. Santa
F de Bogota, Colombia
2. Agresti Alan (1990) Categorical Data Analysis . John Wiley and Sons. Inc.
Toronto Canada
130
ESTIMACIN GENTICA PARA CARACTERES REPETIDOS CON ITERACIN
DE GAUSS-SEIDEL EN UN MODELO ANIMAL
Jorge P. Caldern Velsquez
1
SUMMARY
An animal model was stated, using the method of Gauss-Seidel iteraction, to inverse
big matrix, vg LHS of the MME, to permit to obtain quickly solution, with a little memory of
computer. For the evaluation was used 29 cows of Holstein Freisian, 79 lactations, with
average 2.72 records/cow, with an animal model with repeat register (RAM); the fixed factor
was year of fresh, age of cow at fresh, number of lactation and the random effect no adittive
was permanent effect (according number of lactation) and the random effect the genetic
value of animal. With 800 to 1000 iteraction the system converge. The program requirement
two files, the first one register of production and the second the genealogy, both codify to
be read for the program. The factor of relaxion used was 0.85
RESUMEN
Se plante un modelo animal, utilizando la metodologa de iteracin de Gauss-
Seidel, para invertir matrices de gran tamao, como es el caso del LHS de las MME, la
que permite converger rpidamente ahorrando capacidad de memoria del microprocesador.
Para la validacin del programa, se ha evaluado 29 vacas de la razas Holstein con un
total de 79 lactaciones y en promedio 2.72 lactaciones/vaca, en la que se ha considera-
do una Modelo Animal con Medidas Repetidas (RAM) y como factores fijos el ao de
parto, edad de la vaca al parto, nmero de la lactacin de la vaca, y como efectos
aleatorios el efecto permanente (no aditivo) debido al nmero de la lactacin, y el valor
gentico del animal a estimar. Se ha observado que a nivel de 800 a 1000 iteraciones el
sistema converge eficientemente. El programa desarrollado requiere que los archivos (2
de 3) de datos y genealoga deben ser codificados para que pueda ser ledo por el progra-
ma. El factor de relaxion fue de 0.,85.
1
Profesor Principal D.E., Departamento Acadmico de Produccin Animal, Facultad de Zootecnia.
131
I. INTRODUCCIN
Las evaluaciones genticas, desde la aplicacin del modelo animal ha sido la metodo-
loga ms aceptada, por la que permite realizar estimaciones simultnea tanto para hembras
como de machos, la que permite realizar comparaciones entre ambos resultados.
Uno de los principales inconvenientes que se tena en la aplicacin del modelo animal,
era la obtencin de la inversa de la matriz de relaciones aditivas (matriz de varianzas y covarianzas
genticas), tanto Henderson (1976), Quaas (1976), Van Raden y Hoeschele (1991) desarrolla-
ron metodologas que permitieron obtener o construir directamente la matriz inversa de relacio-
nes aditivas (A
-1
), y aplicar el modelo animal en la mayora de las evaluaciones genticas que
se realizan en la actualidad.
2.1 DEL MODELO ANIMAL
Las evaluaciones genticas han sufrido cambios a travs del tiempo, se han implementado
metodologas, desde simples comparaciones de promedios hasta complejos modelos
mixtos. Norman et al. (1991) realiza comparaciones entre la metodologa de compaeras
contemporneas modificadas y la de un modelo animal, que para este ltimo es necesa-
rio contar con lactaciones vlidas.
Henderson (1975) representa el modelo lineal mixto que es asumido en aplicaciones
genticas:
donde y es un vector de n x 1 observaciones, X es una matriz conocida de n x p, es un
vector de efectos fijos no conocidos, y Z es una matriz conocida de relaciones aditivas de
n x q. y son vectores no observables al azar (efectos aleatorios) con media nula, y:
y = X + Z +

2
0
0
1
]
1
1
]
1
R
G
Var
donde
2
es un escalar, posiblemente no conocido, y G y R son matrices ambas no singular, y
Cov ( ) = 0 (Henderson y Quaas, 1976). Asimismo, el mejor estimador lineal no sesgado
(BLUE) de cualquier grupo de funciones estimables, K , es K, donde es cualquier solucin
para la ecuacin siguiente. El mejor predictor lineal no sesgado (BLUP) de es . Adems, BLUP
de m = m.
,
1

132
X R X X R Z
Z R X Z R Z G
X R y
Z R y
' '
' '
'
'

1
]
1
1
]
1

1
]
1
1 1
1 1 1
1
1
la varianza del muestreo puede ser obtenido de una g-inversa del coeficiente de la matriz
descrita anteriormente., si C
11
, C
12
, C
12
y C
22
son matrices inversas de la matriz original,
algunas de las inversas puede ser:
Var (K) = KC
11
K
2
y es estimable si:
Cov(K,) = 0;
Cov(K,- u) = C
12
2
;
Var() = Cov(,u) = (G - C
22
)
2
;
Var( - u) = C
22

2
.
Cuando se considera registros repetidos (caso de lactaciones de una misma vaca) en las
evaluaciones genticas de un animal, Henderson (1975b), Kennedy (1989) plantean el
modelo siguiente:
donde p es un vector de los valores genticos no aditivos ms los efectos debido al medio
ambiente permanente, en este caso para una vaca en particular; a, p, e tienen media
cero; Var(a) = Ah
2
y
2
, en la que A es la matriz de relaciones aditivas y
y
2
es la varianza de
los registros (fenotpicas); Var(p) = I (r - h
2
)
y
2
, donde r es la repetibilidad del carcter y
h
2
es la heredabilidad; Var(e) = I (1 - r)
y
2
,
Como el modelo animal permite estimar valores genticos de machos y hembras
simultneamente, se puede incluir a los abuelos maternos, as Van Vleck et al.
(1989) encontraron una mayor eficiencia en la estimacin simultnea, comparando
el mtodo Northeast evaluation vs estimaciones simultneas.
Asimismo, Henderson (1989) plantea un modelo animal considerando un efecto gentico
no aditivo, derivando luego dos modelos equivalentes, obteniendo los mismos resultados
o estimaciones si se hubiesen aplicado un modelo animal para la estimacin de mnima
varianza cuadrtica no sesgada.
y = X + Za + Zp +

133
2.2 DE LOS MTODOS DE ESTIMACIN DE A
-1
Uno de los primeros procedimientos, en la estimacin de los valores genticos fue la
inversin de la matriz de relaciones aditivas (matriz de varianzas y covarianzas genticas),
as Henderson (1975c, 1976) describe la metodologa para obtener los valores directa-
mente. Uno de los mtodos recursivos descritos se basa en la descomposicin de la
matriz principal A en matriz L que es una matriz triangular menor, tal que LL = A. En
tanto que L es de fcil determinacin recursivamente y su construccin est adaptado en
contraste con el coeficientes de caminos (path coefficient method).
Para la inversin de la matriz de relaciones aditivas determinadas anteriormente, plantea
el algoritmo en la que usando d como un vector de la inversa del cuadrado de cada
elemento de la diagonal L. Esto est dado por d
i
= 1/l
2
ii
. Considerando la simbologa de un
elemento de la matriz A
-1
por a
ij
:
1. a
ii
= d
i
+ .25 d
k
, donde k refiere a la progenie del i-simo padre.
2. a
ij
(i<j) = -.5d
j
+ .25 d
k
, si j es una progenie de i, o = .25 d
k
, del cruzamiento de i
con j, considerando que a
ji
= a
ij
desde que A
-1
es simtrica.

Otros mtodos han sido descritos para obtener la inversa de la matriz de relacio-
nes aditivas (Henderson, 1976; Taylor y Tomaszewski, 1989; Caldern, 1993), ta-
les como la inversin de una submatriz de A (matrices partidas), la cual no es
muy recomendable en las evaluaciones genticas ya que limitan su uso.
2.3 INVERSIN DE MATRICES POR ALGORITMOS
Construda la matriz de los efectos macroambientales as como la matriz inversa de
los efectos genticos (A
-1
), para obtener la solucin y determinar los valores de los
coeficientes del vector de los y , se ha recomendado realizarlo mediante la
metodologa de Gauss-Seidel (Van Vleck y Dwyer, 1985; Misztal y Gianola, 1987;
Berger et. al., 1989), pero recomiendan adems la utilizacin del mtodo de la
sobrerelaxin sucesiva (SOR) el cual sera ms eficiente.
Strandn Y Mntysaari (1992) emplearon dos algoritmos en la implementacin de un
modelo animal en las evaluaciones genticas en Finlandia, siendo estas la de Gauss-
Seidel (usadas para otras que no sea el valor gentico) y la iteraccin de segundo orden de
Jacobi. El empleo de estas metodologas fueron descritas por Schaeffer y Kennedy (1986).
Wiggans et al. (1988) emplean el mtodo de iteracin sobre los mismos registros en la
evaluacin gentica americana, y Robinson y Chesnais (1988) para el Canad.
Hoeschele y Gianola (1989) presentan una metodologa en la estimacin del valor gentico,
debido a que el modelo animal no sera suficiente debido a que no mantendra linealidad,
vg paternidad incierta, basada en la teora Bayesiana.
134
2.4 APLICACIONES DEL MODELO ANIMAL
Banos et al. (1991) aplic un modelo animal, considerando grupos genticos, con la
finalidad de comparar toros de dos razas y de dos pases diferentes (americanos y cana-
dienses), incluyendo en la matriz de incidencia gentica una matriz que asigna los toros
al grupo gentico que pertenecen.
Powell y Wiggans (1991) para realizar evaluaciones genticas de toros mexicanos, em-
plearon un modelo animal en la que incluyeron como efectos fijos el sistema de manejo y
el efecto al azar la interaccin rebao-padre, efecto ambiental permanente, al individuo y
el efecto residual (error).
Burnside et al. (1992) emplean un modelo animal para realizar estimaciones de valores
genticos para leche, grasa y protena en vacas, en Italia, de la raza Holstein Friesian, as
como la estimacin del progreso gentico.
Casanova et al. (1992) utilizando un modelo animal para medidas repetidas (RAM)
incluyen una regresin sobre el coeficiente de consanguinidad, con la finalidad de
ajustar las estimaciones, ya que la consanguinidad afecta directamente a la asuncin
del modelo animal; i.e., la varianza de los valores genticos hallados de los animales
consanguneos es inflado por la covarianza entre el valor gentico de los padres; y la
varianza del muestreo mendeliano entre la descendencia de los animales consangu-
neos es reducido.
Misztal et al. (1993) aplican un modelo animal, con transformacin cannica, para evaluar
las 14 caractersticas lineales de tipo para la Holstein Americana, en la que incluy los
efectos de rebao-ao-estacin de clasificacin, interaccin entre rebao-padre, medio
ambiente permanente y efecto al azar (animal) con grupos de padres no conocidos.
3.1 DEL MODELO ANIMAL
El modelo animal que se considera es el de registros repetidos (RAM), cuya ecuacin
general es la siguiente:
y = X + Z + Zp + e
donde X, Z son matrices conocidas de incidencias de efectos macroambientales y de
relaciones aditivas genticas, es el vector de los coeficientes no conocido de los efectos
ambientales, es el vector de los valores genticos (animal) y p es el vector referido al
efecto ambiental permanente, e vector del error experimental.
Produccin leche =Nmero de lactacin + Edad al Parto + Ao de parto +
Efecto Permanente + Valor Gentico del animal + error
135
3.2 DEL LENGUAJE DE PROGRAMACIN
El lenguaje de programacin utilizado fue Microsoft FORTRAN (1989), y las tcnicas de
programacin estn descritas por Wagener (1980), Friedman y Koffman (1981), Harkin
(1981).
3.3 DE LA TCNICA DE INVERSIN DE MATRIZ
Los valores de los efectos fijos y aleatorios fueron obtenidos utilizando la metodologa de
iteracin de Gauss-Seidel.
El mtodo para resolver las ecuaciones del modelo mixto (MME) es el descrito por
Wiggans et al. (1988), as como el lado derecho de las ecuaciones normales ajustadas
(ARHS), de los valores genticos.
Los vectores fueron definidos como:
a = solucin de los valores genticos (nmero de animales)
p = solucin de los efectos medioambientales permanentes (nmero de vacas)
d = diagonal de ZZ +
a
A
-1
(nmero de animales)
Los pasos de la inversin de matriz ser:
1. Se inicializa todos los vectores y matrices a cero, los datos o informacin de las
vacas y toros sern ledos de la forma WW, (Wy)
adj
, y d.
2. Resuelve el vector de los efectos fijos s, i.e. iteraciona WWs = (Wy)
adj
. Hacer
(Wy)
adj
= 0.
3. Lee un ao del archivo de produccin. suma la diagonal de la matriz XX y ARHS
(Xy)
adj
4. Recurre el paso tres (3) hasta que termine y haya procesado el ltimo ao de parto.
5. Para cada padre, actualiza (Zy)
adj
para el toro y sus padres de acuerdo con el
pedigree.
6. Nuevas soluciones al modelo animal a
i
n+1
para cada vuelta n+1 son calculadas como:
a
i
n+1
= 1/d
i
{(Zy)
adj
}
i
+a
i
n
donde el valor de 0.85 fue utilizado para el factor de relajacin del factor . Despus
de resolver al animal i, (Zy)
adj
es inicializada para ser - a
1
n
d
i
.
7. Continua la iteracin desde el paso 2 si el criterio de la convergin no termina an.
136
3.4 DEL PROCESO
Todos los procesos de verificacin y programacin han sido realizadas en una
microcomputadora 486DX4 100 MHz, con 32 Mbytes de RAM, utilizando el compilador
para FORTRAN77.
IV. RESULTADOS Y DISCUSIN
4.1 DE LOS ARCHIVOS DE REGISTROS DE PRODUCCIN
Se ha tomado los registros de produccin de 29 vacas de la raza Holstein, considerando
los siguientes factores segn el modelo planteado:
1. Nmero de lactacin
2. Edad al parto (en meses)
3. Ao de parto
4. Lactacin a 305 das, 2X.
El nmero total de registros fue de 79 lactaciones, haciendo un promedio de 2.72
lactaciones/vaca.
La estructura del archivo de los registros de produccin fue el siguiente:
1ra. columna: Identificacin del animal que tiene registros de produccin (v.g.
lactaciones a 305d,2X), codificado en orden ascendente (o en funcin
al ao de nacimiento) de animales de mayor edad a animales jvenes:
29 animales.
2da. columna: Codificacin correspondiente al nmero de la lactacin del animal al que
corresponde la produccin registrada: de 1 a 5 partos.
3ra. columna: Codificacin de la edad al parto (se ha considerado como factor fijo, para
que el modelo considere como un efecto y realice el ajuste correspon-
diente): 1 a 36 edades al parto.
4ta. columna: Codificacin correspondiente al Ao de parto, con la finalidad de conside-
rar el efecto de ao y el modelo estandarice por dicho efecto: de 1 a 9
aos de parto.
5ta. columna: Es una columna idntica a la 1ra. columna, ya que ella considera el
efecto permanente (debido a las diferencias que existe entre lactacin y
lactacin). En el caso de considerar solamente la primera lactacin no es
necesario identificar dicho efecto: de 1 a 29 animales con registros de
produccin.
6ta. columna: Corresponde al valor de la produccin de leche estandariza a 305d,2X.
137
A continuacin se presenta el archivo de la base de datos considerado en la aplicacin:
1 1 5 1 1 4820 1ra. columna: No. Orden de la vaca
1 2 12 2 1 4451 2da. columna: No. lactacin
1 3 23 3 1 4221 3ra. columna: Edad al parto de la vaca
1 4 28 4 1 4249 4ta. columna: Ao de parto de la vaca
2 1 5 1 2 5025 5ta. columna: Efecto permanente (medida repetida)
2 2 10 2 2 5792 6ta. columna: Produccin de leche estandarizada
2 3 20 3 2 4869
4.2 DEL ARCHIVO DE LA GENEALOGA
El archivo de la genealoga tambin ser escrito en ASCII, en la que se escribir
en tres columnas, correspondiendo la primera columna al nmero codificado del
individuo, la segunda y tercera columna corresponder al de los padres y ma-
dres (cdigos), este archivo podr tener genealoga de las abuelas, la que permi-
tir realizar las evaluaciones genticas de referidos animales an sin contar con
sus registros de produccin, es necesario considerar que est completa la ge-
nealoga (padre y madre), ambos codificados, asignndoles otra codificacin co-
rrelativa, a no ser que uno de los animales considerado como padre o madre
hayan sido codificados anteriormente, osea que presente registros de produc-
cin. El programa estimar el valor gentico de los individuos genealgicos en
base a la informacin de la progenie. El orden de escritura del archivo es como
sigue:
1ra. columna: Codificacin de los animales con registros de produccin: de 1 a 29 ani-
males.
2da. columna: Codificacin del padre del animal con registro, es conveniente asignar el
cdigo mayor para diferenciar en la evaluacin: de 54 a 62.
3ra. columna: Codificacin de la madre del animal con registro, debe empezar la
codificacin con el nmero inmediato superior al de las vacas con
registro: de 30 a 53. En nuestro caso existe dos vacas que teniendo
registros de produccin tambin son madres de otras vacas ms jve-
nes, en este caso se considera el cdigo inicial.
4ta. columna: Se le asigna el valor de 1, la que indica que tiene padres y madres cono-
cidos.
La construccin de la inversa de la matriz de relaciones ser realizada mediante las
Reglas de Henderson (1976).
138
El archivo de genealoga ser como se indica:
1 60 44 1 1ra. columna: cdigo del animal con registro (1 a 29)
2 61 41 1 2da. columna: cdigo del padre del animal (54 a 62)
3 61 42 1 3ra. columna: cdigo de la madre del animal (30 a 53)
4 56 40 1 4ta. columna: asignacin de padres conocidos (1)
5 55 32 1
4.3 DEL ARCHIVO DE PARMETROS
Se construir un archivo de parmetros, en la que se indicar el o los efectos son fijos o
aleatorios, al ser efectos fijos la relacin de varianza ser cero, y si es aleatorio la relacin
de varianza tomar una valor de acuerdo con la heredabilidad y repetibilidad del carcter,
como un valor negativo.
En este archivo se consignar las posiciones de los factores que contiene el modelo que
se est empleando, este archivo consta la primera fila con 4 columnas y las filas siguien-
tes de tres columnas, la que se indica a continuacin:
1ra. fila: En la primera columna, se asigna el nmero de factores que tiene el mode-
lo, se indica los factores ambientales como los aleatorios, para nuestro
caso se tiene 3 efectos fijos (Nmero de lactacin, Edad al parto y Ao de
parto) y 2 efectos aleatorios (Efecto permanente y Valor gentico): 5 efectos
en total.
En la segunda columna se indica la posicin del valor de produccin de
leche en el archivo de datos de produccin: 6ta. columna.
En la tercera columna es el factor de relajacin del sistema (0.85).
En la cuarta columna se indica el nmero de interaciones que se quiere
realizar.
2da. fila: Se describe el primer efecto, en este caso corresponde al nmero de lactacin
del animal, 2da. columna del archivo de datos, y el nmero de niveles que
tiene dicho factor: 5 niveles. La relacin de varianza es 0 (Efecto fijo).
3ra. fila: Posicin del segundo efecto, tercera columna del archivo de datos, nmero
de niveles de dicho factor: 36 niveles o edades del animal al parto. Relacin de
varianza 0 (Efecto fijo).
4ta. fila: Posicin del tercer efecto en el archivo de datos, nmero de niveles: 9 niveles
correspondientes al Ao de parto del animal. Relacin de varianza 0 (Efecto fijo)
5ta. fila: Posicin del efecto aleatorio, medio ambiente permanente, est situada en la
quinta columna del archivo de datos, en la que se considera 29 animales con
registro de produccin. La relacin de varianza considerada como
2
e
/
2
p
=(1-r)/
(r-h
2
) = 2.5.
139
6ta. fila: Posicin del cdigo del animal que se est evaluando, primera columna del
archivo de datos, seguido por el nmero de animales en la genealoga (nme-
ro de vacas + nmero de madres + nmero de padres = 29 + 24 + 9 = 62).
Relacin de varianza considerada
2
e
/
2
u
=(1-r)/h
2
= 1.67, se considera con valor
negativo ya que premultiplica a la matriz A
-1
, Efecto aleatorio (valor gentico).
El archivo de los parmetros ser de la siguiente forma:
5 6 0.8 1000 <--- Descripcin del modelo, con interacciones
2 5 0 <--- Efecto nmero de lactacin, con niveles
3 36 0 <--- Efecto de la edad al parto, con niveles
4 9 0 <--- Efecto del ao de parto, con niveles
5 29 2.5 <--- Efecto permanente, nmero de animales y reg.
1 62 -1.67 <--- Efecto aleatorio, animales en la genealoga con
y sin registros de produccin.
4.4 DEL PROGRAMA DE EVALUACIN
La estructura del programa deber ser compilado a la necesidad de la evaluacin y la
disponibilidad de memoria del computador. El nmero de iteraciones est definida por el
operador.
La estimacin del valor gentico de los animales empleados en este procedimiento,
fue realizado empleando diferentes niveles de iteracin antes de considerar que el
sistema de soluciones ha convergido, dichos niveles fueron 50, 100, 200, 500 y 1000
iteraciones. Obsrvese que a medida que las iteraciones aumenta los valores de los
factores incluidos en el modelo tambin cambian, hasta llegar a hacerse constante
las soluciones, la que se dice que en ese nivel o momento el sistema ha convergido y
que las soluciones obtenidas a ese nivel son los valores estimados. La estimacin de
todos los factores que se incluyeron en el modelo se realiza simultneamente, para
los efectos fijos y aleatorios, de manera como se identific los efectos en el archivo
de parmetros o efectos.
140
Iteraciones
Factor
50 100 200 500 1000
Efecto Nmero de Lactacin
1 4699.99 4589.31 4439.85 4225.93 4142.94
2 5022.18 4995.61 4943.34 4865.54 4835.34
3 4313.87 4369.83 4445.06 4552.55 4594.25
4 4960.00 5120.27 5366.36 5724.20 5863.08
5 3752.83 3979.03 4338.90 4864.13 5067.99
Efecto de la Edad al Parto
1 -894.63 -874.12 -795.16 -673.09 -625.71
2 2451.85 2610.05 2529.36 2359.98 2293.96
3 -1216.46 -1266.15 -1337.38 -1440.95 -1481.17
4 -299.25 -403.29 -459.02 -523.09 -547.89
5 89.06 84.11 81.32 78.34 77.17
6 -366.58 -357.64 -305.25 -222.83 -190.83
7 -892.06 -879.12 -830.17 -754.66 -725.36
8 -55.25 -42.17 -6.74 46.36 66.95
9 278.47 244.24 150.69 7.93 -47.51
10 1723.73 1723.59 1667.08 1576.52 1541.34
11 -343.39 -378.08 -367.93 -342.65 -332.78
12 -292.20 -243.49 -211.09 -170.74 -155.12
13 -564.61 -520.26 -494.14 -463.13 -451.13
14 829.46 840.08 900.24 993.64 1029.92
15 -765.64 -720.31 -653.92 -558.86 -521.97
16 -1474.06 -1682.58 -1687.53 -1644.19 -1627.10
17 -229.90 -194.55 -138.36 -55.44 -23.25
18 -896.62 -816.91 -855.92 -937.77 -969.67
19 67.40 25.66 -93.14 -274.71 -345.23
20 1074.60 1109.04 1010.71 845.99 781.95
21 1306.52 1280.02 1294.39 1323.81 1335.26
22 735.40 801.61 802.66 788.57 783.02
23 284.57 359.94 329.86 262.40 236.10
24 -537.13 -486.85 -491.66 -512.80 -521.09
25 -1933.46 -1985.82 -1910.08 -1775.56 -1723.23
26 -511.52 -631.46 -587.79 -487.98 -449.07
27 -206.69 -281.07 -230.76 -132.13 -93.73
28 152.50 237.85 136.26 -48.30 -120.13
29 -1221.84 -1316.15 -1358.27 -1403.14 -1420.49
30 -487.65 -427.67 -484.22 -590.61 -632.03
31 62.21 47.36 88.38 157.64 184.56
32 3265.94 3304.34 3136.70 2859.00 2751.05
33 -1214.51 -1352.86 -1132.12 -741.98 -590.24
34 133.62 152.70 179.30 217.70 232.58
35 -267.25 -305.41 -358.62 -435.40 -465.22
36 388.29 490.73 658.48 903.55 998.65
Efecto del Ao de Parto
1 755.08 1078.71 1396.52 1829.90 1997.94
2 -194.62 -0.87 224.65 541.06 663.79
3 114.07 218.43 382.35 620.99 713.61
4 -230.67 -232.73 -169.72 -67.91 -28.35
141
Iteraciones
Factor
50 100 200 500 1000
5 616.34 514.18 463.43 406.94 385.10
6 566.94 492.29 324.19 71.45 -26.68
7 -1011.89 -1238.96 -1576.16 -2064.40 -2253.87
8 -2715.60 -3065.84 -3520.60 -4168.58 -4419.98
9 767.11 433.04 -257.64 -1289.77 -1690.48
Efecto del Medio Ambiente Permanente
1 -2.50 -1.93 -1.06 -0.33 -0.05
2 -6.01 -1.32 -0.86 -0.27 -0.04
3 -2.47 -1.85 -1.31 -0.41 -0.06
4 -1.42 -1.75 -0.98 -0.30 -0.04
5 -0.78 -0.10 -0.08 -0.02 0.00
6 1.34 -0.22 -0.07 -0.02 0.00
7 -2.07 -1.02 -0.58 -0.18 -0.03
8 -1.29 -1.05 -0.67 -0.21 -0.03
9 -6.67 -1.64 -0.96 -0.30 -0.04
10 -58.79 -37.49 -29.82 -23.00 -20.37
11 -125.37 -137.35 -147.05 -159.71 -164.62
12 0.16 -0.22 -0.21 -0.07 -0.01
13 2.71 0.39 -0.12 -0.04 -0.01
14 -2.17 -1.18 -0.72 -0.22 -0.03
15 -1.65 -0.20 0.05 0.02 0.00
16 -1.01 -0.02 -0.06 -0.02 0.00
17 -0.33 -0.34 -0.33 -0.10 -0.01
18 37.34 34.76 30.31 23.17 20.40
19 0.60 -0.07 -0.21 - 0.07 -0.01
20 3.44 0.63 0.24 0.07 0.01
21 1.90 0.60 0.28 0.09 0.01
22 84.48 89.12 95.18 104.23 107.75
23 41.63 49.12 52.23 55.59 56.89
24 23.32 2.60 -0.02 -0.02 0.00
25 -66.49 -68.00 -59.83 -46.10 - 40.76
26 -1.82 2.60 2.13 0.67 0.10
27 78.55 72.81 62.32 46.87 40.87
28 -0.76 1.62 1.38 0.43 0.06
29 6.18 1.50 0.71 0.22 0.03
Valor Gentico de los Animales con y sin Registros
1 -486.29 -708.71 -905.71 -1168.17 -1269.90
2 -632.46 -827.15 -967.95 -1150.16 -1220.76
3 -1413.19 -1631.82 -1853.70 -2158.44 -2276.62
4 -386.94 -600.44 -810.91 -1097.05 -1208.00
5 -926.87 -908.87 -929.42 -967.88 -982.84
6 -73.29 -83.23 -102.71 -130.77 -141.65
7 608.86 513.15 383.74 198.15 126.14
8 -221.83 -288.97 -414.56 -600.38 -672.52
9 595.63 479.12 -3108.54 -2988.19 -2941.17
11 677.44 738.01 751.23 757.11 759.33
12 88.17 63.44 19.39 -45.98 -71.35
142
Iteraciones
Factor
50 100 200 500 1000
13 1254.55 1280.51 1261.72 1223.18 1208.17
14 380.49 273.91 117.90 -107.51 -194.97
15 63.75 28.61 22.62 22.51 22.51
16 922.54 930.19 918.57 896.77 888.29
17 1192.94 1185.96 1119.05 1011.91 970.28
18 760.92 760.92 746.36 724.00 715.32
19 -1065.67 -1028.19 -1055.05 -1108.00 -1128.61
20 1041.91 1162.49 1205.66 1246.78 1262.63
21 -0.48 89.31 132.07 179.68 198.09
22 832.69 907.54 932.58 954.70 963.21
23 802.74 877.70 900.44 918.28 925.14
24 -485.85 -386.38 -316.80 -227.49 -192.89
25 578.14 880.31 1096.04 1369.35 1475.22
26 114.92 207.48 509.73 973.92 1154.19
27 -1157.12 -969.09 -740.00 -417.16 -291.93
28 -891.43 -814.34 -535.31 -104.39 62.97
29 576.90 788.77 961.82 1189.98 1278.40
30 -1715.50 -1689.63 -1383.03 -895.40 -705.97
31 428.91 304.17 301.45 329.77 340.93
32 -2944.66 -3035.45 -3050.07 -3053.96 -3055.38
33 -1239.66 -1384.11 -1396.68 -1379.76 -1373.01
34 -964.51 -1160.45 -1146.07 -1073.22 -1044.68
35 -330.67 -669.18 -955.02 -1333.10 -1479.63
36 100.69 -258.83 -508.96 -825.43 -948.01
37 -1065.31 -1028.19 -1055.02 -1107.99 -1128.61
38 325.37 395.08 434.39 479.51 496.96
39 126.24 -190.82 -423.42 -721.81 -837.41
40 -623.85 -931.75 -1225.71 -1622.49 -1776.32
41 2478.42 2649.08 2458.25 2103.50 1965.43
42 913.27 1040.12 687.01 87.02 -146.28
43 448.99 464.23 531.48 635.15 675.41
44 -486.08 -708.44 -905.57 -1168.12 -1269.89
45 989.72 1106.89 1219.92 1375.29 1435.54
46 -1094.74 -1039.42 -927.28 -758.90 -693.53
47 1193.11 1186.02 1119.11 1011.92 970.28
48 -2094.78 -1993.42 -1824.35 -1573.03 -1475.47
49 -1536.23 -1795.11 -2020.01 -2318.88 -2434.72
50 6250.05 6863.65 6917.25 6850.07 6823.27
51 923.21 930.19 918.58 896.77 888.29
52 1217.44 1516.80 1611.67 1693.48 1724.92
53 297.94 353.88 706.98 1261.20 1476.47
54 503.89 1104.17 1536.52 2084.09 2296.19
55 1093.52 1217.80 1191.23 1118.21 1089.70
56 -149.24 -268.34 -395.66 -571.48 -639.67
57 -1065.31 -1028.19 -1055.02 -1107.99 -1128.61
58 -66.71 60.35 311.88 686.44 831.88
59 1193.11 1186.02 1119.11 1011.92 970.28
60 -486.08 -708.44 -905.57 -1168.12 -1269.89
61 -3743.77 -4303.18 -4393.75 -4403.69 -4406.93
62 923.21 930.19 918.58 896.77 888.29
143
V. CONCLUSIONES
La aplicacin del modelo animal para la estimacin de los valores genticos de los
animales es factible desarrollar, con programas abiertos que permitan estimar los efec-
tos fijos, aleatorios y los niveles de cada uno de ellos, utilizando sub rutinas para la
inversin de matrices de gran tamao como es el caso de la metodologa de Gauss-
Seidel y la convergencia sobre el valor del efecto la que permite realizar a un menor
tiempo, ahorrando memoria del computador.
VI. BIBLIOGRAFA
BANOS, G., L. R. SCHAEFFER, y E. B. BURNSIDE. 1991. Genetic relationships and
linear model comparisons between United States and Canadian Ayrshire
and Jersey bull populations. J. Dairy Sci. 74:1060.
BERGER, P. J., G. R. LUECKE, y J. A. HOEKSTRA. 1989. Iterative algorithms for solving
mixed model equations. J. Dairy Sci. 72:514
BURNSIDE, E. B., G. B. JANSEN, G. CIVATI, y DADATI. 1992. Observed and theorical
genetic trends in a large dairy population under intensive selection. J. Dairy
Sci. 75:2242.
CALDERON, V. J. 1993. Aplicacin del modelo animal en la evaluacin gentica de
reproductores en cerdos. Tesis M.Sc. Universidad Nacional Agraria La Molina.
Lima, Per.
CASANOVA, L., C. HAGGER, N. KUENZI, y M. SCHNEEBERGER. 1992. Inbreeding in
Swiss Braunvieh and its influence on breeding values predicted from a
repeatability animal model. J. Dairy Sci. 75: 1119.
FRIEDMAN, F. y E. KOFFMAN. 1981. Problems solving and structured programming in
FORTRAN. 2da ed. Reading, MA:Adison-Wesley.
HARKIN, G. J. 1981. The science of computer programming: An introduction to FORTRAN
y Basic. Burgess Publishing Company. MN.
HENDERSON, C. R. 1975. Best linear unbiased estimation and prediction under a selection
model. Biometrics. 32:423.
HENDERSON, C. R. 1975b. Use of all relatives in intra-herd prediction of breeding values
and producing abilities. J. Dairy Sci. 58:1910.
HENDERSON, C. R. 1975c. Rapid method for computing the inverse of a relationship matrix.
J. Dairy Sci. 58:1727.
144
HENDERSON, C. R. 1976. A simple method for computing the inverse of a numerator
relationship matrix used in prediction of breeding values. Biometrics 32:69.
HENDERSON, C. R. 1989. Prediction of merits of potencial matings from sire-mater-
nal grandsire models with nonadditive genetics effects. J. Dairy Sci.
72:2592.
HENDERSON, C. R. y R. L. QUAAS. 1976. Multiple trait evaluation using relatives records.
J. Anim. Sci. 43:1188
HOESCHELE, I., y D. GIANOLA. 1989. Bayesian versus maximun quasi-likelihood methods
for sire evaluation with categorical data. J. Dairy Sci. 72:1569.
KENNEDY, B. W. 1989. Animal model BLUP. Centre for Genetic Improvement of Livestock.
University of Guelph.
Microsoft FORTRAN. 1989. Reference. Version 5.0 For MS, OS/2 and MS-DOS Operating
system. Microsoft Corporation.
MISZTAL, I., y D. GIANOLA. 1987. Indirect solution of mixed model equations. J. Dairy Sci.
70:716.
MISZTAL, I., D. GIANOLA, y L. R. SCHAEFFER. 1988. Extrapolation and convergens
criteria with Jacobi and Gauss-Seidel interation in animal models. J. Dairy
Sci. 71(Suppl. 2):107.
MISZTAL, I., T. J. LAWLOR, y T. H. SHORT. 1993. Implementation of single- and multiple-
trait animal models for genetic evaluation of holstein type traits. J. Dairy
Sci. 76:1421.
NORMAN, H. D., R. L. POWELL, y G. R. WIGGANS. 1991. Comparison of genetics
evaluations from animal model and modified contemporary comparison. J.
Dairy Sci. 74:2309.
QUAAS, R. L. 1976. Computing the diagonal elements and inverse of a large numerator
relationship matrix. Biometrics. 32:939
ROBINSON, J. A. B., y J. P. CHESNAIS. 1988. Application of the animal model on a
national basis to the evaluation of Canadian livestock. J. Dairy Sci. 71(suppl.
2):70.
SCHAEFFER, L . R., y B. W. KENNEDY. 1986. Computing strategies for solving mixed
model equations. J. Dairy Sci. 69:575
STRANDN, I., y E. A. MNTYSAARI. 1992. Animal model evaluation in Finland: Experience
with two algorithms. J. Dairy Sci. 75:2017
145
TAYLOR, J. F., y M. A. TOMASZEWSKI. 1989. Inverse numerator relationship matrix
approximation. J. Dairy Sci. 72:664
VanRADEN, P. M., y I. HOESCHELE. 1991. Rapid inversion of additive by additive
relationship matrices by including sire-dam combination effects. J. Dairy
Sci. 74:570
VAN VLECK, L. D., y D. J. DWYER. 1985. Comparison of iterative procedures for solving
equations for sire evaluation. J. Dairy Sci. 68:1006.
VAN VLECK, L. D., C. P. VAN TASSEL, y R. A. WESTELL. 1989. Prediction of progeny
genetic evaluations from simultaneous genetic evaluations of the dam, sire,
and maternal grandsire with an animal model. J. Dairy Sci. 72:1578.
WAGENER, J. 1980. FORTRAN 77: Principles of Programing. New York, NY. Wiley.
WIGGANS, G. R., I. MISZTAL, y L. D. VAN VLECK. 1988. Animal model evaluation of
Ayrshire milk yield with all lactations, herd-sire interaction, and groups
based on unknown parents. J. Dairy Sci. 71:1319.
146
EXTRACCION Y CARACTERIZACION DE ACEITE DE SACHA INCHI
(Plukenetia volubilis L.)
Gloria Pascual Ch.
1
Margarita Meja L.
2
RESUMEN
Se evaluaron caractersticas, composicin y extraccin del aceite crudo de la semi-
lla de sacha inchi (Plukenetia volubilis L.).
La extraccin del aceite se llev a cabo por extraccin mecnica y por solvente
previamente con diferentes parmetros de tratamiento trmico. El contenido de aceite de-
terminado en las semillas fue de 51.4%.
La composicin en cidos grasos del aceite crudo determinada por cromatografa
de gases revel un alto grado de insaturacin (90.34%) destacndose el cido linolnico
(43.75%) seguido del cido linoleico con 36.99%. Entre los cidos grasos saturados el
ms significativo fue el cido palmtico con 5.61%.
Las caractersticas fsicas y qumicas mostraron ser similares a los de otros aceites
vegetales comestibles. Su ndice de refraccin a 25C fue 1.480125, densidad a 15
o
C de
0.929 g/cc y color 2.87 unidades rojo lovibond. El ndice de acidez fue de 1.28 mg KOH/g
grasa, ndice de iodo de 189g de I/100g grasa y el ndice de saponificacin de 229.58 mg
KOH/g grasa.
Del anlisis qumico de la torta obtenida despus de la extraccin mecnica y extrac-
cin por solventes sobresali el alto contenido protico (59.13% en base seca).
SUMMARY
Were evaluated characteristics, composition and extraction of sacha inchi bean
crude oil.
Oil extraction was assayed by mechanic and solvent extraction. Different parameters
of thermal pre-treatment to the extraction was needed. Oil conten of beans was 51.4%.
1
Profesora Auxiliar de la Facultad de Industrias Alimentarias.
2
Jefe de Prcticas
147
Oil fatty acids composition determinated by gas chromatography revealed a high degree
of insaturacion (90.34%), linolenic acid (43.75%) was remarked, and linoleic acid (36.99%).
Another saturated fatty acids palmitic acid with 5.61%.
Physical and chemical character stics were chuck word similar to another vegetable
oils. The refraction index was 1.480125 (25C), density 0.929 g/cc (15C) and color 2.87 U.
lovibond red. Acidity index was 1.277 mg KOH/g grasa, iodine index was 189g Iodo/ 100g fat,
and unsaponificable index was 229.583 mg KOH/g fat.
Chemical analysis of cake after mechanic and solvent extraction remarked high protein
content (59.1307% matter dry).
INTRODUCCION
El aceite es un alimento bsico en la
alimentacin humana; el Per es un pas de-
ficitario de materias primas oleaginosas, por
lo que se ve en la necesidad de importar ma-
teria prima o aceite crudo.
La soja domina el mercado de acei-
tes y protenas vegetales en el mundo. Esto
se debe a sus caractersticas agronmicas
favorables con protenas de alta calidad para
fabricacin de alimentos para consumo ani-
mal, produccin de aceite comestible de alta
calidad y abastecimiento abundante a buen
precio. Actualmente, se estn realizando es-
tudios para encontrar especies nativas de
gran contenido de aceite, alta cantidad de
protenas en la torta, y produccin factible y
rentable.
Una de estas especies nativas que
podra ser utilizada como materia prima
oleaginosa es el sacha inchi. Esta semilla
contiene altas cantidades de aceite (54%) y
relativamente alto contenido proteico (27%)
(Hamaker et.al.,1992).
El sacha inchi es una planta de am-
plia distribucin en la amazona peruana, de
antiguo y actual uso alimentario por la pobla-
cin rural nativa y mestiza. Est distribuida
en el trpico latinoamericano y en nuestro pas
se ha recolectado en Madre de Dios, Hunu-
co, San Martn, Ucayali, Iquitos, y reas del
estrecho amaznico (Valles,1995).
Crece desde los 100 m.s.n.m. hasta
1500 m.s.n.m. Comnmente se le encuentra
en bordes de bosques secundarios (purmas),
en caaverales, sobre cercos vivos y como
maleza en platanales y cultivos permanentes
(Valles,1995).
El sacha inchi es una planta rstica,
crece en suelos cidos y con alta concentra-
cin de aluminio. Prospera en shapumbales
(Pterdium aquilinium) secos y hmedos, y en
cashueshales (Imperata barsiliensis) (Va-
lles,1995).
Nuestro territorio selvtico favorece el
crecimiento de esta planta, que por sus ca-
ractersticas es llamada a ser importante al-
ternativa para suelos cidos en los que se
cultiv coca (Valles,1995).
Garca (1990) report los siguientes
resultados con respecto a la composicin qu-
mica del sacha inchi: protena 24.22%, hu-
medad 5.63%, grasa 43.10%, carbohidratos
7.72% y ceniza 2.80%.
Mehlembacher (1979) report los n-
dices de iodo y de saponificacin de las gra-
sas y aceites naturales, asimismo report el
contenido de materia insaponificable de algu-
nas grasas y aceites. Los datos obtenidos por
este autor se entregan en el cuadro 1 y 2.
148
Cuadro 1: Indices de iodo y de saponificacin de las grasas y aceites naturales
Grasa
Indice
saponificacin
Indice
Yodo Grasa
Indice
saponificacin
Indice
iodo
Babass
Cacao
Ricino
Coco
Maz
Algodn
Camo
Capoc
Oliva
Palma
Cacahuate
Salvado-arroz
Crtamo
Colza
247-251
190-200
176-187
250-264
187-193
189-198
190-193
189-197
188-196
195-205
188-195
183-194
188-194
170-180
14-18
35-40
81-91
7.5-10.5
103-128
99-113
150-166
86-110
80-88
44-54
84-100
92-109
140-150
97-108
Ssamo
Soja
Girasol
Te
Nueces
Gallina
Manteca cerdo
Pata de buey
Harina bacalao
Salmn
Sardina
Tiburn
Atuvieran
Ballena
188-195
189-195
188-194
188-196
189-198
194-204
190-202
190-199
180-190
183-186
189-193
158-164
160-196
185-194
103-116
120-141
125-136
80-90
140-152
64-76
52-77
69-76
140-170
141-166
170-193
115-139
112-136
110-135
Fuente: Mehlembacher, 1979
Cuadro 2: Contenido de materia insaponificable de algunas grasas y aceites
Aceite o Grasa
Materia
Insaponificable (%) Aceite o Grasa
Materia
Insaponificable (%)
Babass
Manteca de cacao
Ricino
Semilla de china
Coco
Maz
Semilla de Algodn
Semilla de Camo
Capoc
Semilla de lino
Semilla de mostaza
Oliva
Palma
Pepita de palma
Bacalao
0.2-0.8
0.2-1.0
<1.0
0.5-1.5
<0.5
0.8-0.2
<1.5
<1.5
0.5-1.0
<1.7
0.7-1.5
0.7-1.1
0.3-1.0
0.2-0.8
3.3-4.7
Cacahuate
Okume
Nabina
Salvado de arroz
Crtamo
Ssamo
Harina de soja
Girasol
Semilla de te
Manteca de china
Manteca de cerdo
Pata de buey
Sebo de buey
Ballena
Harina de tiburn
0.2-0.8
0.6-1.3
0.7-1.3
3.0-5.0
0.3-1.3
0.9-2.3
0.5-1.6
0.3-1.3
<1.5
<1.0
<0.8
<0.8
<1.0
1.6-1.9
13-20
Fuente: Mehlembacher, 1979
149
Bernardini (1981) report los resultados de ndice de refraccin y peso especfico de grasas y
aceites, los datos obtenidos por este autor, se entregan en el cuadro 3.
Cuadro 3: Indice de refraccin y peso especfico de grasas y aceites
Indice de refraccin Peso especfico
Grasa o Aceite C C
Linaza
Tung
Nogal
Crtamo
Pepita de uva
Soja
Adormidera
Girasol
Guizotia
Maiz
Semilla de tomate
Ssamo
Algodn
Salvado de arroz
Capoc
Colza
Almendra
Cacahuate
Ricino
Te
Oliva
Lentisco
Manteca de Karite
Palma
Manteca de cacao
Palmiste
Babass
Coco
25
25
40
40
25
25
25
25
40
25
25
25
25
40
25
25
40
25
25
25
25
25
40
40
40
40
40
40
1477-1482
1516-1520
1469-1471
1467-1469
1470-1476
1470-1476
1473-1476
1472-1474
1467-1469
1471-1474
1470-1474
1470-1474
1463-1472
1465-1468
1466-1472
1470-1474
1462-1465
1467-1470
1473-1477
1466-1470
1466-1468
1467-1469
1464-1467
1433-1456
1453-1458
1449-1452
1449-1451
31448-1450
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
15
40
15
15
0.931-0.938
0.938-0.943
0.925-0.927
0.919-0.924
0.909-0.926
0.924-0.928
0.924-0.927
0.922-0.926
0.91-0.911
0.922-0.926
0.92-0.925
0.92-0.926
0.922-0.924
0.918-0.928
0.92-0.933
0.913-0.918
0.911-0.917
0.917-0.921
0.958-0.968
0.915-0.925
0.914-0.919
0.916-0.918
0.917-0.918
0.921-0.925
0.99-0.998
0.9-0.913
0.916-0.918
-----
Fuente: Bernardini, 1981.
150
El porcentaje de aceite de sacha inchi comparado con otras semillas como el man 45% y
el girasol 48% es el de mas alto contenido en aceite (Hamaker et.al, 1992).
Hamaker et al (1992) report la composicin en cidos grasos de algunas semillas oleaginosas,
cuadro 4.
Cuadro 4: Composicin en cidos grasos de algunas semillas oleaginosas (%)
ACIDOS GRASOS SOJA MANI ALGODON GIRASOL
Saturado
Mirstico
Palmtico
Esterico
0.0
10.5
3.2
0.0
12.0
2.2
0.0
18.7
2.4
0.0
7.5
5.3
Insaturado
Palmitoleico
Oleico
Linoleico
Linolnico
Gadoleico
0.0
22.3
54.5
8.3
0.0
0.3
41.3
36.8
0.0
1.1
0.6
18.7
57.5
0.5
0.0
0.0
29.3
57.9
0.0
0.0
Fuente: Hamaker et al.,1992
El fomento de la siembra del sacha inchi iniciara las bases de agroindustrias alimentarias en
la selva peruana, en el desarrollo e implementacin de unidades de transformacin primaria.
Este trabajo pretende evaluar las caractersticas fisicoqumicas y la calidad del aceite obteni-
do a partir de la semilla de sacha inchi, as como, determinar los parmetros de extraccin de
aceite.
Los ensayos experimentales se lle-
varon a cabo en las instalaciones de los La-
boratorios de Anlisis de Alimentos e Instru-
mentacin de la Facultad de Industrias
Alimentarias de la Universidad Nacional Agra-
ria La Molina, Lima y en el Laboratorio de
Qumica del Instituto Tecnolgico Pesquero
del Per (ITP).
MATERIA PRIMA
Se trabaj con semillas de sacha
inchi (Plukenetia volubilis. L) procedentes
del cultivo de la estacin experimental del
I nst i t ut o Naci onal de I nvest i gaci n
Agropecuaria del Per (INIA) localizada en
Pucallpa.
MATERIALES Y EQUIPOS
Materiales
a. Para la extraccin de aceite, se emplea-
ron los siguientes materiales:
Tableros de corte y mesa de trabajo, tamices
Retsch de cobre de dimetros de 1.2-1.4 mm,
151
pirex, baguetas, matraz kitasato de 1000ml
para filtracin de vaco, papel filtro Wathman
N2, mortero, bolsas plsticas de polietileno.
b. Para las pruebas de laboratorio:
Equipo Soxhlet de laboratorio, balones
Kjeldahl de 100ml, embudos de porcelana,
pi rex, fi ol as de 100ml , matraces ti po
Erlenmeyer de 250 ml, pipetas graduadas de
5, 10 y 20 ml, pipetas volumtricas de 1, 2 y
25 ml, buretas, probetas volumtricas, papel
aluminio.
Equipos
a. Para la extraccin de aceite:
Prensa Universal marca Soiltest Evaston.
Capacidad: 1 kg. Voltios: 220. Presin max.:
15000 kg-f.
Centrfuga marca Chriss Ujoo-145. Voltios:
220. Velocidad mxima: 4000 rpm. Capaci-
dad: 40 ml. (10 ml/tubo).
Balanza marca Penn Scale MFG.Coing. Ca-
pacidad: 9 kg. Philadelphia. PA.
Estufa digital marca BRE-M. Electric Stabil -
Term. Capacidad: 5 bandejas. T max:
200C.Voltios:220.
Molino de martillo fijo marca Fagomin.220
voltios, 6.6 HP, velocidad 1745 rpm.
b. Para las pruebas de laboratorio:
Prensa hidralica marca Apex. Presin mxi-
ma: 700kg/cm2. Capacidad: 1 kg.
Balanza elctrica marca And, modelo FR-300
MK II. Capacidad : 310 g. d = 0.1 mg. Voltios
:110v.
Espectrofotmetro marca Perkin - Elmer,
modelo 35.OA/100%T. Voltios:110.
Cromatgrafo de gases marca Hitachi, mo-
delo 163, Japn.
Equipo de destilacin de nitrgeno semi-
microkjeldahl.
Mufla, marca Yamoto, modelo FM-21, rango
de temperatura de 0 - 1000C.
METODOS ANALITICOS DE CONTROL
De la materia prima y torta
Las semillas de sacha inchi y la tor-
ta residual fueron sometidos a los siguientes
anlisis:
Humedad (mtodo AOCS-94 Cde 13a-63)
Protena total (mtodo AOCS-94 Ba 4-38)
Fibra cruda (mtodo AOCS-94 Ba 6-61)
Grasa total (mtodo AOCS-94 Ba 3-38)
Ceniza (mtodo AOCS-94 Ba 5-4)
Carbohidratos (por diferencia)
Energa-Kcal/100 (clculo)
Del aceite extrado
Para el anlisis del aceite obtenido
se utilizaron los siguientes mtodos:
Humedad (mtodo AOAC-90 965-33)
Indice de acidez (mtodo AOCS-94 Cd 3a-63)
Indice de Iodo (mtodo AOAC-90 920-159)
Indice de perxido (mtodo AOAC-90 965-33)
Indice de saponificacin (mtodo AOAC-90
920-160)
Indice de refraccin (mtodo AOAC-90 921-
08-c)
Densidad (mtodo AOAC-90 920-212)
Color (mtodo AOCS-94 Td 2a-64)
Materia insaponificable (mtodo AOAC-90
933-08)
152
Viscosidad (mtodo AOCS-94 Tq 1a-64)
Acidos grasos (mtodo AOAC-90 956-04)
METODOLOGIA EXPERIMENTAL
La Figura 1 muestra el esquema se-
guido en la presente investigacin. A continua-
cin se describe las principales operaciones:
Pesado. Se realiz de manera manual,
recepcionando las muestras en bolsas pls-
ticas de polietileno.
Descascarado. Se realiz dando un pequeo
golpe en la semilla en un mortero de forma
manual.
Seleccin. Se realiz de manera manual, to-
mando las almendras en buen estado.
Triturado. Se utiliz para ello un molino de
martillos fijos. La finalidad de esta opera-
cin fue reducir el tamao de partculas.
Tamizado. Esta operacin se realiz manual-
mente, luego del cual se seleccion el tama-
o de partcula de 0.8-1.0 mm.
Tratamiento Trmico. Se emple una estu-
fa, a temperaturas de 95 y 105C, por un
tiempo variable de 15 y 30 minutos, permi-
tiendo de esta manera que el aceite pre-
sente en la muestra se fluidice. Se realiz
un control de humedad final en la materia
prima.
Prensado. Para cada ensayo de extrac-
cin se emplearon 500g de muestra; el n-
mero total de ensayos fueron 4, ya que se
trabaj con un solo tamao de partcula (0.8-
1.0mm) pero a cuatro niveles de humedad,
relacionado ste por el tiempo y tempera-
tura de exposicin de la almendra al calor
en el tratamiento trmico. Cada uno de los
ensayos fue realizado por triplicado para
obtener resultados significativos. Se some-
ti a la materia prima a la presin de 100kg/
cm
2
.
Extraccin por solventes. Esta operacin
se llev a cabo por inmersin, utilizando
como solvente hexano y a temperatura am-
biente por 10 horas. Siendo el objetivo de
esta operacin obtener la mxima extrac-
cin de aceite de la torta residual.
Caracterizacin. Se realizaron los anlisis
fsico - qumicos correspondientes al aceite
crudo segn se indica en los mtodos anal-
ticos de control.
1
5
3
FIG 1: FLUJO EXPERIMENTAL DE LA EXTRACCION DE ACEITE DE SACHA INCHI (Plukentia volubilis)
A C E I T E C R U D O
Prensado
15m 30m
Torta
95C
Materia Prima
Pesado
Descascarado
Seleccin
Tamizado
Triturado
Tratamiento Trmico
Cscara
15m
105C
30m
Torta
Prensado
Ex. Solvente Ex Solvente
Hexano Hexano
Filtracin
Filtracin
E
X
T
R
A
C
C
I
O
N

Y

C
A
R
A
C
T
E
R
I
Z
A
C
I
O
N

D
E

A
C
E
I
T
E

D
E

S
A
C
H
A

I
N
C
H
I

(
P
l
u
k
e
n
e
t
i
a

v
o
l
u
b
i
l
i
s

L
.
)

154
RESULTADOS Y DISCUSIONES
DE LA MATERIA PRIMA
En el cuadro 5, se muestra las caractersticas fsicas de la semilla y almendra del sacha inchi.
Cuadro 5: Caractersticas fsicas del sacha inchi
S A C I T S I R E T C A R A C
a r d n e m l A
a l l i m e S
M
1
M
2
M
3
x
) m m ( r o s e p s E 7 . 7 9 . 7 3 . 8 7 9 . 7 0 1
) m m ( o r t e m i D 8 . 4 1 9 . 4 1 2 . 5 1 6 9 . 4 1 8 1
) g ( o s e P 2 7 7 . 0 4 7 7 . 0 1 7 7 . 0 3 7 7 . 0 6 3 2 0 2 . 1
r o l o C a m e r C n r r a M
Con respecto al cuadro 5, se dedu-
ce que la almendra de sacha inchi, tiene
un peso variable entre 0.771 y 0.774 gra-
mos, espesor entre 7.7 a 8.3 mm, dime-
tro entre 14.8 y 15.2 mm. Pantstico
(1984), menciona que el tamao de la se-
milla de los frutos es muy variable y ca-
racterstica de la variedad, clima, suelo,
cultivo entre otros.
Cuadro 6: Anlisis fisicoqumicos de la materia prima en porcentaje
La semilla de sacha inchi utilizada co-
incide con lo que menciona Valles (1995), que
las semillas de sacha inchi son de color ma-
rrn oscuro, ovales de 1.5 - 2.0 cm de dime-
tro, ligeramente abultadas en el centro y
aplastadas en los bordes.
El cuadro 6, muestra la composicin qumica
de la materia prima.
E T N E N O P M O C ) % ( A D E M U H E S A B ) % ( A C E S E S A B
d a d e m u H 7 3 . 6 0 . 0
l a t o t a n i e t o r P 1 2 . 4 2 6 8 . 5 2
a d u r c a s a r G 0 4 1 5 0 9 . 4 5
a d u r c a r b i F 0 3 . 1 1 7 0 . 2 1
a z i n e C 9 6 . 2 7 8 . 2
s o t a r d i h o b r a C 3 0 . 4 3 . 4
l a t o T 0 0 . 0 0 1 0 0 . 0 0 1
155
Observando el cuadro 6, y comparando
con los datos reportados por Garca (1990), se
aprecia que existe en los resultados diferen-
cias poco significativas que se explican debido
al almacenamiento de las semillas, y su trata-
miento post -cosecha; salvo en el componente
grasa que posee una cantidad mayor.
Se puede apreciar el alto contenido
en aceite determinado en las semilla de
sacha inchi de aproximadamente 54.90% en
base seca, clasificndola como semilla
oleaginosa de alto contenido en aceite
(Bailey, 1961).
INFLUENCIA DEL TRATAMIENTO TERMICO EN LA EXTRACCION DE ACEITE
El cuadro 7, muestra los efectos de las diferentes temperaturas en la extraccin me-
cnica de aceite de sacha inchi.
) % ( T . T n i S o p m e i T ) % ( C 5 9
) % ( C 5 0 1
6 6 . 7 1
. n i m 5 1 2 6 . 7 1
7 7 . 8 1
. n i m 0 3 7 2 . 2 2 6 4 . 4 2
En la aplicacin de temperaturas altas
a la masa de semilla de sacha inchi, se ob-
serva un aumento progresivo conforme aumen-
ta la temperatura y el tiempo de calentamien-
to. Bernardini (1981), explica la influencia del
tratamiento trmico en la extraccin de acei-
te basado en que las gotitas de aceite, de
dimensiones ultramicroscpicas que estn
repartidas en la masa de la semilla, por efec-
to de la elevacin de la temperatura se unen
entre ellas para originar gotitas ms grandes,
que salen mas fcilmente de la masa de la se-
milla. Adems, el aceite que est contenido
en estado de emulsin con las protenas, al
calentarse origina la desnaturalizacin de las
protenas con la consiguiente rotura de la emul-
sin y, por tanto, la separacin del aceite.
En la extraccin por solventes que se
realiz a las tortas, se obtuvo un promedio en
rendimiento de 21.2% de aceite del total de
la almendra de sacha inchi.
ANLISIS ESTADSTICO EN LA
EXTRACCION DE ACEITE
Con un nivel de significancia del 5%
para el anlisis estadstico fue aplicado el ex-
perimento factorial 2A2B con un diseo com-
pletamente ramdonizado a la extraccin de
aceite de sacha inchi. Se determin que el
mejor rendimiento en el proceso se obtendr
si se aplica un tratamiento trmico a 105C
por 30min. En el cuadro 8 se aprecia el es-
quema del experimento factorial.
* A = Tiempo de tratamiento trmico
a
1
= 15 min.
a
2
= 30 min.
* B = Temperatura de tratamiento trmico
b
1
= 95C
b
2
= 105C
156
Cuadro 8: Esquema del experimento factorial 2a2b con tres repeticiones de cada
combinacin - diseo completamente ramdonizado, aplicado en la
extraccin mecnica de aceite de sacha inchi
C 5 9
C 5 0 1
. n i m 5 1
5 1 6 . 7 1
9 6 7 . 8 1
n i m 0 3
8 4 5 . 7 1 5 1 3 . 0 2
5 7 3 . 8 1
9 6 7 . 8 1
7 8 9 . 8 1
. n i m 0 3
2 7 2 . 2 2
4 6 2 . 0 2
5 6 3 . 1 2
1 6 4 . 4 2
5 4 6 . 7 2
6 5 7 . 5 2
CARACTERSTICAS FSICAS Y QUMICAS
DEL ACEITE CRUDO DE SACHA INCHI
El aceite obtenido present un color
amarillo plido y un aroma poco fuerte a sacha
inchi. En el cuadro 9, se muestran los resul-
tados de los anlisis realizados al aceite cru-
do de sacha inchi. El aceite crudo obtenido
es de color amarillo claro con medidas
espectrofotomtricas de 2.86783u. equivalen-
tes a unidades de color rojo lovibond, medido
a temperatura ambiente
Cuadro 9: Anlisis fsico-qumico del aceite de sacha inchi
Constantes
Peso especfico (g/cc) a 15C
Color (U. Rojo lovibond)
Indice de refraccin a 25C
Viscosidad a 37C (centistokes)
Indice de iodo (g de I/100g grasa)
Indice de perxido (meq.Oxgeno activo/1000g grasa)
M. insaponificable (g insaponificables/100g grasa)
I.de saponificacin (mg KOH/g grasa)
Indice de acidez (mg KOH/g grasa)
Ceniza(%)
Humedad(%)
Aceite crudo
0.9290852
2.86783
1.480125
44.7795
189
4.139
0.242
229.583
1.277
0.241
0.024
157
El ndice de iodo 189(g de iodo/100g
de grasa) encontrado en el aceite de sacha
inchi crudo como refinado se acerca al valor
del ndice de aceites marinos, como el de la
sardina 189-193 (g de I/g grasa) reportado por
Mehlembacher (1979). Este ndice se expli-
ca por la alta insaturacin del aceite de sacha
inchi, pues como se observa en el cuadro 10,
tiene una alta cantidad de cidos grasos
polinsaturados. Debido a su alto ndice de
iodo, este aceite tiene propiedades secantes.
El ndice de saponificacin del aceite
de sacha inchi es de 229.583 mg KOH/
g.grasa, y est relacionado con el peso
molecular medio de la grasa.
Segn el cuadro 3, donde se muestra
ndices de refraccin y peso especfico de al-
gunas grasas y aceites, el aceite de sacha
inchi contiene ligeramente un alto ndice de
refraccin (1.48) en comparacin a los dife-
rentes aceites y grasas. Bailey (1961) dice
que los ndices de refraccin tanto de grasas
como de cidos grasos, aumentan conforme
aumenta la longitud de las cadenas de hidro-
carburos y el nmero de enlaces dobles de
las cadenas, lo que podra indicar que el aceite
de sacha inchi es altamente insaturado y que
existe gran cantidad de cadenas de cidos
grasos largos, esto se corrobora con los re-
sultados encontrados en la composicin de
cidos grasos, cuadro 10, donde se muestra
que el aceite tiene una alta cantidad de cido
linolnico en su composicin.
El peso especfico del aceite de sacha
inchi que es de 0.92947. Mehlembacher
(1979), menciona que el peso especfico est
relacionado con el ndice de iodo y el ndice
de saponificacin, lo que nos demuestra que
este parmetro debe ser relativamente alto.
El ndice de acidez obtenido para el
aceite de sacha inchi, fue de 1.277 mg de
KOH/g de aceite.
El ndice de perxido es de gran im-
portancia y de inters prctico para el reco-
nocimiento del comienzo y progreso de la
descomposicin autooxidativa y con ello, las
posibilidades de tratamiento y predecir la ca-
pacidad de conservacin o estabilidad de las
grasas (Mehlembacher, 1979).
En el Codex alimentarios de 1992, se
acepta un ndice de perxido mximo de 10
miliequivalentes de oxgeno activo por Kg de
aceite, en este aceite se puede observar que
el nivel de rancidez, es bajo, a pesar de la
alta insaturacin.
La materia insaponificable del aceite de
sacha inchi fue de 0.2-0.3% valor relativamen-
te ms bajo que otros aceites (ver cuadro 2).
Segn Mehlembacher (1979), ste parmetro
incluye los ms altos alcoholes alifticos,
esteroles, pigmentos e hidrocarburos.
Normalmente, todas las grasas con-
tienen materia insaponificable, que se encuen-
tra en las grasas y aceites comunes, tanto
animales como vegetales, en cantidades del
1 al 2%, o menos (Mehlembacher,1979).
COMPOSICION EN ACIDOS GRASOS DEL
ACEITE DE SACHA INCHI
Segn el cuadro 10, el total de ci-
dos grasos saturados asciende a solo el
9.08% destacndose el cido palmtico con
un 5.6%. El total de ci dos grasos
insaturados es de 90.34%, destacndose el
cido linolnico con un 43.75% y en segundo
lugar el cido linolico con un 36.99% valo-
res que demuestran que el aceite que estu-
diamos es altamente insaturado y por lo tan-
to es factible en la industrializacin de acei-
tes comestibles. En general, por su alto gra-
do de insaturacin es posible concluir que el
aceite de sacha inchi sera una buena fuente
potencial de aceite comestible.
158
Cuadro 10: Composicin en cidos grasos del aceite de sacha inchi
Por l a al t a cant i dad de ci do
linolnico, el aceite de sacha inchi perte-
nece al grupo de los cidos linolnicos. Las
grasas de este grupo contienen cantida-
des sustanciales de cido linolnico; en-
tre ellas estn los aceites de soja, germen
de trigo, linaza, camo y perilla (Bernar-
dini, 1981).
Actualmente, la industria aceitera
busca encontrar un aceite con una canti-
dad mnima de cidos grasos saturados, por
ello la alta industrializacin del aceite de
soja y de girasol. El problema del aceite de
sacha inchi es ser altamente insaturado y
as es ms factible a la oxidacin. Esto lle-
var a la industria a utilizar el aceite y en el
proceso de ref i naci n, real i zar una
hidrogenacin selectiva a nivel de cido
linolnico, llevndolo a cido linoleico, tal
como se realiza para el caso del aceite de
soja, y aplicar antioxidantes naturales para
su conservacin.
El cido oleico es el cido graso ms
ampliamente distribuido, se encuentra en to-
dos los aceites o grasas. Es el principal com-
ponente de la mayor parte de los aceites ve-
getales lquidos alcanzando el 20% o ms
del total de los cidos grasos. En los acei-
tes vegetales el cido olico est invariable-
mente asociado al cido linoleico. En los
aceites vegetales poco insaturados, tales
como soja, linaza, perilla, etc., hay ms
cido linoleico que oleico. El cido linolnico
se encuentra en cantidades variables en al-
gunos de l os acei tes vegetal es ms
insaturados constituyendo muchas veces el
40% o ms del total de cidos grasos
(Bailey,1961).
Braverman (1981), menciona que la im-
portancia de los cidos grasos polinsaturados
es que cumplen ciertas funciones fisiolgicas
importantes, pero como no pueden sinteti-
zarse en el cuerpo con suficiente rapidez de-
ben de suministrarse en los alimentos.
ACIDO GRASO ACEITE DE SACHA INCHI (%)
Mirstico (14:0) 1.24
Palmtico (16:0) 5.61
Esterico (18:0) 2.23
Oleico (18:1) 9.60
Linoleico (18:2) 36.99
Linolnico(18:3) 43.75
RESUMEN:
Saturados 9.08
Monoinsaturados 9.60
Polinsaturados 80.74
Total 99.42
159
ANLISIS DE LA TORTA
La torta obtenida despus del proce-
so de extraccin del aceite de sacha inchi,
contiene alta cantidad de protena (59.1307%)
y grasa (6.9305%) en base seca, y surge
como alternativa de la torta de soja, pues la
actividad avcola y pecuaria importa aproxi-
madamente cien mil toneladas de torta de soja
al ao. Valles(1995), menciona que actual-
mente se estn formulando mezclas nutriti-
vas de sacha inchi con maz amarillo duro,
arroz, pltano, yuca, harinas para fideos y
leche y derivados lcteos para consumo hu-
mano.
Los resultados del anlisis de la torta
se muestran en el cuadro 11.
COMPONENTE BASE HMEDA (%) BASE SECA (%)
Cuadro 11: Composicin qumica de la torta de sacha inchi
Humedad 0.695 0.0
Protena total 58.7197 59.1307
Grasa cruda 6.8823 6.9305
Fibra cruda 17.1826 17.3029
Ceniza 8.6599 8.7205
Carbohidratos 7.8605 7.9155
Total 100.00 100.00
CONCLUSIONES
1. La semilla de sacha inchi proveniente de la
ciudad de Pucallpa, posee alto rendi-
miento en contenido de aceite (51.4%).
2. El proceso adecuado para la extraccin de
aceite de sacha inchi fue: pesado,
seleccin, triturado, descascarado, se-
cado (60C-9%humedad), tamizado,
tratamiento trmico, prensado y extrac-
cin por solventes, y filtrado.
3. En la extraccin mecnica, el tratamiento
trmico ms adecuado se realiz em-
pleando una temperatura de 105C y
un tiempo de 30 minutos.
4. Durante la extraccin por solvente en la torta se
obtuvo un rendimiento de 21.2% de aceite.
5. La torta de sacha inchi contiene un alto
porcentaje de protena (58.7197%) con
un contenido de humedad de 0.695%.
RECOMENDACIONES
1. Extender el cultivo de sacha inchi por su
alto contenido en aceite y protena.
2. Estudiar y evaluar parmetros de refinacin
en el aceite crudo de sacha inchi para
su posterior industrializacin.
3. Debido al alto porcentaje de protena
(59.1307%-b.s) en la torta de sacha
inchi se recomienda realizar estudios
para formular y elaborar alimentos ba-
lanceados para consumo animal y/o
consumo humano.
160
BIBLIOGRAFA
A.O.A.C.1990. Manual of Official Methods of
Analysis of the Association of Official
Analytical Chemists. Vol 2. Fivetenth editios.
USA.
A.O.C.S.1994. Manual of Official Tentativa
Analitical Methods of the American Oil
Chemits Society.
BAILEY,1961. Aceites y grasas industria-
les. Editorial Revert. Barcelona. p.122-153
BERNARDINI,1981. Tecnologa de aceites y
grasa. Editorial Alhambra. S.A. Madrid. p.
234-239
BRAVERMAN,1993. Bioqumica de los ali-
mentos. Editorial Alhambra S.A. Madrid.p.
189-201
CALZADA.J, 1982. Mtodos estadsticos para
la investigacin. Cuarta edicin. Editorial Mi-
lagros. S.A. Lima. p.102-107,286-308
GARCA.H,1992. Resumen de investigacio-
nes apoyadas por Fundeagro 1988-1992.
Tomo I. Proyecto de transformacin de la tec-
nologa agropecuaria. TTA. Lima. p.61-63
HAMAKER.E, VALLES.C; GILMAN.R;
HARDMEIER.R; CLARK.D; GARCIA.H;
G O N Z A L E S . A ; R O D R I G U E Z . T;
LESCANO.M,1992. Aminoacid and Fatty Acid
Profi l of the Inca Peanut (Pl ukeneti a
volubilis.L). American association of cereal
chemist. Note, Vol.69.N4. p. 461- 465
HARDMEIER.R,1991. Resumen de investi-
gaciones apoyadas por Fundeagro 1988-
1992. Tomo I. Proyecto de transformacin
de la tecnologa agropecuaria. TTA. Lima. p.
25-26
MEHLEMBACHER,1979. Anlisis de grasas
y aceites. Ediciones Urmo. Bilbao. p.119-
241,590-594
O.M.S. 1992.Codex Alimentarius - Grasas y
Aceites y Productos derivados.Segunda edi-
cin. Vol.8. Organizacin de las Naciones
Unidas para la agricultura y alimentacin.
Programa conjunto FAO/OMS sobre normas
alimentarias. p.3-17
PANTSTICO,1984. Fisiologa de la Post-re-
coleccin de manejo y utilizacin de frutas y
hortalizas tropicales y subtropicales. Edito-
rial Continental. Mxico,D.F. p.85
VALLES.C,1995. Investigador agrario. Profe-
sor asociado de la Facultad de Agrnoma de
la Universidad Nacional de San Martn-
Tarapoto(UNSM). Investigador de la especie
Plukenetia. Entrevista personal

MasterAnales-2000-Volumen XLII

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

MasterAnales-2000-Volumen XLII

Загружено:

Авторское право:

Доступные форматы

1

) que ordenan a las canastas de consumo en el llamado conjun-

por lo cual, la matriz Hessiana o de segundas derivadas debe ser simtrica.

que tiene w! elementos.

un cierto estado de la opinin. Notaremos mediante E x x

de la opinin colocan al candidato

le corresponde por esta

de la opinin tal queE x x

Algunas parejas de elementos son incomparables

La segunda derivada parcial respecto a d

Entonces, ; por consiguiente: esto es: D=0.

Igualando a cero, se tiene que d

ESTIMACIN DE LA VARIANCIA RESIDUAL EN DISEOS

, i=1,2,3,..., r. Denotando la matriz diagonal como

GL) 11,47+ 0,81

En ambas localidades el rango diurno de temperatura y la radiacin solar disponi-

n : indica logaritmo neperiano

La relacin de probabilidad (RP), /(1- ), es conocido como odds e

EVALUACION DE DOS TRATAMIENTOS

3. Dada la expresin (3,6), los posibles valores se interpretan

ESTIMACIN GENTICA PARA CARACTERES REPETIDOS CON ITERACIN

Anales Cientficos UNALM

Вам также может понравиться