1 evaluación del impacto de la implementacion de un plan de partos ...

EVALUACIÓN DEL IMPACTO DE LA IMPLEMENTACION DE UN PLAN DEPARTOS ESTACIONALES BIMODALES SOBRE EL DESEMPEÑOPRODUCTIVO DE UN SISTEMA DE LECHERÍA ESPECIALIZADA DELTROPICO ALTO COLOMBIANOEUDES ANTONIO GARZON ACOSTAHAROLD NIÑO CASTILLOUNIVERSIDAD DE CIENCIAS APLICADAS Y AMBIENTALES U.D.C.A.VICERECTORIA DE INVESTIGACIONESCARRERA DE MEDICINA VETERINARIA Y ZOOTECNIABOGOTÁ D.C.20081

EVALUACIÓN DEL IMPACTO DE LA IMPLEMENTACION DE UN PLAN DEPARTOS ESTACIONALES BIMODALES SOBRE EL DESEMPEÑOPRODUCTIVO DE UN SISTEMA DE LECHERÍA ESPECIALIZADA DELTROPICO ALTO COLOMBIANOEUDES ANTONIO GARZÓN ACOSTAHAROLD NIÑO CASTILLOTrabajo de grado para optar al titulo de:MEDICO VETERINARIO ZOOTECNISTADirectores:Juan Fernando Vela JiménezMédico Veterinario U la Salle.M.B.A. U de los Andes, Msc. Universidad de Lincoln N.Z.José Henry Martín SiachicaZootecnista Universidad Agraria de ColombiaUNIVERSIDAD DE CIENCIAS APLICADAS Y AMBIENTALES U.D.C.A.VICERECTORIA DE INVESTIGACIONESCARRERA DE MEDICINA VETERINARIA Y ZOOTECNIABOGOTÁ D.C.20082

Nota de Aceptación:________________________________________________________________________________________________________________________________________________________________________________________________________________Presidente del Jurado____________________________Jurado____________________________JuradoBogotá D.C. ________________3

… mis padres cada una de estas letras con todo mi amor gracias a susacrificio de corazón, hago lo que me gusta con toda el alma.…mis hermanos y sobrinos por regalarme tanta alegría y felicidadcontenida en múltiples espacios de tiempo.A…mis tíos, tías y primos por ser parte de esta familia tan bonitay a la vez tan compleja, que encuentra la uniónen cualquier circunstancia.…Juan Fernando y José Henry por su ayuda, conocimiento,paciencia y acompañamiento en el proceso.…Alejandra V. por enseñarme el significado del amor verdaderoAntonio.4

A mis papás por toda la dedicación, esmero, y amor en mis primeros años devida…A mi hermana Lizeth Niño Castillo ya que más que una hermana es miconfidente…A ti hijo mío que haz llegado a nuestras vidas, sé que con tu alegría darásprolongación a mi existencia…Para mi esposa Katia Paola Sáez De arco como muestra de agradecimiento portodo lo que viviré contigo…HAROLD5

AGRADECIMIENTOSMuchas han sido las personas que de manera directa o indirecta me han ayudadoen la realización de este trabajo de grado. Quiero dejar constancia de todas ellasy agradecerles con sinceridad su participación. Resulta difícil poder expresar conpalabras todo el agradecimiento que siento por todas aquellas personas que hancreído o creen en lo que hago; quiero que sepan que siempre estarán presentesen mi recuerdo y en mi corazón; porque gracias a ellas, mi sueño es también elsuyo y juntos tendremos más fuerza para seguir adelante.Quiero en esta oportunidad agradecer en primera instancia a Dios todo poderosogestor de nuestras vidas quien nos ha dotado de inteligencia y sabiduría,guiando nuestros pasos en el proceso evolutivo de la vida.Mi más sincero agradecimiento al Médico Veterinario, docente, e investigador Dr.Juan Fernando Vela por su importante aporte y participación activa como pioneroy asesor, en el desarrollo de este trabajo; debo destacar, su amabilidad,disponibilidad y paciencia que hizo que nuestras maratónicas conversacionesredundaran benéficamente a nivel académico y personal. También es importantedestacar la participación del Dr. José Henry Martín, Zootecnista miembro de J&Pconsultoría pecuaria, docente investigador de la Universidad Agraria de Colombiaquien es una magnifica persona, siempre generoso y dispuesto, que compartióconocimientos y experiencias de tipo profesional y personal que fueron de granvalor en todo el proceso.Al equipo directivo de USATI LTDA en especial al Dr. Roberto Tatis, quien muyamablemente facilitó la licencia del producto Software Ganadero TP®, útil en laconstrucción de la base de datos de la unidad productiva objeto del presenteestudio.Igualmente quiero brindar un especial reconocimiento a las personas que seinteresaron por evaluar este trabajo de grado: A el Dr. Alexander Navas y la Dra.Teresa Carvajal, docentes e investigadores de la facultad de cienciasagropecuarias, en las carreras de Medicina Veterinaria y Zootecnia, (M.V.Z.) yZootecnia respectivamente, de la Universidad de Ciencias Aplicadas yAmbientales U.D.C.A.Estas palabras no logran ser una retribución completa a todo el apoyo y lacolaboración brindada en forma desinteresada y la gran gestión desarrollada por laDra. Giovanna Meza Barreto, en su calidad de docente y miembro activo delcomité de investigaciones de la carrera de Medicina Veterinaria y Zootecnia de laU.D.C.A., durante la elaboración, presentación, y sustentación del trabajo.6

También los agradecimientos son para los docentes de todas y cada una de lascátedras de pregrado, quienes aportaron sus mejores conocimientos en las áreasde sus especialidades, brindando las herramientas adecuadas para la vidaprofesional de sus educandos.De manera muy especial agradezco a mi familia, porque sin su apoyo,colaboración, y comprensión habría sido imposible la inspiración suficiente para larealización de este trabajo. A mis padres: Eudes Antonio Garzón Linares y ClaraLucia Acosta Garavito, por su estimulo y ejemplo de honestidad, lucha, rectitud,transparencia y humildad, ya que a ellos les debo lo que soy como personahumana.Reconozco de mis hermanos: Sanín Yesid su ejemplo de valentía, capacidad ysuperación, y de Clara Patricia su tenacidad, nobleza y constante lucha por lograrlo que quiere. A mi padrino Luís María doy infinitas gracias por su sabiduría,paciencia, inteligencia y generosidad. A mí cuñada Angélica por su inigualable donde entrega, voluntad de servicio a los demás; a mis sobrinitos Natalia y Santiagopor esa alegría innata y contagiosa que desde su inocente infancia logran sosegarcon su ternura toda ansiedad.Gracias a mi abuelito José Santos, a mis tíos, primos y demás familiares, quienesestuvieron siempre atentos acompañando y colaborando en el proceso de micarreraY a ti Alejita, por tu gran cooperación, por otorgar buenos y cálidos momentos anuestra relación en donde priman el amor, respeto, sinceridad, ternura, y paz., portoda la ayuda, y apoyo brindado en los momentos difíciles, por postergarpacientemente tantas cosas que se dejaron de realizar durante el desarrollo deeste proyecto. A tu familia gracias por manifestar siempre un gentil interés en misactividades y proyectos, así como las innumerables muestras de aprecio para conlos míos.Expreso mi gratitud a mis amigos y compañeros: Harold, Mike, Marcela, NelsonIván, Ana, Jorge, Diego, Diana, Johanna, Daniel, Angélica, Breiner por suspreciados consejos y gratos momentos, durante todas las etapas de la carrera depregrado.Antonio.7

En primer lugar quiero agradecer al Dr. José Félix Lafaurie Rivera, presidente dela federación nacional de ganaderos FEDEGAN, por permitir mí desarrollo laboralasí como poder aplicar los conocimientos adquiridos en sus sistemas productivos;trabajar a su lado ha sido un orgullo y una garantía de seguridad profesional. Alos doctores Carlos Gutiérrez Robayo M.V. CGR Biotecnología Reproductiva yEdgar Cifuentes Sepúlveda M.V. Genbiotec, por los adecuados conocimientos ensus áreas de interés en el transcurso de mi pasantía profesional.Deseo brindar un especial agradecimiento a los investigadores que asesoraroneste trabajo de grado: el Dr. J. Henry Martín Siachica, por su asesoría y direcciónen la investigación así como por su gran participación activa en este trabajo; y elDr. Juan F. Vela Jiménez, por ser una persona dispuesta a compartir suconocimiento y experiencia a lo largo de sus años como docente. A ellos gracias,así como a sus familias por permitir que nuestras entrevistas dilataran pequeñosespacios de tiempo para compartir con ellos, y fueran usados en pro de nuestroprogreso académico. A la familia Vela Jiménez gracias por permitirnos compartircon el universo que se interese por leer este documento, toda la información yconocimiento generados en el transcurso del tiempo, así como en los eventos queocurren al interior de su sistema productivo denominado “La Cañada”, finca objetodel presente estudio, cuya información resultó útil para sustentar la funcionalidaddel plan de producción aquí planteado.A las familias Vela- Was y Martín-Montenegro por facilitar en forma muy generosatodo el desarrollo de las reuniones al interior de sus hogares durante el transcursode la investigación.Reconozco todo el aporte de todos los docentes de la facultad de cienciasagropecuarias de la Universidad de Ciencias Aplicadas y Ambientales UDCA, enla carrera de Medicina Veterinaria y Zootecnia en cabeza de la actual directora laDra. Sandra Ujueta. Al igual que a la Dra. Teresa Carvajal Salcedo y el Dr.Alexander Navas P., por corresponderles la labor de evaluar este trabajo de grado.Agradezco a toda mi familia en cabeza de mis padres Carlos Julio Niño Prieto yMery Castillo Rodríguez, el apoyo, la fe, y la confianza depositada en mí durante elcurso de mi carrera. Lizeth, gracias por el apoyo y la compañía en mis primerosaños de vida.A todos mis amigos, compañeros y ahora colegas de las carreras de Zootecnia,Medicina Veterinaria y Medicina Veterinaria Zootecnia de la UDCA: Cesar, Jorge,Vivian Pilar, Cristian, Nelson, Esteban, Andrés, Mike, Eudes, Marcela, Ana…Gracias por todos los momentos durante el pregrado.8

A nivel familiar quiero agradecer en primer lugar a mis padres Carlos Julio NiñoPrieto y Mery Castillo Rodríguez, por todo su cariño, comprensión y apoyo sincondiciones ni medida. Gracias por guiarme sobre el camino de la educación conamor y mucho respeto. A mi hermana Lizeth Niño Castillo por ofrecerme esecariño que me une a ella, no sabe de distancias ni de enojos, ella es mi verdaderaamiga incondicional, con la cual puedo compartir miles de secretos y esperar desus sabios consejos.Gracias a ti Juan Diego Niño Sáez, mi amado hijo, eres tú esa personita quedesde ya me ha dado esa alegría y paz interior que tanto he soñado; también enforma muy especial a mi esposa Katia Paola Sáez De arco, ya que eres tu quienme dio la felicidad y esa gran ilusión de ser papá, gracias por tener en tu vientre aese ser que ya ha cambiado nuestras vidas por ser el fruto de nuestro gran amor.Deseo expresar un respetuoso agradecimiento a la señorita Ángela PatriciaLópez; por ser el motor que me impulsó a tomar la decisión de estudiar, serprofesional y cultivar el intelecto.Harold.9

CONTENIDOPág.RESUMENINTRODUCCION 241. OBJETIVOS 281.1 OBJETIVO GENERAL 281.2 OBJETIVOS ESPECIFICOS 282. REVISION DE LITERATURA 292.1 SITUACIÓN PRODUCTIVA DE LA CADENA LÁCTEA COLOMBIANAY SU RELACIÓN CON MERCADO INTERNACIONAL 292.2 ALGUNAS CONSIDERACIONES DE LOS PARTOS ESTACIONALES 342.3 APROXIMACION SISTEMICA 362.4 UNIDAD PRODUCTIVA Y SU ENTORNO NATURAL 372.5 DEFINICIÓN DEL SISTEMA DE PRODUCCION 412.5.1 Sistema de producción inicial o de partos durante todo el año 422.5.2 Sistema de producción actual o de partos estacionales bimodales. 442.5.2.1 Descripción del Proceso Administrativo y Gerencial. 452.5.2.1.1 Retos Gerenciales. 452.5.2.1.2 Retos Técnicos. 462.5.2.2 Descripción de la Estrategia Productiva y/o Plan de ProducciónAnimal y Forrajero. 472.6 INTERACCIONES DEL SISTEMA DE PRODUCCION 5210

2.6.1 Interacciones del Componente Vegetal. 522.6.2 Interacciones del Componente Animal. 542.6.3 Interacciones del Componente Administrativo. 563. MATERIALES Y METODOS 593.1 UBICACIÓN 603.2 TRATAMIENTOS 603.3 VARIABLES E INDICADORES 613.3.1 Indicadores útiles en la medición del comportamiento de lasVariables productivas del sistema 613.3.2 Descripción de la construcción de algunas variables 623.4 DISEÑO EXPERIMENTAL 633.5 ANALISIS ESTADISTICO 634. RESULTADOS Y DISCUSION 654.1 DATOS DE LAS HERRAMIENTAS DE SISTEMATIZACIONDE HATOS Y DE SERIES TEMPORALES AUTOREGRESIVAS 654.1.1 Pluviometría 664.1.2 Nacimientos 694.1.2.1 Serie temporal de los nacimientos totales 724.1.3 Lactancias 744.1.4 Producción láctea 774.1.4.1 Producción láctea mensual 774.1.4.1.1 Serie temporal de la producción láctea mensual 814.1.4.2 Producción láctea por hectárea 8411

4.1.4.2.1 Serie temporal de la producción láctea por hectárea 864.1.4.3 Producción láctea anual 894.1.5 Promedio de leche por vaca 914.1.6 Intervalo parto primer servicio. 934.1.7 Intervalo parto concepción. 944.1.8 Promedio del Intervalo entre partos. 954.1.9 Cantidad promedio de hembras de levante 974.1.10 Cantidad promedio de novillas de vientre 984.1.11 Cantidad promedio de vacas 995. CONCLUSIONES 1026. RECOMENDACIONES 105BIBLIOGRAFIA 106ANEXOS 11212

LISTA DE TABLASPág.Tabla 1. Producción mundial leche entera de vaca ton/año 29Tabla 2. Rendimiento leche mundial kg. leche/animal 31Tabla 3. Distribución del número y tipo de lactancias analizadas durantelos años 1995 – 2007 66Tabla 4. Pluviometría del sistema productivo La Cañada 67Tabla 5. Distribución de los nacimientos de La Cañada para losperiodos 1995- 2001 y 2002-2007 69Tabla 6. Patrones de cambio del ARIMA al indicador nacimientos 72Tabla 7. Distribución de la producción láctea total anual y anual porhectárea de La Cañada para los periodos comprendidos entre1995-2001 y 2002-2007. 77Tabla 8. Indicadores máximos y minimos de producción lácteamensual de La Cañada entre 1995 – 2007. 78Tabla 9. Patrones de cambio del ARIMA al indicador producción lácteamensual 81Tabla 10. Relación entre la cantidad de total de leche mensual porhectárea de La Cañada de 1995- 2007 y los maximos yminimos productivos mensuales. 8413

Tabla 11. Patrones de cambio del ARIMA al indicador producción lácteamensual por hectárea 87Tabla 12. Patrones de cambio del ARIMA al indicador promedio mensualde litros de leche por vaca día 91Tabla 13. Patrones de cambio del ARIMA al indicador intervalo entre partoscada cuatro (4) meses 96Tabla 14. Descripción del calendario de inseminaciones y partos de LaCañada 96Tabla 15. Patrones de cambio del ARIMA al indicador cantidad promediode hembras de levante 97Tabla 16. Patrones de cambio del ARIMA a el indicador cantidad promediode novillas de vientre 98Tabla 17. Patrones de cambio del ARIMA a el indicador cantidad promediode novillas de vientre 99Tabla 18. Promedio de Nacimientos Mensuales La Cañada 1995-2007 112Tabla 19. Promedio de Nacimientos Mensuales La Cañada entre 2002 -2007 11714

LISTA DE FIGURASPág.Figura 1 Colombia, Composición de las exportaciones hacia la CANen el 2001 32Figura 2 Presentación de los diversos sistemas de partos existentespropuestos por Little 2004 34Figura 3. Precipitaciones mensuales del municipio de Tuta estaciónSan Cristóbal 40Figura 4. Brillo solar mensual expresado en horas entre los años 1992 a1999, en la estación La Copa, del Municipio de Tuta, Boyacá. 40Figura 5. Temperatura promedio mensual los años 1992 a1999 en la estaciónLa Copa, del Municipio de Tuta, Boyacá 41Figura 6. Mapa de interacciones entre variables de la unidad productivaLa Cañada. 58Figura 7. Relación de vacas en producción vs vacas secas deLa Cañada entre 1995-2007 65Figura 8. Pluviometría mensual de La Cañada entre 1995 a 2007. 68Figura 9. Consolidado de nacimientos mensuales y promedio de lluviasde La Cañada de 1995-2007. 70Figura 10. Promedio de lluvias y nacimientos consolidados de los periodoscomprendidos entre 1995-2001 y 2002-2007 de La Cañada 71Figura 11. Serie temporal del ARIMA para el indicador nacimientos totalesmensuales La Cañada 1995-2007 73Figura 12. Comportamiento de las lactancias anuales para los periodoscomprendidos entre 1995-2001 y 2002-2007 74Figura 13. Comportamiento del consolidado de las lactancias en laCañada de los periodos comprendidos entre 1995-2001 y2002-2007 7515

Figura 14. Distribución porcentual los Kg de leche por Lactancia encada periodo La Cañada de 1995- 2007 76Figura 15. Producción lactea mensual y pluviometria promedio de LaCañada entre 1995-2007 79Figura 16. Producción lactea mensual de los años 1995-2001 (periodo I )y 2002- 2007 (periodo II) y pluviometria promedio de La Cañada 80Figura 17. Serie temporal del ARIMA para el indicador de producción lácteamensual de La Cañada en el periodo entre 1995 - 2007 83Figura 18. Producción láctea mensual por hectárea La Cañada 1995-2007 85Figura 19. Producción lactea mensual consolidada por hectárea de los años1995-2001 (periodo I ) y 2002- 2007 (periodo II) y pluviometriapromedio de La Cañada 86Figura 20. Serie temporal del ARIMA para el indicador de producción lácteamensual por hectárea de La Cañada en el periodo entre 1995 –2007 88Figura 21. Producción lactea total por hectárea por año La Cañada 1995 -2007 89Figura 22. Producción lactea total expresada en litros por año de La Cañadaentre 1995 -2007 90Figura 23. Promedio mensual de litros de leche por vaca día en La Cañadaentre 1995 - 2007 91Figura 24 Serie temporal del ARIMA para el indicador promedio mensual delitros de leche por vaca día de La Cañada en el periodo entre 1995- 2007 92Figura 25. Serie temporal del ARIMA para la variable Intervalo parto primerservicio cada cuatro (4) meses de La Cañada en el periodo entre1995 - 2007 93Figura 26. Serie temporal del ARIMA para el indicador Intervalo partoconcepción cada cuatro (4) meses de La Cañada en el periodoentre 1995 - 2007 9416

Figura 27. Serie temporal del ARIMA para el indicador Promedio del Intervaloentre partos cada cuatro (4) meses de La Cañada en el periodoentre 1995 – 2007 95Figura 28. Serie temporal del ARIMA para el indicador denominado cantidadpromedio mensual de hembras de levante de La Cañada en elperiodo entre 1995 - 2007 97Figura 29. Serie temporal del ARIMA para el indicador cantidad promediomensual de novillas de vientre de La Cañada en el periodo entre1995 – 2007 98Figura 30. Serie temporal del ARIMA para el indicador cantidad promediomensual de vacas en producción de La Cañada en el periodoentre 1995 – 2007 99Figura 31. Relación entre el número de vacas en producción y la cantidad delitros de leche por vaca por día en La Cañada entre 1995 – 2007 10017

LISTA DE FOTOGRAFIASPág.Fotografía 1. Panorámica de la unidad productiva La Cañada, municipiode Tuta, departamento de Boyacá. 37Fotografía 2. Distribución topográfica de La Cañada, municipio de Tuta,departamento de Boyacá. 38Fotografía 3. Forrajes de la pradera y proceso de estimación de la ofertade pasto en La Cañada, municipio de Tuta, departamento deBoyacá. 39Fotografía 4. Dispositivo con cuellera para el suministro de leche en LaCañada, municipio de Tuta, departamento de Boyacá. 43Fotografía 5. Realización del California Mastitis Test en La Cañada,municipio de Tuta, departamento de Boyacá. 49Fotografía 6. Vista del forraje sobrante ya guadañado en La Cañada,municipio de Tuta, departamento de Boyacá. 5118

ANEXOSPág.Anexo A. Tabla de nacimientos mensuales La Cañada entre 1995- 2007 112Anexo B. Graficas de los nacimientos mensuales cada uno de los años delpresente estudio (1995-2007). 113Anexo C. Distribución de los nacimientos mensuales de La Cañada entre2002 – 2007 con el sistema de partos estacionales bimodales 117Anexo D. Resumen estadístico del ARIMA para el indicador nacimientos 118Anexo E. Resumen estadístico del ARIMA para el indicador producciónláctea mensual 127Anexo F. Resumen estadístico del ARIMA para el indicador producciónláctea mensual por hectárea 137Anexo G. Resumen estadístico del ARIMA para el indicador promedio deleche por vaca por día. 147Anexo H. Resumen estadístico del ARIMA para el indicador Intervalo PartoPrimer servicio cada 4 meses 155Anexo I. Resumen estadístico del ARIMA para el indicador Intervalo partoconcepción cada 4 meses 159Anexo J. Resumen estadístico del ARIMA para el indicador Intervalo entrepartos IEP cada cuatro meses. 163Anexo K. Resultado estadístico del ARIMA a el indicador de hembras delevante 167Anexo L. Resumen estadístico del ARIMA para el indicador promedio mensualde novillas de vientre. 175Anexo M. Resumen estadístico del ARIMA para el indicador Vacas enproducción 18319

GLOSARIOAPROXIMACIÓN SISTÉMICA metodología de estudio de condiciones, eventos osucesos; que a partir del entendimiento de la complejidad de todos losconstituyentes del conjunto de situaciones y/o condiciones que afectan al objetode estudio permiten desarrollar el pensamiento holístico o sistémico; comomecanismo de acercamiento al conocimiento base para las diversas áreas de laciencia.ARIMA iniciales con las que se conoce al modelo estadístico autoregresivointegrado de media móvil; desarrollado por Box y Tiao (1965) y Box y Jenkins(1970), en donde se analizan diversos tipos de datos generados a lo largo de unperiodo de tiempo conocido, bajo la óptica comprensiva mediante la adaptación eintegración; con el fin de explicar los patrones de cambio a través del tiempo oestablecer pronósticos sobre la variable analizada.CONDICIÓN CORPORAL escala que permite la evaluación del grado de obesidadde un animal, asignándole un número menor de acuerdo con su estado deemaciación o delgadez, y números mayores para los estados de gordura. Puedeser de 1 a 9 o de 1 a 5. En la escala de 1 a 5 planteada por Edmonson et al,(1989) para las vacas de raza Holstein se otorgan intervalos de 0.25 en cadaunidad como patrón de medida de la condición corporal.DINÁMICA DE POBLACIÓN herramienta desarrollada por Vela (2003) útil paradeterminar el número de animales necesarios para hacer el reemplazo del hato enfunción del tiempo; permitiendo establecer la cantidad probable de animales paracada grupo de edades en los que se puede clasificar la unidad productiva, durantetodo el proceso de producción.INTERACCION es la relación reciproca entre dos o mas elementos, con o sincaracterísticas que los hagan similares entre sí a dichas partes.METODOLOGÍA BLACK BOX O CAJA NEGRA método de análisis sistémico delos sistemas de producción, en donde gráficamente se interpretan los flujos deenergía, corrientes de entrada y salida; de cada una de las variables y susinteracciones; en donde, se le realizan preguntas acerca del funcionamiento delsistema o condiciones de éste, y la respuesta se busca mediante lasinterconexiones de las cajas que representen las variables implicadas en laresolución de cada pregunta.20

MODELO DE PRODUCCIÓN PECUARIO es el establecimiento de un plan deproducción que de acuerdo con las condiciones del sistema, a las característicasfisiológicas del animal y al plan administrativo planteado; se definen lasactividades a realizar a lo largo del tiempo, en diversas formas de medicióncronológica y que se repiten año tras año, y/o durante el ciclo productivo de laespecie animal que se este trabajando al interior del sistema de producción.MONOPSONIO fenómeno económico en donde en el mercado existe un únicocomprador o consumidor en lugar de varios; motivo por el cual puede obligar alvendedor (es) a ofertar su producto a los precios que desee comprar elconsumidor, en detrimento de las condiciones de negociación si existieran varioscompradores o demandantes.PARAMETROS REPRODUCTIVOS patrones de medida del comportamientoreproductivo del hato, que de acuerdo con lo expresado por Gallego (1994) casitodos los indicadores o parámetros se basa en constates fisiológicas como lo sonla duración de la preñez, puerperio, periodo entre celos, entre otras, que estánsujetas a cambios infecciosos, nutricionales, ambientales o por efecto del hombre.SINERGIA Es la asociación de dos o mas elementos que al compartir suspropiedades tiene como resultado una acción mayor que la sumatoria de suspartes.VENTANAS REPRODUCTIVAS porciones de tiempo definidas en el añocalendario para desarrollar las actividades propias de la reproducción animal comola detección de calores, Inseminación Artificial (IA), tratamientos, sincronizaciones,partos entre otros.21

RESUMENLa unidad productiva base del estudio, denominada La Cañada, se encuentraubicada en el municipio de Tuta, departamento de Boyacá, cuenta con unaextensión de 43 hectáreas, ubicada a una altura de 2.560 msnm, con unapluviometría anual promedio de 767 mm. Se evaluó el desempeño a lo largo deltiempo, este sistema productivo de lechería especializada que estableció un plande partos estacionales bimodales; con el fin de proponer a la lechería estacionalcomo una estrategia de producción alternativa, eficiente, viable y sostenible paralos ganaderos en Colombia. Constituyéndose en una opción para buscarle unasolución a algunas de las limitantes de la producción lechera que reducen lasposibilidades de crecimiento y mejora del panorama económico colombiano, entérminos de producción lechera, en donde existen variados escenarios demercado mundial para los lácteos y sus derivados.Para tal efecto se analizó la información generada que ocurrió por espacio de 13años (1995-2007), en donde se cambió de un sistema de partos durante todo elaño (1995 – 2001), para llegar a los partos estacionales bimodales (2002 – 2007);a raíz de un cambio generado en el año 2002, debido a la toma de decisiones denegocio, luego de un análisis sistémico de las condiciones administrativas,operativas, técnicas, y biológicas con las que la unidad productiva cuenta. Lacomprensión clara y acertada de la dinámica de comportamiento de los sistemasde partos estacionales ampliamente difundidos en Nueva Zelanda, así como laconcepción mental y el proceso holístico desarrollado por el productor al analizarlas oportunidades y retos productivos a los que se enfrentaba, en el proceso decambio de estrategia de producción; fueron los primeros pasos para lacomprensión de lo que ocurrió al interior del sistema de producción, y de loslineamientos y metas que decidieron trazar al cambiar de modelo productivo.Luego de los procesos de recopilación, validación, transcripción y evaluación delos datos generados por el sistema, se construyeron las bases de datos quealimentaron el programa informático de sistematización de hatos, del cual sesustrajeron series de tiempo de los indicadores de producción que representaranlas condiciones de producción láctea, comportamiento poblacional animal delsistema, así como el comportamiento reproductivo y climático, (representado porla pluviometría). Con estas series temporales, se emplea herramienta estadísticade Series Temporales Interrumpidas, o comúnmente denominadas como modelosautoregresivos integrados de medias móviles (ARIMA) como mecanismo útil enel análisis de patrones de comportamiento a través del tiempo a consecuencia dela toma de decisiones.22

En términos generales se encontró un comportamiento bimodal de las lluvias parala zona en donde se encuentra establecido el sistema, que la primer temporadaocurre a mediados de febrero, e inicios de marzo y se extiende hasta mediadosde mayo o inicios de junio; siendo esta mas fuerte y de mayor duración que la delsegundo semestre la cual ocurre de mediados de septiembre e inicios de octubrehasta finales de noviembre.El comportamiento reproductivo de acuerdo con el ARIMA para indicadores comoIntervalo parto – primer servicio, intervalo parto- concepción, e intervalo entrepartos, no tuvo ningún tipo de impacto de cambio de nivel en ninguno de los dossistemas de partos estacionales y partos todo el año, debido al comportamientosimilar entre los dos sistemas. En la serie temporal de los nacimientos se observala estacionalidad a partir del año 2004, es decir dos años mas tarde a la fecha dela inclusión del plan de partos estacionales; demostrando que los resultados de laspoliticas de cambio de estrategia de producción pueden ofrecer cambios en elmediano o largo plazo.Un caso similar ocurrio con la producción lactea en donde se encuentrandiferencias de entre 1.700 a 3.000 kg de leche en los consolidados de lactanciaentre los dos periodos, como respuesta en primer lugar a las mejoras productivascon la inclusion del sistema de pastoreo rotacional y el plan productivo de partosestacionales. En el ARIMA, para la producción láctea mensual en cuyo cambio denivel fue en febrero de 2000 con un aumento de 4.694 litros/mes y como respuestaal plan de partos estacionales el impacto positivo fue en abril de 2004 con 3506litros de leche por mes; siendo que la inclusión de la rotación de praderas ocurrióen 1997 y el plan de partos estacionales se estableció en 2002. Demostrando asínuevamente que la ocurrencia de los cambios no es inmediata, o no ocurre en elcorto plazo.Palabras clave: Partos estacionales bimodales, decisión de negocio, estrategia deproducción, modelo productivo, +GanaderoTP®, ARIMA.23

INTRODUCCIÓNLa producción pecuaria colombiana en los últimos años ha tenido como retoproductivo, ubicarse en forma competitiva bajo las condiciones de un mercadocada vez mas globalizado y bajo circunstancias de aseguramiento de la calidad desus productos, a un margen de precios al consumidor relativamente bajo por serartículos de primera necesidad, fundamentales para la seguridad alimentaria de lanación. Estas dos condiciones generan en los productores retos que deben serafrontados con adecuados diseños de negocio, que resulten eficientes ysostenibles. Otro inconveniente que surge es el elevado precio de los insumos omaterias primas, generalmente importados con altos aranceles, incrementándoselos costos de producción y por consiguiente arrojando reducciones en lasutilidades, al tener pocos incrementos en los precios de compra al productor porsus bienes y servicios.Sin embargo, la vía de salvación a esta coyuntura productiva se encuentra enrealizar análisis de cada tipo de sistema productivo, con el fin de encontrar lasoportunidades y ventajas en todos los escaños de su cadena productiva en mirasde incrementar su rentabilidad y sostenimiento en el mercado. Este reto degenerar competitividad, se puede realizar disminuyendo los costos de produccióny aumentando el valor del producto (Porter, 1991), desde un punto de vista detransformación de la energía a través de la cadena agropecuaria; una forma delograr esta estrategia es convirtiendo la mayor cantidad de forraje en productofinal.Resulta interesante observar las ideas de negocio desarrolladas en diversasregiones del mundo; tales ejercicios generan conocimientos que pueden serinterpretados o tenidos en cuenta en otras condiciones de producción, con el fin debuscar cual programa de producción sea el adecuado, para arrojar como resultadouna alternativa que sea mejor que las condiciones iniciales, en las que lossistemas se encontraban antes del proceso de cambio de metodología oestrategia de producción. Los sistemas de lechería con partos estacionales es unmodelo de producción lechera utilizado en Nueva Zelanda; que se constituye enuna herramienta alternativa en la programación de las estrategias de producción,que tiene por objeto establecer temporadas en las cuales uno o varios grupos deanimales del hato se encuentren pariendo en la franja de tiempo en donde lapastura se encuentre en el punto óptimo de producción de forraje.Teniendo en cuenta lo anterior, se busca exponer una alternativa para optimizar laproducción lechera colombiana, mostrando un esquema productivo en el cual se24

establecen criterios de manejo específicos para las variables climáticas,económicas y productivas que intervienen en lechería especializada, con laventaja de evitar altos costos en el proceso de cambio tecnológico.A pesar de la coyuntura de crecimiento de la producción lechera en el país la cualreporta un ritmo del 2,8%, en los últimos 15 años (Observatorio AgrocadenasColombia. 2006a); en donde la nación puede lograr niveles de suficiencia entérminos de relación entre demanda y producción, además de garantizar un climade confianza para la seguridad alimentaria de los habitantes del país estimadospor el DANE (2006) en 42`090.502 personas. Existen factores determinantes de laproducción lechera como son: el número total de animales ordeñados, la genéticacon que cuentan los hatos y, la estacionalidad climática; los cuales no permitenmayores incrementos en la productividad de la cadena de la leche. (ObservatorioAgrocadenas Colombia. 2006a).El número de animales ordeñados es un punto el cual contempla no solo lashaciendas dedicadas a la explotación de leche especializada, sino que ademástiene en cuenta las fincas de doble propósito. El total de animales ordeñadoscomparte con la calidad genética de los hatos, la particularidad de ser aspectosdeterminantes que modifican la producción a mediano y a largo plazo. Casocontrario ocurre con el ítem de estacionalidad climática; el cual afectadirectamente a la oferta y disponibilidad de alimento en las regiones productorasdel país, ya que la producción lechera colombiana depende en gran medida deldesarrollo y manejo de pasturas. En ese orden de ideas, la estacionalidadclimática resulta ser un factor de difícil control, cuyas consecuencias sobre laproducción lechera son de efecto inmediato, puesto que los cambios ambientalesinciden de forma directa sobre la calidad y cantidad del recurso forrajero; que a suvez, se constituye como base de la alimentación bovina, y la posterior expresiónde su capacidad productiva (dada por la duración y cualidades de la lactancia) yde la calidad genética del hato.Una de las vías para la reducción de los efectos de los cambios climáticos sobre eldesarrollo de pasturas es el uso de sistemas de pastoreo rotacional; en este tipode manejo se tienen ventajas como una mayor capacidad de carga del potrero,uso óptimo de los fertilizantes, la selección regulada de alimento por parte delganado al controlar en buena parte las áreas que estos tienen para alimentarse(Bernal, 1994). Esta condición de manejo del alimento favorece una parte delproceso productivo en lechería especializada y en sistemas doble propósito; perosi se precisan las temporadas durante el año en las cuales la producción de forrajees mayor a consecuencia del régimen de lluvias, buscando que la mayor parte delos animales que se encuentran en lactancia logren sus picos de producción deleche durante estas temporadas; se estaría conjugando en un mismo escenario detiempo el máximo de producción de pasto de excelente calidad, asociado con el25

intervalo de tiempo en el cual una vaca se encuentra produciendo mayor cantidadde leche; cumpliendo de este modo con lo expresado por González (2005), endonde la interacción entre variables en un sistema de producción lechero, tienecomo principal estrategia la sincronización de los requerimientos alimenticios delrebaño y la curva de crecimiento de los pastos.El problema se resume en que la producción de leche en Colombia se hace enpraderas que a pesar de tener el recurso forrajero durante todo el año, la mejorproducción del pasto es estacional, a consecuencia de los diversos y muyvariados regímenes de lluvias y sequías; generando desequilibrios en lascantidades de comida en ciertas épocas del año, con lo cual se hace necesarioinvertir mucho dinero en tecnologías para asegurar producción y/o conservaciónde alimento (suplementos alimenticios, raciones de alimentos balanceados,conservaciones de forraje, bloques nutricionales, entre otras) o sacrificar lareproducción disminuyendo la condición corporal de los animales en épocas debaja producción de pasto. Sin contar las metodologías que en épocas secas seemplean, y son denominadas como estrategias tradicionales, como la reducciónde la carga animal, eliminación de los animales con problemas sanitarios, descartede hembras con largos Intervalos entre partos (IEP), y de animales de bajaproducción (Cardona, 2002).El enfoque del sistema de partos estacionales es una alternativa para laproductividad láctea Colombiana, inicialmente aplicable en sistemas de lecheríaespecializada en las zonas aptas para estos sistemas; puesto que “Comparandocon sistemas convencionales la lactancia estacional [Partos Estacionales], conpastoreo intensivo se enfatiza en reducir los requerimientos de capital” (Miller ySchnitkey, 1994).El describir un sistema de producción lechero de partos durante todo el año, y suproceso de cambio a otro sistema de partos estacionales que poseen condicionesambientales similares, se constituye en un aporte al conocimiento con que el paíscuenta en lechería especializada; al plantear un cambio de estrategia deproducción en una unidad productiva que se encuentra en el territorio nacional yque funciona como un marco de referencia, útil para otros productores y/oinvestigadores que deseen profundizar sobre la lechería especializada, o demássistemas productivos, bajo condiciones acordes o similares con el modelodesarrollado en Nueva Zelanda, en cuanto a sincronizar el potencial productivo delforraje en términos de edad útil y biomasa disponible de excelente calidad, con laetapa de mayor eficiencia productiva del los animales en un escenario de tiempoen el cual las condiciones ambientales resulten ser las más favorables para elforraje y por supuesto para el animal.26

Por ser el régimen de lluvias en las zonas lecheras de Colombia de orden bimodal,el modelo de partos estacionales sufre variaciones, al ofrecer dos temporadasóptimas de condiciones de producción en lugar de una como ocurre en las zonasde lechería estacional que se encuentran fuera de la región intertropical;convirtiéndose así en un modelo de producción diferente, que comparte con losmodelos de los cuales se originó, la visión gerencial, planificadora y administrativade los recursos del sistema productivo, así como la regulación, sincronización, dela oferta forrajera, con la manipulación de la presentación de los requerimientospor parte del animal, a través del año calendario y/o ciclo productivo (Vela, 2007)El cambio del sistema de lechería con partos durante todo el año, para luegopasar a temporadas de partos definidas (bimodal), y por ende producciones deleche en condiciones ambientales favorables durante el calendario de actividadespropias de la unidad productiva; fue el resultado del análisis de las variables deproducción repetitivas a partir de la experimentación de las situaciones reales deéstas, en donde la observación de los patrones de cambio se entiende de formagrupal sin aislamientos de ninguna índole, buscando maximizar el recursoforrajero, empleando una visión de tipo gerencial sobre la unidad productiva; dichavisión permite tomar decisiones que generen impacto sobre el sistema al realizarmodificaciones a las estrategias de producción, basados en la forma en queinteractúan cada una de las variables.27

1. OBJETIVOS1.1 OBJETIVO GENERAL:Evaluar el desempeño productivo a lo largo del tiempo, un sistema de lecheríaespecializada que estableció un plan de partos estacionales bimodales, ubicadoen el municipio de Tuta, Departamento de Boyacá.1.2 OBJETIVOS ESPECÍFICOS: Cuantificar las diferencias existentes en las variables productivas y susindicadores, en el sistema de producción estacional y de este mismo cuandolos partos ocurrían todo el año, como patrón de medida de las decisionesadministrativas empleadas. Valorar la pertinencia del uso de la herramienta estadística de SeriesTemporales Interrumpidas, como un mecanismo útil para validar el proceso decambio entre los dos sistemas. Evaluar al sistema de partos estacionales como una alternativa de producciónútil para la lechería especializada colombiana, comparado con los sistemas departos todo el año.28

2. REVISIÓN DE LITERATURA2.1 SITUACIÓN PRODUCTIVA DE LA CADENA LÁCTEA COLOMBIANA Y SURELACIÓN CON MERCADO INTERNACIONALLa producción Colombiana para el 2006 basados en factores como elcomportamiento de producción en los últimos años, y el potencial productivo delcociente animal permite contemplar un estimativo aproximado de 6.192 millonesde litros de leche (Observatorio Agrocadenas Colombia, 2006a). Referente a laposición internacional (Tabla 1) Colombia ocupa el lugar número 21 dentro delpanorama productivo mundial donde en términos de crecimiento la situación delpaís es comparable con la de México con quien comparte una tasa de crecimientosimilar. Las reducciones en países de Suramérica como el caso de la RepúblicaBolivariana de Venezuela, y Argentina, muestran una alternativa de mercado altener Colombia la oportunidad de abarcar dichas plazas que los anteriores paísesdejaron de producir a la cuota lechera mundial. Otra de las ventajas competitivasque tiene el país en términos internacionales es la baja participación de Perú, apesar de su alta tasa de crecimiento comparado con los demás países de laregión.Tabla 1 Producción mundial leche entera de vaca ton/añoPaís 1996 2000 2005 T. Crecimiento Puesto % ParticipaciónEEUU 69´855.000 76´023.000 80´150.000 1,44% 1 15,10%N. Zelanda 10´010.000 12´235.392 14´625.000 4,49% 8 2,76%México 7´821.600 9´311.444 9´873.755 2,77% 15 1,86%Argentina 9´139.815 10´121.330 8´100.000 -2,20% 20 1,53%Colombia 5´332.030 5´761.540 6.770.000 2,71% 21 1,28%Perú 904.865 1´066.960 1`290.000 4,11% 55 0,24%Ven RB 1´405.205 1´372.071 1´268.000 -1,81% 56 0,24%Fuente FAO, Calculo: Observatorio Agrocadenas Colombia (Marzo2006) 1En el marco de las exportaciones Colombianas, “El volumen acumulado de lasexportaciones para el periodo enero -julio en el del 2002 fue de 23.775 y para el2006 fue de 18.043 toneladas, lo que muestra que Colombia del 2002 al 2006 hadisminuido sus volúmenes de exportaciones en un 24%.” (Observatorio1 ORGANIZACIÓN DE LAS NACIONES UNIDAS PARA LA AGRICULTURA Y LA ALIMENTACIÓN.FAO. Citado por: Observatorio Agrocadenas Colombia en http://www.agrocadenas.gov.co /lácteos/reportes/fao_01_0882_produccion.pdf. Consulta Septiembre de 200629

Agrocadenas Colombia, 2006). La reducción en la capacidad exportadora deproductos y derivados lácteos que ha sufrido el país, obedece a dos factores quede acuerdo con información del DANE citado por Observatorio AgrocadenasColombia (2006) son: El alto porcentaje que ocupa el rubro de las leches en polvoen el total de exportaciones nacionales, cuyo nivel de transacción se redujo en un45%; el segundo aspecto radica en la alta demanda de la República Bolivariana deVenezuela por productos como la leche en polvo que ocupa el 34% de lasexportaciones. Lo anterior demuestra que Venezuela al constituirse como principaldestino, requiere un alto porcentaje de la leche en polvo que se produce enColombia; generando algunos efectos del fenómeno económico de mercadoimperfecto, como es el monopolio de demanda denominado Monopsonio (Escobary Cuartas, 1996), el cual es una espada de doble filo al no tener otros mercadosque aseguren la adecuada demanda a la leche en polvo que es uno de losderivados lácteos colombianos de mayor importancia en términos detransacciones comerciales de orden internacional.A pesar del aparente panorama de reducción en el total de exportaciones deproductos lácteos al disminuir la demanda de Venezuela por la leche en polvo;cabe resaltar que dicha nación constituye un 89% del total de exportacionesColombianas, y que productos como el yogurt, mantequilla, lactosuero, y leche enpolvo descremada, se constituyen como productos de exportación queaumentaron sus volúmenes de transacción en 4; 4; 6;y 10, veces respectivamente(Observatorio Agrocadenas Colombia, 2006).La información anterior es nuevamente corroborada por agrocadenas en su cuartoinforme de coyuntura de la leche para el año 2006, que al igual que el segundo ytercer informes demuestran que “la disminución en la participación de lasexportaciones a este país (Venezuela), se da por un incremento en lasexportaciones a los Estados Unidos y las Antillas Holandesas”. Este cuartoinforme también señala que el consumo aparente en Colombia “para el periodoevaluado en el 2006 con respecto al 2005 ha presentado una variación del 2,3%,lo que demuestra un leve aumento en el consumo aparente de la leche, a causade un incremento en la producción nacional y al no presentar un crecimiento tanmarcado en las exportaciones de productos lácteos y derivados” (ObservatorioAgrocadenas Colombia, 2006b).Lo anterior demuestra que en términos de comercio internacional se haincrementado las preferencias por productos lácteos procesados; esto sumado ala situación de las importaciones las cuales “para el periodo enero- julio del 2002fue de 17.145 toneladas y para el 2006 fue de 7.433 toneladas, exponiendo queColombia del 2002 al 2006 ha disminuido sus volúmenes de importaciones en57%” DANE citado por (Observatorio Agrocadenas Colombia, 2006); ratifican elbuen momento para la producción lechera en Colombia ya que se demuestra sucaracterística de nación autosostenible y con un margen creciente de mercadopara productos lácteos procesados.30

Para determinar como aprovechar en forma adecuada el contexto actual delmercado de la leche, basta con observar la situación de eficiencia productiva porunidad animal (vacas) del país, en donde cambia el panorama en contraste de lasventajas que se perciben en el contexto internacional. Basados en cálculos de laFAO (Tabla 2), Colombia tiene un índice productivo un poco menor comparadocon Venezuela, pero significativamente más bajo con respecto a Perú. La tasa decrecimiento del 0,12% demuestra la pobre inclusión o adecuación de nuevastecnologías en pro del desarrollo productivo lechero del país; motivo por el cual sebusca analizar el sistema de producción lechero empleado en Nueva Zelanda,adoptado por asociaciones de productores de leche como las de Lousiana(Adkinson et al., 2005), Ohio (Zartman, 1994), Grandes Lagos (USDA, 2005),Carolina del Norte (Farin et al., 1994) en Estados Unidos. Aparte de las zonas yaseñaladas en Virginia (Groover, 2000), explica que de acuerdo con las altasrentabilidades de los sistemas de Nueva Zelanda, los productoresnorteamericanos están buscando incrementar los beneficios al maximizar el usode las pasturas; por otra parte señalan que acciones económicas como el modelode pagos por unidad de leche, rentabilidad, entre otros, impulsaron a losproductores norteamericanos a implementar el sistema de partos estacionales.Tabla 2. Rendimiento leche mundial kg leche/animalPaís 1996 2000 2005 T. Crecimiento PuestoEEUU 7.453.60 8.254.40 8.880.90 1,80% 3Argentina 3.973.80 4.131.20 4.050.00 0,29% 38Perú 1.636.20 2.080.60 1.984.00 1,41% 69México 1.214.50 1.369.30 1.437.20 1,88% 86Ven RB 1.203.80 1.294.00 1.030.90 -2,68% 103Colombia 987.40 1.023.50 1.003.00 0,12% 106Fuente FAO Calculo Observatorio Agrocadenas Colombia (Marzo2006) 2El panorama de las exportaciones de los productos lácteos colombianos en unmercado internacional como el de la CAN resulta prometedor puesto que en el año1991 estos productos ocupaban el sexto renglón de las exportaciones nacionales,comparado con un segundo lugar ocupado en el año 2001, con transacciones porel orden de 4 y 75 millones de dólares respectivamente (Observatorio decompetitividad agrocadenas, 2007).2 ORGANIZACIÓN DE LAS NACIONES UNIDAS PARA LA AGRICULTURA Y LA ALIMENTACIÓN. FAO,Citado por: Observatorio Agrocadenas Colombia en http://www.agrocadenas.gov.co /lácteos/reportes/fao_01_0882_produccion.pdf. Consulta Septiembre de 200631

Por el orden de la oferta de productos lácteos en la Comunidad Andina deNaciones (CAN) el Observatorio de competitividad agrocadenas (2007) reconoceel panorama positivo que posee Colombia en el ámbito productivo al sostener que“los productos lácteos incluyendo mantequilla crecieron el 2,5% entre 1990 y el2001 en los países miembros de la Comunidad Andina; en el año 2001 laproducción de mantequilla en la CAN representó en Sudamérica el 14% y la delácteos el 23%, sobresaliendo Colombia en ambos casos”. Cabe resaltar que delgrueso de las exportaciones Colombianas al mercado de la CAN en el 2001, loslácteos constituyen el 14,73% del stock total de los productos ofrecidos por el país;solamente siendo superado por azucares y confitería con una participación delorden del 33,92% (Figura 1)Figura 1. Colombia, Composición de las exportaciones hacia la CAN en el 2001 3Como se puede observar la situación del nicho económico, y sus perspectivas demercado en las que se encuentra la nación favorecen el entorno productivo de laleche y sus derivados; por consiguiente el incremento de la oferta de leche aconsecuencia de un aumento en la productividad de los hatos, tendrá una buenaaceptación, y no generará disminuciones en los precios al productor puesto queexiste una creciente demanda por este tipo de productos con lo cual disminuye elriesgo económico que genera la sobreoferta.En Colombia el uso del recurso pasto en lechería especializada esta altamentedifundido; sin embargo, las estrategias de producción del mismo y su visión como3 Origen del Grafico: Observatorio Agrocadenas Colombia. 2007. Observatorio de competitividad, modulo deinteligencia de mercados, perfil de mercado Comunidad Andina de Naciones CAN p.10; Enhttp://www.agrocadenas.gov.co/inteligencia/documentos/ perfil_%mercado_CAN.pdf. Consulta: Febrero200732

cultivo no resultan ser las más adecuadas. Ante esto, Vela y Vargas (2004)sostienen que el mal manejo en pastoreo genera pérdidas por pisoteo,acumulación de heces, orina y acostaderos del orden de 30%. Mendoza (1992)precisa que cuando las pasturas se destinan a la producción de leche laproducción se afecta durante la época seca por la limitación en forraje verdedisponible y no se alcanzan a suplir los requerimientos de energía y proteína,además de disminuir la capacidad de carga por unidad de área.Cuesta (2004) define la problemática del pastoreo y de las praderas en Colombiaen dos aspectos importantes a saber:a. Existen deficiencias en el manejo del pastoreo de diferentes especies, endonde se abarcan aspectos como: Las frecuencias e intensidades dedefoliación, un deficiente conocimiento de los mecanismos de rebrote en lapradera, y la progresiva degradación de las praderas.b. Las metodologías de muestreo de forraje en las praderas requieren revisióny ajuste en tópicos como: La estimación de carga animal en función de lasnecesidades del animal, una adecuada representatividad del tipo de forrajeexistente en la pradera así como del tipo de dieta consumida por el animal,y por último las frecuencias de muestreo.Estas condiciones limitan altamente las posibilidades de un uso eficiente delalimento, así como la reducción de las ventajas de tecnologías como pastoreorotacional que de acuerdo con San Miguel (2003) permiten entre otras, fijar concierta precisión la ración para cada grupo de animales, establecer el tiempo dereposo para conseguir que la calidad de la pastura y la capacidad de rebrote seanlas máximas, y facilitar la aplicación de tratamientos en la mejora de la pradera.En Colombia existe el fenómeno de estacionalidad de la producción lecheranacional, en donde basados en datos de FEDEGAN y el Concejo Nacional Lácteo(CNL) citado por Observatorio Agrocadenas Colombia (2006a), se puededeterminar que la estacionalidad climática promedio en Colombia ofrece unatemporada alta de producción de leche, la cual ocurre entre los meses de Mayo aOctubre; a su vez, en los meses de noviembre – abril la producción de lechedisminuye. El anterior panorama condiciona marcadamente la producción total delpaís e incrementa las limitaciones productivas, razón por la cual obliga a losproductores a innovar o buscar alternativas que les permita producir en formaeficiente, sustentable y rentable.Por el marco en el que el país se encuentra en términos de mercado internacional,potenciales destinos a productos lácteos exportables, condiciones en las que seproduce la leche (estacionalidad climática e ineficiente uso del recurso forrajero),etc. Surge el modelo de producción basado en partos estacionales y/o tambiénllamado lechería estacional, como una de las alternativas que se pueden emplearen las condiciones de producción de Suramérica como lo ha sido el trabajo de33

Daniela Winkler en Chile que fue reportado por la revista Neozelandesa DairyExporter, 2002.2.2 ALGUNAS CONSIDERACIONES DE LOS PARTOS ESTACIONALES.Las investigaciones sobre los efectos del clima, con relación a la edad productiva,y la fecha en la que las vacas paren en el año no es tan relativamente nuevaWunder y Mogilliard (1971) fueron de los primeros investigadores en EstadosUnidos sobre partos estacionales; estos autores también citan como predecesoresa Sundaresan and Freeman (1961) así como a Annis et al. (1959). Quienesencontraron interacciones entre parámetros como la producción de leche, la edaddel animal, y la temporada en la cual ocurrió el parto.Varios investigadores entre ellos Little (2004), define como partos estacionales a lasituación en la que todas las vacas del hato paren en un corto periodo de tiempocada año; además define como “partos repartidos” (Split calving), a los hatos quetienen partos en dos o tres distintos periodos de tiempo cada año (Figura 2).Figura 2. Presentación de los diversos sistemas de partos existentes propuestospor Little 2004Fuente: Little Steven. 2004Las ventajas que ofrecen los partos estacionales son mencionadas por Palen(1999), quien denomina Ventana vacacional a las ventajas que sobre laprogramación de actividades mensuales, y anuales tiene el sistema; puesto queteniendo acciones definidas a lo largo del año, se permite realizar programacionesde la mano de obra, así como de la producción; en cuanto al manejo de losanimales sostiene que “Simplifica los reemplazos ya que las novillas tiene edades34

iguales, disminuyendo los movimientos entre los grupos de animales”…”Protegelas pérdidas de terneros [asociadas a efectos climáticos]”. Otra de las ventajas queargumenta este autor en la parte reproductiva, se refiere la valoración del factorclima y las posibles ventajas de este sobre el desarrollo reproductivo.Y es el aspecto reproductivo uno de los principales retos a lograr de los sistemasde producción lechera con partos estacionales, ya que de acuerdo con loargumentado por Olori et al. (2002), “La reducción en la fertilidad y el incrementoen la vigilancia en el intervalo desde el parto hasta la concepción es un problemacritico en hatos con partos estacionales, en donde el intervalo entre partos tienealto valor económico por la necesidad de compactar los partos para maximizar lautilización del pasto en la temporada de pastoreo”, lo anterior sugiere una mayorobservación y comprensión de la información que se genera en el hato; puestoque las alteraciones reproductivas tienen mayor grado de incidencia sobre lasdemás actividades en un hato con temporadas de partos, que en otro con partosdurante todo el año; esto no significa que la reproducción se vea afectada por eluso de esta alternativa productiva, sino que se requiere de un mayor control sobreésta; además, los sistemas de partos estacionales se encuentran comúnmenteasociados a estrategias de producción de forraje de calidad como es el caso delpastoreo rotacional y/o silvopastoreo, que representan mejoras en la calidad delalimento ofrecido a los animales. Amado (2007) sostiene que el microclimagenerado en sistemas de silvopastoreo permite incrementos en los consumosvoluntarios, así como reducciones en los efectos de las condiciones climáticasextremas y mejoras en la calidad nutricional del alimento consumido; porconsiguiente en sistemas de partos estacionales asociados con estrategias deproducción y manejo de forraje, se busca en los animales un mayor confortproductivo que asociado a una nutrición de calidad, conlleva un impacto positivo alos eventos reproductivos.Forgey (1998) señala como ventajas un óptimo uso de la pastura, reducción decostos en granos, menor necesidad de equipos, mayor rentabilidad por vaca aldisminuir los costos de entrada. Así mismo, Little (2004) menciona dentro de lasventajas de establecer sistemas de producción basados en partos estacionales losiguiente:1. Proporciona un hato fértil al descartar animales problema tempranamente.2. Mejora flujo de caja dependiendo del sistema de pago por litro.3. Mejora Ganancias e Incentivos por mayores producciones y calidades.4. Facilidades de trabajo al permitir una programación de actividades anuales.Otro argumento importante para el empleo de sistemas de partos estacionales, esque resulta siendo una alternativa para afrontar las fuertes implicaciones quetienen las condiciones climáticas en las zonas de producción lechera tropical sobreel potencial productivo de los animales a ordeñar. Lo anterior se correlaciona conlo encontrado por Morales et al. (1989), en donde señala que las vacas jóvenesson mas susceptibles a los cambios climáticos entre la primera y la segunda35

lactancia, dependiendo de la temporada climática en la que se encuentren,observándose mayores diferencias entre las lactancias durante la temporada seca.2.3 APROXIMACION SISTEMICALa base científica usada para realizar este estudio, se soporta en la dinámicagenerada por la complejidad y los retos establecidos para implementar una formade pensamiento sistémico al momento de tomar decisiones de diseño de negociostanto industriales, como de servicios y del sector primario. En la actualidad, “seconsidera que el enfoque de sistemas más que una teoría es una forma de pensardel mundo, que la complejidad del mundo natural y social, y la relación entresociedad y medio ambiente necesita nuevos enfoques para su comprensión”(Ramírez, 2005).Ante esta perspectiva en la cual el ser humano como parte integral de un conjuntode subsistemas pertenecientes a un sistema general como lo es la vida en elplaneta tierra, tiene la necesidad de velar por la protección de los recursos, asícomo de optimizar el beneficio que pueda tener de estos; motivo por el cual laaproximación sistémica se constituye como una metodología eficiente paraanalizar sistemas productivos basados en políticas de análisis de las relacionesentre las variables y de las capacidades de producción; así como para permitirmayor profundización en los niveles de conocimiento del humano al tener unlenguaje neutro, que facilita la comprensión de todas las personas en general. Taly como lo expresa Thomas (1974) citado por Sterman (2000), “no es posibleinteractuar con una parte de la complejidad de un sistema desde afuera, ignorandola alta probabilidad de la existencia del riesgo de disparar eventos desastrososque no fueron previstos en partes remotas del mismo. Si se quiere arreglar algo,primero esta la obligación de entender el todo, ya que intervenir sin saber puedeser desastroso.” La aproximación sistémica al estudio de la realidad ayuda agenerar un entendimiento cada vez mayor de los arreglos particulares de loselementos que la componen y de sus interacciones, que de una u otra formadefinen el estado del sistema (Checkland, 2000).Los criterios que serán analizados parten de una unidad productiva con un modelode producción de lechería especializada de clima frío ubicada en el municipio deTuta, en el departamento de Boyacá, que posee el programa de partosestacionales desde hace tres años. El estudio del impacto de establecer unsistema de partos estacionales va a permitir generar un conocimiento másprofundo sobre las interacciones del sistema que ayudan a definir el estadoproductivo del mismo, como una base para ampliar el entendimiento sistémico deeste tipo de producción; el cual resulta ser un novedoso sistema productivo enfuncionamiento, que permite ser descrito y analizado con el fin de facilitar a losinteresados en la materia, el estudiar o evaluar los diversos efectos que conllevala creación e implementación de un sistema de partos estacionales en Colombia.36

2.4 LA UNIDAD PRODUCTIVA Y EL ENTORNO NATURALEl sistema productivo (Fotografía 1) se encuentra ubicado en la vereda SanNicolás del Municipio de Tuta en el Departamento de Boyacá, a una altura de 2560m.s.n.m. sobre la vía que de Tuta conduce a la escuela de Santa Rita por el sectorde la Cañada Grande, en el limite oriental con el Municipio de Paipa, en lasveredas de Hacienda y San Nicolás; el terreno esta conformado por 43 hectáreas,que al momento de la evaluación, 11,2 estan destinadas a una reserva forestal deárboles nativos; 2,4 a los animales de levante; 12,8 a las novillas de reemplazo y alos animales del hato que están en el período seco; 12,8 hectáreas para losanimales del hato que están en lactancia y 3,8 para equinos. (Vela y Vargas.2004)Fotografía 1. Panorámica de la unidad productiva La Cañada, municipio de Tuta,departamento de Boyacá.Fuente: Eudes Antonio Garzón A. 2008De acuerdo al trabajo realizado por Seré y Steinfeld (1995), citados por Vela yVargas. (2004), El sistema de producción, se puede clasificar como un sistemaexclusivo de producción animal basado en pasturas, ya que los requerimientosnutricionales de la población animal son cubiertos en gran medida con la materiaseca proveniente de pasto y una pequeña proporción, (Cercana al10%) desuplementación con fuentes alimenticias alternas; además de esto los ingresosdependen de la actividad ganadera de lechería.La presentación topográfica de la unidad productiva corresponde a zonas planas(Fotografía 2), en donde se establecieron los potreros dedicados a la explotaciónlechera, y zonas de laderas, en donde se encuentran dos situaciones, la primeraes de reserva forestal protegiendo los lugares más erosionados, y otra en dondeanimales que no se encuentren en producción de leche, como el caso de novillas37

de reemplazo y vacas secas, y de levante pastorean. El agua empleada en laexplotación en actividades como riego, consumo humano, y bebida para losanimales proviene de la denominada quebrada la Fucha, y es llevada porsistemas de bombeo a lugares específicos de la hacienda, como potreros otanques bebederos móviles, con el fin de evitar daños al cauce del cuerpo de aguapor acción del paso constante de los animales.Fotografía 2. Distribución topográfica de La Cañada, municipio de Tuta,departamento de Boyacá.Fuente: Eudes Antonio Garzón A. 2008Las praderas están compuestas por Kikuyo (Pennisetum clandestinum), Azulorchoro (Dactylis glomerata), Trébol rojo (Trifolium pratens) y Trébol blanco(Trifolium repens), en donde el pasto predominante es el kikuyo. El animal tieneacceso al pasto por medio de un sistema rotacional de pastoreo con tiemposdefinidos de acuerdo a condiciones como son las necesidades de los animales, yla calidad del forraje. Con el uso de subdivisiones en los potreros, y la cuerdaeléctrica se buscan establecer las cantidades diarias de forraje, acordes con cadagrupo animal; estimulando el consumo voluntario al ofrecer durante varias veces aldía pasto fresco de excelente calidad (Fotografía 3). El ciclo de rotación ocurrepara el caso de los lotes de reemplazo y vacas secas, cada 55 días y el tiempo deocupación varía entre uno a cuatro días; para las vacas en producción y lasnovillas de levante cada 45 días ocurre dicho ciclo.Mediante la observación directa del personal que labora en la explotación seestima de forma aproximada las áreas de forraje fresco dispuestas para los gruposde animales, es decir, el trabajador observa la altura de corte que hacen losanimales al morder el pasto, evitando llegar al sobrepastoreo o al desperdicio dematerial, en donde aumenta o disminuye el tamaño de la asignación de forrajerespectivamente. Lo anterior se realiza con el fin de garantizar que después del38

pastoreo cada tallo tenga de dos o tres hojas, para generar un rebrote cuyaenergía surja de la fotosíntesis y no de las reservas almacenadas en las raíces.Fotografía 3. Forrajes de la pradera y proceso de estimación de la oferta de pastoen La Cañada, municipio de Tuta, departamento de Boyacá.Fuente: Eudes Antonio Garzón A. 2008Teniendo como principio de investigación la óptica que todos los constituyentes delas formas vivientes o no vivientes que coexisten en el planeta, tienen una serie decaracterísticas o relaciones entre estos y otros elementos que hacen, que elanálisis e interpretación de dichas relaciones generen niveles de conocimiento demayor complejidad; se plantea este estudio con el propósito de describir elfuncionamiento de un sistema productivo lechero que por cierta cantidad detiempo tuvo unas condiciones productivas basadas en metodologías deproducción lechera tradicional, en el cual sus partos ocurrían con bajos niveles decontrol a lo largo de un año calendario; y que luego de un serio análisis de lascondiciones ambientales de la zona como son precipitaciones, temperatura, brillosolar; se dieron a la tarea de crear un plan o programa productivo que de acuerdoa las condiciones del sistema, la fisiología de la especie animal, estrategias oherramientas de administración y a la combinación e interrelación de losanteriores factores, permitiera establecer cambios en el esquema productivo a finde maximizar el uso y aprovechamiento de los recursos disponibles. Se inicióentonces la programación de todas las actividades propias del sistema en funcióndel tiempo (días, semanas, meses), así como de cada fase productiva de laespecie animal en su ciclo de vida al interior del sistema.Una muestra de las condiciones ambientales observadas en términos de loscambios en el transcurso del tiempo es la información suministrada por el institutode hidrología meteorología y estudios ambientales (IDEAM), quien en sus39

estaciones de san Cristóbal y la copa, presentan informaciones de precipitación(Figura 3) para la primera, y de brillo solar (Figura 4) y temperatura (Figura 5)para la segunda estación respectivamente.Figura 3. Precipitaciones mensuales del Municipio de Tuta, departamento deBoyacá, estación San Cristóbal200180160140120100806040200mmComportortamiento de las Precipitaciones mensuales entre los años1987 - 1999 Estacion San CristobalenerofebreromarzoabrilmayojunioMedios Maximos MinimosjulioagostoseptiembreoctubrenoviembrediciembreFuente: Datos tomados del sistema de información nacional ambiental del IDEAMpara el municipio de Tuta, BoyacáFigura 4. Brillo solar mensual expresado en horas entre los años 1992 a1999 en laestación La Copa, del Municipio de Tuta, Boyacá.250230210190170150130110907050eneroValores Totales Mensuales de Brillo Solar entre los años1992-1999 en HorasfebreromarzoabrilmayoMedios Maximos MinimosjuniojulioagostoseptiembreoctubrenoviembrediciembreFuente: Promedios mensuales en horas de la cantidad de luz solar del sistema deinformación nacional ambiental del IDEAM para el municipio de Tuta, Boyacá40

Figura 5. Temperatura promedio mensual los años 1992 a1999 en la estación LaCopa, del Municipio de Tuta, Boyacá.1514,51413,51312,51211,511ºCeneroValores medios de Temperatura Mensual estacion La Copa entre losaños 1992-199914,5 14,6 14,6 14,6 14,6 14,6 14,5 14,6 14,714,5 14,6 14,514,1 14,1 14,2 14,114,213,713,813,9 141413,513,5 13,613,4 13,413,213,2131312,812,612,512,312,4febreromarzoabrilmayoMedios Maximos MinimosjuniojulioagostoseptiembreoctubrenoviembrediciembreFuente: Promedios mensuales de temperatura en centígrados tomados del sistemade información nacional ambiental del IDEAM para el municipio de Tuta, BoyacáLos datos fueron obtenidos del IDEAM (1999), para la elaboración de los gráficosanteriores que muestran promedios de comportamientos mensuales y su patrónde comportamiento o estacionalidad en el transcurso del año de algunas de lasvariables ambientales, para el caso de la pluviometría la estacionalidad se marcaen forma bimodal para dicho periodo (1987-1999), ocurre entre marzo a mayo yde septiembre – noviembre que se interpretaron en el proceso de análisis yposterior conformación del programa productivo.2.5 DEFINICION DEL SISTEMA DE PRODUCCIONEl sistema de producción lechero inicial se conformó a mediados del año de 1984,con la selección de ejemplares Bos taurus de la raza Normando como hatofundador, que eran constituyentes de una unidad productiva basada en laproducción doble propósito; en donde se seleccionaron los mejores animalesbasados en los patrones propios de la raza, así como la producción láctearegistrada en forma física; para este entonces, y hasta 1989 la naciente empresade producción lechera realizaba su ordeño una vez al día con amamantamientodel ternero. A partir del 08 de Julio de 1989 las vacas fueron ordeñadas dos vecesal día, situación que supuso la entrada en funcionamiento en forma concreta delsistema productivo de lechería especializada; sistema el cual continuaba con elprograma de estrategia reproductiva basado en monta natural que se empleabacon ejemplares de la raza normando provenientes del sistema de doble propósitoanterior. La inseminación artificial como metodología reproductiva se inició con41

eproductores Bos taurus de la raza Normando y Simmental como un procesopaulatino de mejoramiento de las características lecheras con las que contaba lafinca. A este inicio genético ya establecido, luego fue optimizado con la inclusiónde nuevas razas que mejorasen el comportamiento lechero de la explotación.Según el estudio de Vela y Vargas (2004) los cruces fueron con razas comoAyrshire, Holstein friesian y Jersey, con el fin de mejorar ubres, disminuir tamañocorporal de las Normando y Holstein, manteniendo la calidad de la leche delganado Normando y buscando mejorar la calidad en la composición de leche,características importantes en los sistemas de producción lechera.El método de reproducción empleado en el sistema es la inseminación artificial, ypara la detección de calores se emplea metodologías como la observación directa,pintura en la cola y el análisis de registros. El progreso genético esta orientado amantener en los animales ubres aceptables, que manejen una buena condicióncorporal, así como capacidades ruminal y toráxica muy buenas. La búsqueda de lareducción del tamaño de las vacas esta orientado a lograr animales de tamañosmedianos con las capacidades de producción de animales con tamañossuperiores, en donde se intenta reducir la cantidad de energía de mantenimiento yre encaminarla a la producción de leche, mantenimiento de la gestación y de lacondición corporal.2.5.1. Sistema de producción inicial o de partos durante todo el año.Los animales de cría, corresponden a las hembras entre los 0 y 90 días de edad,después de nacer permanecen entre cuatro y seis días con la madre y luegopasan a la zona de cría. El suministro de leche se hace en un dispositivo concuellera (Fotografía 4) en horas de la mañana y de la tarde, siendo de 8 litros/díael primer mes, 6 litros/días el segundo mes y 4 litros/día el tercer mes. El consumode pasto se estimula desde el nacimiento, ofreciendo una pradera de 28 días derebrote buscando estimular el desarrollo precoz del rumen 4 . El consumo de aguaes a voluntad ofrecida en bebedero. Como estrategia de medicina preventiva, seasegura que estos animales consuman calostro antes de las primeras 12 horasdespués del nacimiento, se hace desinfección de ombligo durante cuatro días, dosveces al día con producto yodado. Las enfermedades de mayor incidencia son:afecciones respiratorias (parasitarias y causadas por factores climáticos) ydiarreas por inadecuado suministro de leche. El crecimiento diario es de 655gramos. El peso final de este período es de 97 kg y una tasa de mortalidad de7%; la tasa de descarte de este grupo depende de los resultados del análisis de laherramienta denominada dinámica de la población, la cual determina el número deanimales necesarios para hacer el reemplazo del hato (Vela, 2003).4 Este grupo animal no consume alimento concentrado, para evitar la queratinización de las papilas ruminal,que afecta la capacidad funcional del rumen Church (1999), citados por Vela y Vargas (2004).42

Fotografía 4. Dispositivo con cuellera para el suministro de leche en La Cañada,municipio de Tuta, departamento de Boyacá.Fuente: Eudes Antonio Garzón A. 2008En el grupo de hembras de levante entran las terneras mayores a tres meses deedad, iniciando con la alimentación exclusivamente a partir del forraje, consumensal mineral a voluntad. La supresión del suministro de leche, así como lapresencia de parásitos gastrointestinales en las praderas que pastorean, son losdos inconvenientes mas importantes para los animales de este grupo. El controlde parásitos se realizaba cada dos meses, y de acuerdo al recuento de huevos enmateria fecal. En este grupo de edad se vacuna antiaftosa, al igual que a losdemás grupos de mayor edad. Tienen una ganancia promedio de 399 g/día y unamortalidad del 5%.El grupo de Novillas de reemplazo, el cual inicia cronológicamente a partir de losdoce meses de edad, y va hasta el primer parto, pastorea en dos zonas diferentesuna de las cuales se encuentra fuera de los límites del sistema de producción,motivo por el cual resulta necesario transportar los animales en vehículoscontratados para tal fin. La presentación de los calores ocurría a los 17 meses deedad, (pesaban en promedio 340 kg al momento de la IA) para buscar laconcepción y lograr la fecha de primer parto a los veintiocho 28 meses (con 480kg, y una condición corporal de 4,0). A las novillas primero se les confirma lapreñez antes de ser transportadas fuera del sistema durante la mayor parte de lagestación, y volver un poco antes de la fecha de parto.Las vacas en producción y/o hato se clasifican en dos subgrupos, según el estadode producción de leche (lactando o seca). La condición productiva ya mencionada,determina los potreros al cual tiene acceso para calcular consumo voluntario deforraje. Dentro de este grupo de animales se tienen varias consideraciones endonde las estrategias de producción, contemplan tres estados de producción:43

Primeras veinticuatro semanas de lactancia (tiempo el cual considera el picode lactancia y el 75% de la lactancia), en este tiempo ocurre el período debalance energético negativo, pico de lactancia, puerperio e inicio de laactividad reproductiva, período de inseminación, y la concepción. Losrequerimientos nutricionales de cada animal están definidos por la cantidadde leche que produzcan, principalmente, el consumo voluntario esta limitadopor la capacidad abdominal, y se busca evitar que se reduzca la condicióncorporal (que no disminuya de 3,5) y el desempeño reproductivo, parafavorecer la transformación de energía útil para la producción de leche; paratal fin es necesaria la suplementación con semilla de algodón, la cebadamolida y algunos productos comerciales, así como el estimulo a mayoresconsumos de forraje de buena calidad. La estrategia en la parte reproductiva,esta basada en la detección de calores, tratamiento de alteraciones queafecten el desempeño reproductivo de las hembras. Las siguientes 18 semanas que incluyen factores como la estrategia desecado, el aumento en el crecimiento del producto de la gestación, con suposterior consumo de energía, así como la disminución de los requerimientosen la producción de leche; lo cual permite que el animal logre aumentar lacondición corporal aprovechando la elevada eficiencia biológica que tiene lahembra bovina lactando en este período para convertir forraje en grasacorporal.Periodo seco propiamente dicho comprende los sesenta días antes del partoy se caracteriza por incluir animales preñados, con condición corporal decuatro (4,0). También es llamado el subgrupo del horro, el forraje que estegrupo consume posee menor calidad con el fin de estimular las papilasruminales a desintegrar materiales mas fibrosos, y toscos gracias a lacapacidad abdominal aumentada; para que en el momento del parto y el picode lactancia dichas papilas sean más eficientes en desintegrar materiales demayor terneza y calidad. La inicial perdida en la digestibilidad del alimentopermite una mejor estrategia de secado, el cual ocurre con otros factorescomo la reducción progresiva del estímulo generado por el ordeño. En eltranscurso de dos semanas se extrae la leche acumulada, se hace un controlsobre el estado de la ubre y se emplea tratamientos con antibióticos en casode ser necesario.2.5.2 Sistema de producción actual o de partos estacionales bimodales.El sistema cambió su metodología de trabajo al realizar un análisis de los patronese índices productivos que se venían desarrollando a través del tiempo, bajo unaóptica de tipo gerencial iniciando con el análisis de la disponibilidad del alimento,como el manejo de praderas, para la oferta de forraje verde de excelente calidad.44

Con el desarrollo del sistema de partos estacionales bimodales se trabaja un cicloproductivo que tiene algunas de las características del sistema de partos durantetodo el año; algunas de estas son las divisiones por grupos de animales, edadescronológicas de los mismos, grupos raciales similares y/o descendientes, áreas olugares de pastoreo iguales, etc. El cambio ocurre en el diseño y establecimientodel proceso administrativo a seguir en cada uno de los grupos de animales. Esteproceso administrativo de visión gerencial de la unidad productiva, se basa en lainteracción de factores como son: el modelo productivo a seguir, la capacidadproductiva de los animales, definición de los objetivos, establecimiento de lasvariables (incluye la identificación, medición y control de estas), y el planteamientode los indicadores del sistema los cuales son de orden social, técnico yeconómico; con el fin de afrontar con éxito, tanto los retos productivos como losretos gerenciales que el sistema propone.2.5.2.1 Descripción del Proceso Administrativo y Gerencial. Como ya se habíamencionado la interacción de las variables que se analizan dentro de un sistemaproductivo, permite el establecimiento de un modelo de producción; yentendiéndose este modelo como la planeación y ejecución de un programaproductivo que de acuerdo factores como: condiciones del sistema,comportamiento fisiológico de la(s) especie(s) productiva(s), estrategias y/oherramientas de administración, entre otras., permite que a partir de lacombinación de los factores se programan las actividades en función del tiempo(diarias, semanales, mensuales, anuales, etc.), para que se repitan a lo largo delciclo productivo.La visión de un sistema productivo como una empresa agropecuaria definida porun programa o modelo de producción, necesariamente requiere de un modeloadministrativo el cual presenta retos de diversas índoles como son los retosgerenciales y los retos técnicos.2.5.2.1.1 Retos Gerenciales. El sistema tiene la necesidad de tomar decisiones precisas y correctas El sistema debe demostrar el nivel de complejidad y capacidad humanapara afrontar situaciones complicadas La administración debe permitir a los componentes técnico y gerencial delsistema tener la adecuada sinergia con el propósito de lograr asegurar lasostenibilidad de la unidad productiva, es decir ser rentables y garantizarutilidades a lo largo del tiempo. Resulta importante por medio de técnicas administrativas y gerenciales,analizar el programa de producción en tres tipos de escenarios (optimista,45

normativo y pesimista), con el fin de predecir el comportamiento de laproducción, debido al carácter dinámico de la producción agropecuaria. Emplear la aproximación sistémica como una herramienta de análisis, paraentender el dinamismo, impactos, interacciones y diferencias existentesentre los constituyentes del sistema productivo a través del tiempo. Diseño y establecimiento de los presupuestos alimenticio (acorde con cadaetapa productiva de animal), y animal; el cual surge a partir de la capacidadque puede tener el sistema para garantizar un equilibrio en cada grupo deanimales, sin afectar la productividad y la eficiencia de la unidadproductiva. Tener el conocimiento total del sistema (know how), así como lacapacidad de medir el desempeño de este; para garantizar la repetitividadde eventos en los modelos administrativos y productivos año tras año. Desarrollar una capacidad de negociación fuerte con proveedores,acopiadores y empleados, que permita adecuados flujos de caja, ycompetir en condiciones de mercado actuales. Con los partos estacionalesse tienen ventajas al planear y proyectar las cantidades y fechas en lasque se requieren insumos, para hacer compras por mayor. Desarrollar investigación constante a partir del conocimiento generado porlos indicadores de gestión, análisis desde la aproximación sistémica, entreotras herramientas para llevarlas a producir decisiones y criteriosacertados.2.5.2.1.2 Retos Técnicos. Coordinación en las labores y trabajos necesarios durante el cicloproductivo. Mantener un estado reproductivo excelente en el hato, para establecer lasventanas reproductivas de forma eficiente y en corto tiempo; empleandouna buena estrategia de detección de calores, un procedimiento deinseminación artificial en el tiempo y la forma correctas, por medio de lapráctica veterinaria buscar que las vacas encuentren el balance ideal envariables que se relacionan con la reproducción (mantenimiento de lacondición corporal, sanidad, buena relación entre energía y proteína, etc.) Se debe conocer claramente indicadores productivos como son el numerode partos/ año, tasas de mortalidad, tasa de descartes, entre otras, con elfin de asegurar la cantidad correcta en cada grupo de animales. Entender que los errores reproductivos al igual que los descartes porimproductividad, no resultan ser altos, sino que tienen un gran impactosobre la dinámica del sistema, y tienen un alto valor sobre las políticasproductivas de la finca. Tener claro conocimiento sobre la base científica así como la funcionalidadque representa el uso de la dinámica de población, que permite que ocurrauna mayor presión de selección sobre los grupos de edades al descartar46

animales por incompatibilidad con las condiciones de producción delsistema, (fallas en la reproducción, producciones insuficientes, etc.), enlugar de ocurrir por avanzada edad; puesto que los animales van a hacer loque para el sistema productivo resulta viable.Ejecutar en forma adecuada el plan de medicina preventiva en todos losgrupos de edades.Entender que en caso de no necesitarse re poblamiento de los animales,la variable denominada unidad básica de hato, corresponde al número deanimales que se ajustan a las condiciones y estrategias de producción dela finca. Asegurar un esquema de producción de forraje y un comportamientoproductivo del hato, capaces de perdurar en el tiempo, antes de establecerun programa de partos estacionales bimodales.Conocer que los eventos dentro del sistema no ocurren por azar, o porproducto del clima, o la aleatoriedad de las decisiones; sino que resultan dela capacidad de reacción del componente técnico, y de la decisión acertadadel componente administrativo.2.5.2.2 Descripción de la Estrategia Productiva y/o Plan de Producción Animal yForrajero. A continuación se describe la estrategia de producción por grupos deedades definidos de forma similar que en el sistema de producción inicial, deacuerdo a la edad y su función productiva.Grupo de animales de cría: En el momento de parto resulta necesario que elneonato consuma calostro en las primeras 6 horas de vida, tiempo en el cual sutracto gastrointestinal posee la mejor disponibilidad para absorber las proteínas,inmunoglobulinas y de mas constituyentes presentes en el calostro, que resultanútiles para el desarrollo de la inmunidad pasiva, la cantidad de calostro mínimaque consumen son 4 litros. La cría permanece 5 días con la vaca la cual seempieza a ordeñar al día siguiente del parto, y en este tiempo se realiza lacuración del ombligo con productos yodados, así como la extracción de pezonessupernumerarios, y permitiéndole al ternero consumir la leche producida en elintermedio de cada ordeño; con esta practica de permanencia se aspira a que losterneros consuman toda la leche que les sea posible, así como estimular en lavaca una mayor producción de oxitocina por efecto mamario, el cual repercute enprocesos de involución uterina mas acelerados. Pasados los 5 primeros días devida, los terneros son apartados del sus madres, y llevados a la zona de cría, endonde se les ofrece agua a voluntad así como sal mineral; en esta zona aprendena pastar forrajes tiernos con el propósito de aprender a familiarizarse con elpastoreo rotacional, y con la persona encargada de la asignación del forraje, asícomo estimular la gotera esofágica con el uso del dispositivo con cuelleramencionado anteriormente. En algunas ocasiones y dependiendo del rendimientodiario de peso, se le ofrece a la cría de 50- 100 gramos de alimento concentrado47

alanceado por espacio de quince días, con el fin de acelerar el desarrollo ruminalcon carbohidratos altamente energéticos, sin llegar al límite de la queratosis de laspapilas del rumen. El control de peso ocurre cada 8 días, y tratamientosantidiarreicos y anticoccidiales con preparaciones comerciales las cuales semezclan a la leche que consumen los terneros, la cual corresponde a 8 litrosdiarios, en la mañana y en la tarde. Las desparasitaciones son realizadas cada 15días, en ocasiones es necesaria la aplicación de complejo B el cual ocurre bajopreparaciones comerciales de tipo oral por espacio de 15 días. El proceso detopizado o descorne prematuro se realiza cuando las crías tienen de 30 a 60 díasde vida.Hembras de levante corresponden igualmente a las crías hembras de más de 90días, hasta los 12 meses de edad, a las cuales se les suprime la oferta de leche,incitándolas a suplir sus requerimientos a partir de la pastura tierna, que ya sabenmanejar por rotación desde el estado inmediatamente anterior, o fase de cría. Elcontrol de ganancia de peso se realiza cada 15 días y se busca que al igual queen la fase de cría, los animales tengan ganancias no inferiores a 700 gr./diarios.,motivo por el cual la desparasitación ocurre con intervalos de cada dos meses. Eneste grupo se inicia el ciclo de vacunación de los animales con la vacuna antiaftosa y contra brucelosis.El grupo de reemplazo comparte la misma edad cronológica con el plan deproducción que se llevaba a cabo antes del proceso de cambio al sistema departos estacionales bimodales, a diferencia que eventos como la llegada a los 12meses o entrada al grupo de reemplazo con pesos cercanos a 300 o 340 Kg., ycon condiciones corporales que no desciendan de 3,6. La I.A. ocurre a los 15meses con pesos cercanos a los 350-360 Kg., y no de los 17 a 19 meses comoocurría antes, permitiendo que los partos ocurran a los 24 meses y no a los 28meses aproximadamente. El control de parásitos en este grupo ocurre conintervalos de 6 meses. La administración de sal mineral al igual que el agua frescaocurre a voluntad en este grupo así como con los otros grupos de cría y levante.Para las vacas la clasificación también sucede en función de su estado productivo,es decir si se encuentran lactando o secas, con similares implicaciones yadescritas en la definición del sistema de producción inicial o de partos durante todoel año . Para las vacas que se encuentran produciendo leche, el suministro de sales de forma constante. El aporte de agua con melaza es a voluntad. Los primerosdías después del parto a las vacas se les suministra gluconato de calcio en formaoral a razón de 12 pastillas/día; esto se realiza con el propósito de evitar elsíndrome de “fiebre de leche”, evitar la reducción de calcio a nivel sanguíneo yestimular la musculatura del útero y su peristaltismo útiles durante el puerperio, yel inicio de la actividad reproductiva, con el fin de tener concepciones entre 60 a90 días postparto. Durante la lactancia a intervalos de 8 a 15 días se evalúa lacondición corporal de las mismas con el fin de establecer si la estrategia dealimentación a seguir emplea cantidades moderadas de suplemento con alimento48

concentrado balanceado, o si el animal no se esta ajustando al plan productivo. Elpunto mínimo de condición corporal al cual se puede permitir que las vacaslleguen es de tres con seis (3,6). El pesaje de la leche ocurre cada 8 días al igualque el seguimiento de mastitis a través del California mastitis test. (CMT) tal comose observa en la Fotografía 5.Fotografía 5. Realización del California Mastitis Test en La Cañada, municipio deTuta, departamento de Boyacá.Fuente: Eudes Antonio Garzón A. 2008Teniendo los resultados del proceso de análisis de la condición corporal yproducción de leche por animal, y total del hato, así como el calculo de lacapacidad estimada de producción forrajera; se procede a estimar el presupuestonutricional del hato en donde se valora la permanencia de los animales que nomejoran la condición corporal luego de la suplementación, o de aquellas quereincidan después de dos tratamientos seguidos contra problemas de mastitis(este punto casi no ocurre puesto que hace tiempo se realizó un proceso deselección de vacas las cuales si resultaban positivas a mastitis eran eliminadas, aligual que toda su descendencia femenina). Otras alternativas de decisión en laprogramación del presupuesto de alimentación son secar tempranamente lasvacas que están próximas a parir; para no arriesgar la producción de leche deaquellas que se encuentren en el pico de lactancia. La suplementación conresiduos de cosechas, subproductos alimenticios, o ensilaje (preparado con maíz,avena forrajera, y vicia), también es tenida en cuenta para suplir losrequerimientos del hato, claro esta que su ofrecimiento esta condicionado al preciocomercial y a la disponibilidad de consecución de los materiales en el mercado.Esta suplementación tiene en cuenta la cantidad de materia seca que contiene elforraje, puesto que materiales secos requieren suplementos un poco más bajosen proteína, y forrajes húmedos presentes en las temporadas de mayorpluviosidad requieren suplementos con altas cantidades de energía, debido a la49

disponibilidad de proteína que aportan. Las vacas en producción que noresponden a la suplementación o se encuentran en mal estado sondesparasitadas y se emplean productos homeopáticos con el fin de aumentar lasdefensas.Uno de los puntos importantes encontrados en el proceso productivo de estesistema es que la producción de leche y las lactancias se determinan en funciónde la productividad general, mas no en el estado productivo de un animal “n” en unmomento determinado; es decir, que no se sacrifica la productividad de todo elgrupo de vacas en lactancia con altas capacidades de producción por intentarextender la lactancia de una vaca que se encuentre en finalización de lactancia; yaque lo anterior es un caso típico de la fincas productoras de leche.El grupo de vacas secas o que finalizan lactancia, tienen similar asignación deforraje y estrategia de secado que tenían los grupos de vacas secas con partosdurante todo el año. La suplementación mineral es un punto de relevancia en estegrupo puesto que consumen sal mineral con contenidos de calcio normales hastafaltando 20 días a la fecha de parto, en donde se cambia por preparacionescomerciales sin aporte de calcio; en lugar de esto se mezcla esta sal baja encalcio son oxido de magnesio y azufre a razón de 19 y 5 gr./animal/díarespectivamente. Unos días antes del parto son vermifugadas con el propósito deeliminar parasitismos así como aprovechar el efecto de los corticoides sobre lagestación y el proceso de parto.Para la producción de forraje en el sistema de producción inicial (partos durantetodo el año), se buscaba almacenar la mayor cantidad de pasto en la temporadade mayor productividad, con el fin de conservar alimento para las exigencias delas vacas en los periodos de escasez. Con la implementación del programa departos estacionales bimodales, se busca que la pradera produzca la mayorcantidad de materia seca por hectárea (MS/ha) en el tiempo en donde las vacasnecesitan mayor cantidad de nutrientes, y las condiciones ambientales sean lasmás favorables. Con lo anterior los altos requerimientos que tienen los animalesde producción de leche, se suplen con forrajes de alta calidad y buenadigestibilidad, que a su vez estimulan el consumo voluntario por parte del animalpara aprovechar los nutritivos rebrotes.Es necesario tener un claro conocimiento sobre las series históricas de pluviosidadde la zona, basados en los reportes del Instituto de Hidrología Meteorología y deEstudios Ambientales (IDEAM), o en series de datos particulares realizadas consencillos instrumentos fáciles de conseguir en el mercado. Estos datos depluviosidad permiten establecer las temporadas durante el año calendario demayor cantidad de lluvias, para asegurar que la mayor parte de la pradera ya hayasido consumida, o inicie el proceso de rebrote o retoño, para que con efecto de laslluvias dicho rebrote sea de mejor calidad. Los días antes del inicio de las lluvias elpasto que no es consumido por las vacas, así como las zonas de pasto50

sobremaduro y las de defecación de las vacas, que contienen halo de repugnanciaes guadañado (Fotografía 6), para conservar humedad en el suelo, al evitar la luzdirecta incida sobre el material que es cubierto con el pasto cortado, que estainiciando su proceso de descomposición. Este nuevo retoño producto de laguadañada, aprovecha la llegada de las lluvias para crecer de igual modo que laszonas que fueron consumidas por las vacas. Otras posibilidades para ladefoliación de las áreas problema (zonas descartadas por las vacas), son:incrementar la presión de pastoreo; al reducir la velocidad de rotación o aumentarel tiempo de permanencia por espacio de algunas horas, o permitir que losequinos pastoreen siguiendo el esquema de rotación seguido por el hato, yconsuman los desperdicios de forraje en donde las vacas ya pastaron.Fotografía 6. Vista del forraje sobrante ya guadañado en La Cañada, municipio deTuta, departamento de Boyacá.Fuente: Eudes Antonio Garzón A. 2008La rotación que ocurre durante el verano ocurre con periodos de permanencia unpoco, más lentos, pero sin llegar a arriesgar la condición corporal de las vacas.Para evitar tal disminución, se realiza la estrategia de suplementación conproductos que resulten económicos para el sistema, y teniendo en cuenta lacomposición del pasto por efectos de la disponibilidad de agua del mismo. En estarotación al final de la temporada seca e inicio de la temporada de lluvia se buscala mayor defoliación para asegurar mayor proporción de rebrotes, pero teniendoen cuenta tener un stock de 10 – 15 días de pastoreo (área aproximada paramantener por 15 días al numero de vacas actual en producción), el cual escalculado por observación directa, gracias al conocimiento generado por el nivelde interpretación de comportamiento de la pradera. Esta área de reserva es útil enla programación de la velocidad de rotación de los animales, para aprovechar lamayor parte de rebrotes, así como para incrementar su número, y generar unescalonamiento en la producción de forraje por parte de la pradera; al igual que51

permite también tener algunos días de reserva para la planeación deinconvenientes de ultimo momento con el suministro de suplemento alimenticio.En la rotación (es) que ocurre(n) durante las lluvias, el periodo de descanso es de45 días, ofreciendo una pradera rica en proteína, pero baja en carbohidratos, paralas necesidades de las vacas; resulta necesario la suplementación con melaza enel agua para las vacas en lactancia. Aquellas vacas que se encuentran en esteperiodo en una alta producción de leche, son suplementadas con los subproductosque se encuentren disponibles y sean económicos en el mercado regional, o encasas comerciales de alimentación animal. Para evitar el excesivo uso desuplementación con alimentos balanceados concentrados, o comúnmentedenominado concentrado, el cual resulta costoso, se emplea la papa, que graciasa sus altos contenidos de materia seca, y almidones y azucares; aportan energíanecesaria para mejorar condición corporal. Una de las estrategias de identificaciónde los animales para los niveles de asignación de las cantidades de suplementose realiza semana a semana un seguimiento de la evolución de la condicióncorporal del animal, con la señalización con cintas de variados colores de acuerdoa la cantidad de suplemento a ofrecerles a los animales. Es decir que existe unacorrespondencia biunívoca entre un color de cinta y una cantidad determinada desuplemento.2.6 INTERACCIONES DEL SISTEMA DE PRODUCCIONPara el proceso de entendimiento del funcionamiento del sistema no solo esnecesario el conocimiento del desarrollo del proceso productivo de la unidadproductiva; sino que resulta importante comprender las interacciones plasmadasen la Figura 6, donde describe las principales interacciones entre los componentesque serán descritos a continuación.2.6.1Interacciones del Componente Vegetal.El subsistema vegetal contiene a su vez al subsistema de silvicultura, y deproducción forrajera como máximos representantes. Como corrientes de entradase encuentran factores como fertilidad, luminosidad, estrategias de producciónvegetal, agua disponible, tiempo, y condiciones climáticas (clima). Las variables deriego y fertilidad pueden considerarse como constituyentes del plan y/o estrategiasde producción vegetal, pero son tenidas en cuenta en forma independiente alconsiderarse de gran importancia con la adecuación del recurso suelo (planes derecuperación, fertilización, enmiendas etc.), para el caso de la corrientedenominada fertilización; con la variable riego por la alta incidencia dentro de laproducción de forraje al ofrecer un aforo más uniforme y en menor tiempo.El primer factor a analizar es precisamente la fertilidad, la cual determina lavelocidad de crecimiento y establecimiento del subsistema de silvicultura a partir52

de las reservas del suelo, estas reservas también tienen importancia en el aporteal forraje y su comportamiento productivo. La luminosidad proveniente de laenergía aportada por el sol, afecta proporcionalmente la disponibilidad para elincremento en la biomasa del forraje y de los árboles del subsistema desilvopastoril, por ser parte fundamental del proceso fotosintético y la posteriortransformación de la energía proveniente del sol y modificarla en alimento para laplanta.El plan y/o las estrategias de producción vegetal constituyen todas las políticas yacciones desarrolladas por el recurso humano, apoyado de las decisionesadministrativas o de gerencia, con el propósito de darle un uso adecuado a losrecursos que el sistema ofrece, por medio del control y modificación de lasinteracciones de y entre las variables. Las modificaciones y el control se ejecutanpor mecanismos de ajuste y validación o de ensayo y error, durante el procesoproductivo. Dicho plan o estrategias intervienen en el recurso suelo (como ya semenciono), en la aplicación de correctivos a las alteraciones edafológicas de launidad productiva. Intervienen además en la producción de forraje al determinar laedad y la metodología optima para el aprovechamiento del pasto, en función de lacalidad nutricional; en donde Vela y Vargas (2004) mencionan citando a Granados(2003), que en el departamento de Antioquia, con el uso de un programa depastos rotacionales de kikuyo (Pennisetum clandestinum), entre los 28 y 35 díasse considera el momento óptimo para pastoreo, y que las adecuadascaracterísticas del forraje en producción de leche deben ser: aforo de forrajeverde (FV) de 2,1 a 2,4 kilogramos por m2, proteína cruda de 19,8 - 19,7 porciento, el contenido de F.D.N. de 58,6 - 58,3%, FDA de 30,4 – 32,8, y un nivel dedigestibilidad del orden de 69.67 a 69,67%. Por otra parte las estrategias deproducción vegetal permiten la toma de decisiones sobre el manejo de las dosespecies arbóreas más importantes dentro del sistema como el pino (Pinusradiata) y aliso (Alnus acuminata) durante la implementación del silvicultivo.El subsistema de silvicultura permite el favorecimiento de las condicionesambientales al interior de la unidad productiva, mediante la disminución de losefectos nocivos que puedan generar las lluvias, el viento, la radiación solar, lasheladas, etc. Además el silvopastoreo se caracteriza por permitir una mayorreutilización de los nutrientes, control biológico de plagas y enfermedades,autosuficiencia, y protección de los diversos elementos del ecosistema etc., (Mila,2005). Al reducir la incidencia de la acción de las agrestes condicionesambientales generando un microclima, la producción de forraje y a su vez el aforodel pasto poseen un mejor desarrollo. Otra de las funciones importantes delsilvopastoreo es que el proceso fotosintético desarrollado por las especiesvegetales genera grandes cantidades de oxigeno disponible así como la recapturade gases como metano y CO 2 , a través de una biomasa fotosintéticamente activa;esto logra que una porción del oxigeno y otras cantidades de los gases nocivosproducto del metabolismo animal, (excedentes de procesos metabólicos,respiración, deyecciones, y/o producción de heces) sean nuevamente53

eencaminados dentro del flujo energético del sistema, para ser empleados por laplanta y conducidos al suelo, para su posterior reutilización. Esta reintroducción deCO 2 ocurre en la fase lumínica del proceso fotosintético y posteriormente con lafase oscura este CO 2 se transforma en azucares útiles para la planta. (Curtis et al2000.).El agua disponible afecta al sistema en tres formas distintas a saber: Faculta losprocesos de transporte de sustancias en las células vegetales del forraje y delsilvicultivo ya sea en forma de lluvia, o riego. Absorción desde el suelo, en dondefacilita la profundización de las raíces al encontrar un sustrato blando. Y laintervención directa sobre el animal como medio de transporte de sustancias enlos procesos de digestión, absorción y metabolismo de nutrientes; así como elmantenimiento del balance hídrico celular ampliamente descrito por diversosautores entre ellos, Curtis et al (2000). Mendoza y Mohar (2001).El tiempo como magnitud cronológica se establece como una corriente de entradaal sistema productivo y en este caso particular en el subsistema vegetal, al afectaren asocio con la corriente de entrada clima (relaciona las condiciones del entornoambiental), el establecimiento y desarrollo de las diferentes especies vegetales;puesto que esta magnitud permite la estandarización de los parámetros durantelos procesos de cambio en el forraje (aforo) y en los árboles. El clima o lascondiciones propias del entorno ambiental, en términos de desarrollo vegetativoafecta el comportamiento productivo de las plantas que se adaptan a lascondiciones de la unidad productiva las cuales corresponden a las alturas por elorden de los 2000 – 3000 msnm., en donde Vela y Vargas (2004) reportanbasados según: IDEAM(2001) e IGAC (1997), el clima la región natural delaltiplano cundiboyacense, es tropical de montaña, frío y húmedo, con unatemperatura promedio anual de 13C; además tiene una precipitación anualpromedio de 957 mm. La apreciación climática de la unidad productiva es similarparcialmente a lo expresado por Bernal (1994), en donde las zonas del país concaracterísticas de temperaturas de 12-18 ºC, precipitaciones de 500-1000mm/año, y se encuentran entre alturas comprendidas entre los 2.000-3.000 m.,tienen la particularidad de sufrir de altas temperaturas en el día y bajas en lanoche hasta causar heladas, pero se describe como bosque seco montano bajo.(bs-MB).2.6.2 Interacciones del Componente Animal.El subsistema animal (constituido en el diagrama por variables como consumovoluntario, capacidad ruminal, metabolismo de nutrientes, y excreción delmetabolismo), se apoya del subsistema vegetal a partir del forraje contenido porunidad de área (aforo), bajo una de las estrategias de producción vegetal como esel caso del pastoreo rotacional o también denominado racional o Voisin; con estametodología, se logran importantes beneficios del pasto en términos del54

eaprovechamiento de la energía contenida en la planta, que no es consumida porel animal debido a factores como el pisoteo y las deyecciones de orina y materiafecal. Mila (2005) quien cita a Voisin (1959) con sus cuatro leyes del pastoreorotacional permite definir en gran parte las estrategias de manejo de la relaciónforraje-animal tal y como se desarrollan en este sistema de producción, en dondelos animales con mayores requerimientos de nutrientes aprovechan los pastos demejor calidad, los periodos de ocupación de los potreros no son mayores a tresdías, con intervalos de descanso suficientes para que la pradera tengarecuperaciones eficientes, sin llegar a ser consumida nuevamente por el animalantes del periodo de descanso establecido. La programación de un pastoreo detipo rotacional confirma la postura de Bernal (1994) en donde la producción y laproductividad ganadera dependen del conocimiento que se tenga de los principiosgenerales que controlan la producción de forrajeEl forraje es aprehendido por el animal mediante el consumo directo en la pradera,(denominado consumo voluntario). Este consumo voluntario en donde llegancorrientes de entrada como el agua (cuyas acciones fueron nombradas líneasatrás); la habilidad productiva de leche mejor descrita como aptitud esconsiderada de orden genético , pero se menciona aparte con el propósito devalorar el comportamiento productivo luego de la inclusión y desarrollo delprograma de partos estacionales . La raza o mestizaje interviene en el consumovoluntario puesto que cada estirpe tiene tamaños corporales definidos los cualesinciden sobre el tamaño del rumen, así como diferentes demandas de nutrientesde acuerdo con la talla y peso del animal.La infusión de agua fría en el rumen (5°C) produce un aumento del consumo en un24% sobre el observado antes de la infusión, mientras que la adición de aguacaliente (49°C) deprime el consumo en un 9% (Bhattacharya y Warner, 1986),citados por (Raggi 1988). El anterior estudio demuestra el efecto del clima sobre alconsumo voluntario; Raggi (1988) sostiene que el estrés por calor deprime elconsumo en el rumiante. Alvarez et al (2007) reconocen la complejidad existenteen los mecanismos que regulan el consumo voluntario y aseguran que ocurrencambios en la producción de leche por vaca y por unidad de terreno al manipularel nivel de asignación de forraje para vacas en pastoreo.La cantidad de alimento alojado en el rumen es controlada por el tamaño de esteúltimo, este control del consumo de alimento también ocurre como Raggi (1988) loexplica, por mecanismos nerviosos de orden hipotalámico en los centros nerviososdel hambre y la saciedad. Diversos autores entre ellos Mendoza y Mohar (2001)han descrito la transferencia energética en los animales provenientes del alimento,hasta llegar a la energía neta útil para las funciones de mantenimiento (procesos anivel celular) y funciones productivas propias del animal (crecimiento,mantenimiento de la condición corporal, reproducción, producción de leche) etc.La energía no aprovechada, liberada o excretada en heces y orina, sale del55

animal reingresando al subsistema vegetal a través del subsistema silvopastoril yal suelo para ser reutilizada.Las salidas como crecimiento y mantenimiento de la condición corporal, yreproducción, interaccionan con el propósito de ser base de la corriente de salidadenominado cría los cuales generan impacto de beneficio económico sobre elsistema productivo al constituirse como ventas (machos y/o descartes), o alintegrar parte de la dinámica de población diseñada por Vela (2003). El Bienestaranimal proviene de la interacción de las variables o elementos transformados:crecimiento y mantenimiento de la condición corporal, reproducción y producciónde leche, asociados con un recurso humano capacitado, con el fin de permitirles alos animales un nivel de confort productivo, permitiendo otras salidas como unhato productivo sostenible, así como beneficio económico, y un uso adecuado delos recursos naturales.Las estrategias de producción animal en forma general controlan tres aspectosimportantes a saber: En la parte reproductiva, con el programa de inseminaciónartificial, en el aspecto nutricional, con la inclusión de suplementaciones tantominerales como alimenticias con el fin de balancear la dieta de los animalesdependiendo su estado productivo dentro del sistema. Y por ultimo el aspectosanitario que esta enfocado en forma tanto preventiva como correctiva en lareproducción, la producción de leche, y en el bienestar animal.La corriente de entrada raza o mestizaje, asociada con las estrategias deproducción animal, específicamente en el programa de inseminación artificial ydetección de calores, permiten describir que en la unidad productiva contaban conla raza Normando (Bos taurus) como hato fundador, esta luego fue optimizada conla inclusión de nuevas razas que mejorasen el comportamiento lechero de laexplotación. Según el estudio de Vela y Vargas (2004) los cruces fueron con razascomo Ayrshire, Holstein friesian y Jersey, con el fin de mejorar ubres, disminuirtamaño corporal de las Normando y Holstein, manteniendo la calidad de la lechedel ganado Normando y buscando mejorar la calidad en la composición de leche.2.6.3 Interacciones del Componente Administrativo.Las corrientes de entrada de este subsistema son el recurso humano, la visióngerencial del sistema de producción, el conocimiento sobre la teoría general desistemas (TGS desarrollado por Bertalanffy en la década de los años cincuenta), ypor ultimo el recurso económico y financiero. El conocimiento y entendimiento delas condiciones de la TGS, permiten el análisis y la investigación por parte del serhumano, de todos los recursos que tiene en su entorno ambiental, en dondeestablece las entradas al sistema así como las variables en la que puede tenerintervención parcial o total. Fernández (2005) señala que aquellos ganaderos quehan tenido la constancia de observar, estudiar, analizar y evaluar los fracasos y los56

éxitos son quienes pueden comprender el comportamiento de la importanterelación suelo- planta- animal y detectar las limitantes de los recursos disponibles.Dicho análisis, le permite al ser humano que al constituirse como el gerente de launidad productiva, tuvo la capacidad de modificar dicho sistema a partir delconocimiento que obtuvo al comprender el funcionamiento en conjunto de todoslos subsistemas y constituyentes del modelo y poder establecer las estrategias oplanes de producción para los subsistemas vegetal y animal, además de planearmodificaciones o ajustes parciales de las interacciones del sistema paraincrementar la sinergia entre las corrientes de entrada denominadas clima(factores ambientales) y tiempo (como unidad cronológica), con las estrategias deproducción (ya mencionadas). Para llegar a proponer la tecnología detemporadas de partos estacionales, o también llamado lechería estacional. Esteconocimiento que se generó en forma constante es nuevamente vinculado alsistema productivo como mecanismo de ajuste de las variables y sus interaccionessinérgicas, en aras de incrementar su eficiencia y sostenibilidad.El ejemplo más claro en la unidad de producción sobre el conocimiento generadocon el constante funcionamiento del sistema es la reintroducción directa sobre lossubsistemas de forraje y animal; en donde al forraje se le ha incorporado unsistema de silvicultura para facilitar las condiciones ambientales de la pradera, ysu mejor desarrollo y aprovechamiento por parte del animal (pastoreo rotacional),y en el subsistema denominado animal, se ha seleccionado dos temporadas departos en un año calendario con el propósito de mantener los picos de lactanciadurante las temporadas de lluvias de la zona la cual es bimodal, para que losanimales en producción de leche tengan una oferta de forraje mayor, de excelentecalidad en la temporada de mayor productividad del animal. El recurso financiero yeconómico es mencionado como constituyente del sistema de producción pero lasinteracciones con el sistema no se mencionan al constituirse temario de otro tipode investigación.57

3. MATERIALES Y METODOSCon el propósito de comprender las interacciones entre variables, así como elimpacto que han sufrido algunas de ellas a través del tiempo, como efecto de latoma de decisiones administrativas, se procedió a entender en forma sistémica lainformación y el funcionamiento de la unidad productiva empleando la herramientade black box o metodología de la caja negra, usada por Martín y Jiménez (2000)en donde en su trabajo de grado exponen en un recurso grafico; los flujos de laenergía y las relaciones entre los componentes de los sistemas productivos queanalizó. Mediante preguntas directas sobre situaciones y/o condiciones de launidad productiva establecía las relaciones de cada componente del sistema, conel fin de graficar las relaciones existentes de la forma más correcta 5La información de los registros productivos y reproductivos del hato fue otorgadapor el productor en material físico para lo concerniente al sistema de produccióncuando tenían partos durante todo el año; esta información fue interpretada,validada y transcrita a hojas de calculo de Microsoft® Office Excel®. Para el casode la información reciente del sistema, es decir, luego del proceso de cambio apartos estacionales bimodales; ésta ya se encontraba en hojas de cálculo,ahorrándose el paso de la transcripción a archivo electrónico.Luego del proceso de validación de la información completa con ayuda delconocimiento de los propietarios; se procede a crear una base de datos delsistema productivo, desde su inicio en 1984 hasta el mes de marzo de 2008;mediante la ayuda computacional del software Ganadero® TP® con el propósitode ordenarla, y establecer la relación productiva, determinando los eventos enunidades cronológicas similares, así como los ajustes de las lactancias a 305 días.Teniendo toda la información productiva del sistema consignada en la base dedatos del software de sistematización de hatos; se verificó si la informaciónconsignada en el programa, representaba en forma correcta la realidad de launidad productiva tal y como fue consignada en los registros de producción.5 Para ampliar la información sobre la descripción de las interacciones de los constituyentes del sistema versubcapítulo 2.6 INTERACCIONES DEL SISTEMA DE PRODUCCION y Figura 6 Mapa de interaccionesentre variables de la unidad productiva La Cañada59

3.1 UBICACIÓNLa unidad productiva La Cañada se encuentra ubicada en el municipio de Tuta,departamento de Boyacá en inmediaciones de las veredas de Hacienda y SanNicolás en el sector de Cañada Grande; a una altura de 2.560 msnm 63.2 TRATAMIENTOSLa base de datos total fue creada con los datos productivos y reproductivos de unnúmero total de 542 vacas y 666 lactancias, en el tiempo transcurrido entre 1984e inicios de 2008. El periodo de observación para la presente investigación esdefinido desde el 01 de enero de 1995 hasta el 31 de diciembre de 2007,estableciéndose el año 2002 como la fecha del proceso de cambio o entrada enejecución del sistema de partos estacionales bimodales. Estos 13 años de estudiocontienen la información de 398 vacas, representadas en 500 lactancias de lascuales 481 fueron completas y 19 anormales; entendiéndose como anormal lasproducciones menores a 150 días y/o menores a 1.000 kg de leche, que aconsecuencia de la toma de decisiones en el presupuesto nutricional del hato sedecretaron finalizar su producción lechera, con el fin de no afectar elcomportamiento productivo de los demás animales en lactancia.Debido a factores como el orden de presentación de los eventos en el cicloproductivo anual, duración en la ejecución de los datos útiles para cada variable;fue necesario agrupar la información en series de tiempo de orden mensual,trimestral y cuatrimestral en algunos casos. Además de la forma de la clasificaciónde acuerdo con la presentación del proceso de cambio; con el fin de someterdichas variables al tratamiento estadístico empleando el software Autobox®versión 0.1.14.Otra de las formas para evaluar la información, aparte de la creación de las seriestemporales para los indicadores de cada variable; fue la presentación mensual delos datos para cada uno de los años objeto de estudio, o la presentación mensualpara el consolidado de cada sistema productivo. Es decir, que parte de lainformación se capturó mensualmente pero se clasificó de 1995 a 2001 para elsistema cuyos partos ocurrían durante todo el año, (o también llamado periodo I) yde 2002 a 2007 para el sistema con los partos estacionales bimodales(denominado periodo II) 7 .6 En caso de requerir mayor información sobre la ubicación del sistema de producción, clasificaciónagroecológica ver subcapítulo 2.4 UNIDAD PRODUCTIVA Y SU ENTORNO NATURAL7 Para ampliar las definiciones de las condiciones de producción de cada sistema, tipo de estrategias deproducción, y metas de producción por favor ver el subcapítulo 2.5 DEFINICIÓN DE LOS SISTEMAS DEPRODUCCIÓN.60

3.3 VARIABLES E INDICADORESCon el propósito de cumplir con los objetivos planeados, las variables a medir enla unidad productiva abarcan la reproducción, la producción láctea, la poblaciónanimal, y el comportamiento climático.3.3.1 Indicadores útiles en la medición del comportamiento de las variablesproductivas del sistemaEn lo referente al comportamiento climático de la zona agroecológica en donde seencuentra ubicado el sistema de producción; se tuvo en cuenta al indicador: Pluviometría.Se definió como el único indicador para la variable de comportamiento climático,debido a la facilidad en la captura de los datos del mismo, en las entidades decontrol ambiental, así como la unidad productiva como tal (ver sección 3.3.2descripción de la construcción de algunas variables). Para la correlación con otrosindicadores fue necesario establecer el promedio mensual y anual de las lluvias delos años de estudio.Para la variable reproducción se tuvieron en cuenta los siguientes indicadores: Intervalo parto primer servicio. Intervalo parto concepción. Promedios del Intervalo entre partos. NacimientosEn los tres primeros indicadores, la medición estadística ocurrió en formacuatrimestral con el propósito reducir sesgos en los resultados al contar conunidades de tiempo con tamaños de muestra pequeños; ya que son eventos quepara que ocurran requieren de un buen espacio de tiempo. Generándose así unaserie temporal de 39 datos, de los cuales 21 corresponden al sistema con partostodo el año y los 18 restantes para el sistema con partos estacionales. Para losnacimientos, este indicador fue fraccionado en forma mensual; así como para laserie temporal contando con 156 datos mensuales durante los 13 años de estudioLa producción de leche como variable contempla a los indicadores siguientes: Lactancias Producción láctea mensual Producción láctea mensual por hectárea Producción láctea anual Producción láctea anual por hectárea Promedio de leche por vaca61

El indicador lactancias muestra las diferencias de comportamiento entre las 481lactancias, distribuidas en 247 para 1995 -2001 y 234 para 2002 -2007; que luegoson consolidadas para cada periodo y sin que se genere una serie temporal. Deigual modo ocurre con los dos indicadores de producción láctea anual, en dondeno se cuenta con el mínimo de datos suficientes para el análisis estadístico. Lasseries temporales de la producción láctea mensual y mensual por hectáreacuentan cada una con 156 datos.La variable denominada población animal, facilitó el fraccionamiento de losindicadores en unidades de tiempo mensual; que para los años de estudio (1995-2007), cada indicador tuvo 156 datos. A esta variable la integran los siguientesindicadores: Cantidad promedio de hembras de levante Cantidad promedio de novillas de vientre Cantidad promedio de vacas en producciónLos indicadores de variables fueron seleccionados respondiendo a lo expresadopor Molinuevo (2002) quien sostiene que la duración de la lactancia así como elintervalo parto -concepción resultan ser muestras de las condiciones de manejo(entre ellas la alimentación) y de la capacidad genética del hato. Argumentaademás, que el equilibrio entre estas se logra con potenciales genéticos los cualespuedan ser suplidos con la calidad de alimento con la que cuente el sistemaproductivo3.3.2 Descripción de la construcción de algunos indicadoresLa base de datos construida a partir de la validación de la informaciónsuministrada, permitió generar en dicho programa un registro de lluvias con másde 240 observaciones mensuales del comportamiento de la zona de influenciadonde se encuentra el sistema productivo; las ultimas 39 observaciones serealizaron a partir de los datos que registraron los productores al emplearpluviómetros comerciales.El patrón de lluvias en general durante los ultimos 20 años permite observar uncomportamiento bimodal, generándose dos temporadas de lluvia al año. Las dostemporadas de lluvias ocurren en los meses finales de cada semestre; es decir, laprimer temporada ocurre a mediados de febrero, e inicios de marzo y se extiendehasta mediados de mayo o inicios de junio; siendo esta mas fuerte y de mayorduración que la del segundo semestre la cual ocurre de mediados de Septiembree inicios de Octubre hasta finales de NoviembrePara la construcción de la base de datos de lluvias, la información de pluviosidadfue capturada teniendo en cuenta tres periodos a partir de los datos de cada62

estación (San Cristóbal y La Copa), así como la información recopilada en elmismo sistema de producción realizándose de la siguiente forma: 1987-1999 Con datos de la estación San Cristóbal Boyacá. 2000-2004 Con datos de la estación La Copa Boyacá 2005-2008 Captura de datos por el pluviómetro del sistema productivo LaCañadaEl uso de indicadores que relacionen la producción de leche total y total por mesen la unidad productiva, permiten análisis de las condiciones generales del hato,asi como evaluar el desarrollo actual al compararlo con el registrado en eltranscurso del año, o compararlo con años anteriores. En general del análisis de laproducción láctea se puede establecer indicadores como la cantidad de meses demayores y menores producciones consolidadas durante los 13 años de estudio,los años de mayores y menores producciones, y las fechas de mayor y menorproducción y correlacionarla con la cantidad total de leche producida desde 1995 –2007Como medida de eficiencia productiva se valoro la producción de lechecorrelacionada con la hectárea como unidad de terreno, con el fin de establecer lacantidad de leche anual por hectárea y la cantidad de leche mensual por hectarea,se procedio a tomar los valores mensuales y anuales de leche producida por elsistema y se dividió por el número de hectáreas disponible para las vacas enproducción (12 ha).3.4 DISEÑO EXPERIMENTALEl diseño experimental empleado es un modelo de análisis y descripción de caso,cuasi experimental que está basado en la observación de los eventos a analizarantes y después de la inclusión del programa de partos estacionales a partir de lainformación de producción; se denomina cuasi experimental puesto que lasvariables y su impacto en una serie histórica de datos, son descritas, mas no soncontroladas en su totalidad.3.5 ANALISIS ESTADISTICOLa herramienta estadística empleada se denominada Series TemporalesInterrumpidas propuesta por Campbell (1963) y Campbell y Stanley (1963) citadospor Vallejo (1996). Pedhazur y Schmelkin sostienen que “este tipo de datos soncoleccionados con dos propósitos fundamentales, por un lado, desarrollarmodelos que expliquen los patrones de cambio a lo largo del tiempo (cambios denivel, tendencias, ciclos, variaciones estacionales y movimientos residuales) y, por63

otro, como modelos de predicción o pronóstico” (Vallejo, 1996). El tratamiento dedatos estadísticos de análisis de correlaciones residuales muestra un altocontenido de información en la serie del error de predicción, dicha informaciónpuede reintroducirse con el propósito de mejorar la calidad y confiabilidad de laexploración, producto del análisis estadístico realizado. (Muñoz, y Czernichow,s.f.)Por otra parte, este tipo de diseño estadístico de Series TemporalesInterrumpidas, específicamente empleando el modelo estadístico autoregresivointegrado de media móvil (ARIMA); permite valorar varias veces un evento yestimar sus efectos antes y después del tratamiento o cambio que se deseeincluir; además permite si la naturaleza del cambio incide en forma fuerte,moderada o leve en las variables analizadas, así como la permanencia odurabilidad de dicho cambio en el tiempo. En otras palabras la descripción deltratamiento estadístico de los datos en función del tiempo, se puede expresar enforma general así:X 1 ,X 2 ,X 3 ,X 4 ,X 5 ,X 6 ,X n ….C , Y 1 ,Y 2 ,Y 3 ,Y 4 ,Y 5 ,Y 6 ,Y nEn donde X es el número de observaciones antes del cambio, C es el cambio oproceso de cambio, Y son el número de observaciones después del cambio y “ n “sería el número posible de observaciones. En conclusión, se pretende evaluar eldesempeño del sistema de partos todo el año y a su vez evaluar de igual modoel sistema de partos estacionales, que surgió a partir del cambio de estrategiaproductiva en el hato del cual se obtiene la información. La evaluación de unmismo sistema productivo antes y después del cambio tecnológico, permite laestandarización de parámetros y condiciones, con el fin de permitir que laevaluación entre modelos productivos resulte lo más equitativo posible.64

4. RESULTADOS Y DISCUSION4.1 DATOS DE LAS HERRAMIENTAS DE SISTEMATIZACION DE HATOS Y DESERIES TEMPORALES AUTOREGRESIVASEn la unidad productiva La Cañada entre 1995 a 2007 la relación entre las vacasen producción con las vacas secas fue del 82,1% y 17,9% respectivamente, loque muestra en forma general la efectividad de la toma de decisiones delcomponente administrativo al mejorar la eficiencia en la productividad del sistemaal no tener altos números de animales en fase no productiva (secas). Acontinuación en la Tabla 3 se explica el comportamiento para cada periodo consu respectivo porcentaje de participación sobre el total de los años de estudioFigura 7. Relación de vacas en producción vs vacas secas de La Cañada entre1995-200765

Tabla 3. Distribución del número y tipo de lactancias analizadas durante los años1995 - 2007.Total1995- 2007Periodo I1995-2001% Periodo II2002-2007TotalLactancias 500 257 51,4 243 48,6LactanciasCompletas 481 247 51,3 234 48,6LactanciasAnormales 19 10 52,6 9 47,3% Vacas enProducción 82,1 81 NA 83 NA% Vacas Secas17,9 19 NA 17 NANº de Vacas enProducción 398 194 48,7 204 51,2Fuente: Datos provenientes de la base de datos del programa de sistematización de hatos.Los Autores.NA: No Aplica%4.1.1 PluviometríaCon el fin de establecer los datos de lluvias de los años objeto de estudio seprocedío a calcular el promedio de precipitaciones expresados en milimetrosmensuales (mm/mes) representado como una línea en la Figura 8. Este promediopermitió establecer una cantidad de 767milimetros anuales. Los años 2006 y 2007registran precipitaciones por año de 1.314 y 1.029 milimetros registrandoseaumentos de 71,3 % y 34,1 % respectivamente. Estos años con incrementos enla cantidad lluvias total, tuvieron la particularidad de poseer meses de verano conmenores registros que los años iguales o menores al promedio de lluvias; motivopor el cual las diferencias entre las condiciones ambientales de los meses delluvia y sequia fueron más marcadasEl registro de los promedios mensuales basados en las estaciones de SanCristóbal, La copa y el registro propio de la unidad productiva La Cañada (Versección 3.3.2 “descripción de la construcción de algunos indicadores”) se muestraen la Tabla 4 en donde se establecen las lluvias totales por año, así como elpromedio mensual de lluvia durante el periodo comprendido entre 1995 - 200766

Tabla 4. Pluviometría del sistema productivo La CañadaPLUVIOMETRIA LA CAÑADA ENTRE LOS AÑOS 1995-2007ENE FEB MAR ABR MAY JUN JUL AGO SEPT OCT NOV DIC Total/año1995 1 59 142 65 55 79 71 79 30 89 73 89 8321996 25 28 93 75 89 60 59 49 29 130 60 64 7611997 37 11 46 57 48 35 21 8 40 54 97 10 4641998 13 5 49 74 133 86 104 75 51 126 63 101 8801999 17 155 65 71 55 68 46 22 50 89 96 45 7792000 20 25 126 54 110 64 53 43 97 87 46 42 7672001 2 18 24 18 88 38 45 15 73 61 72 33 4872002 4 21 76 87 81 65 40 37 49 57 35 28 5802003 1 26 79 71 61 41 28 21 64 121 122 37 6722004 24 31 40 171 90 16 54 48 49 81 42 72 7182005 36 0 32 105 94 77 44 44 66 82 87 25 6922006 99 9 277 212 207 72 18 19 47 74 210 70 13142007 28 10 114 107 109 29 92 107 20 188 107 118 1029Prom 24 31 89 90 94 56 52 44 51 95 85 56Fuente: Datos provenientes del IDEAM 1999. Modificado por Los Autores67

Figura 8. Pluviometría mensual de La Cañada entre 1995 a 2007.68

4.1.2 NacimientosEl número de nacimientos total evaluados fue de 494 siendo 6 menos que elnúmero total de lactancias, debido a la presentación de abortos (2),mortinatos (4). Entre 1995 - 2001 ocurrieron 256 partos siendo el 51,8% deltotal; para 2002 a 2007 fueron 238 nacimientos correspondientes al48,1%.(Tabla 5). A diferencia de como ocurrió con la información delcomportamiento climático, específicamente con la pluviometría, para elanálisis de los nacimientos fue necesario categorizar los datos en dosperiodos (1995-2001 y de 2002-2007). Tal como se puede observar en laFigura 10.Para consultar la información completa sobre el comportamiento mensual delnúmero de partos o nacimientos del sistema productivo ver anexo A. (Tablade nacimientos mensuales.). Para observar en forma gráfica dichocomportamiento año tras año para el periodo entre 1995-2007 ver Anexo B.Tabla 5. Distribución de los nacimientos de La Cañada para los periodos1995- 2001 y 2002-2007Nº de Parto PorcentajeTotal 1995-2007 494 100%Periodo I 1995-2001 256 51,8%Periodo II 2002-2007 238 48,1%La Figura 9 muestra el comportamiento de nacimientos mensuales durantelos años objeto del estudio 1995 a 2007. La línea punteada verdecorresponde al promedio general de pluviometría expresado en mm/mes.Nótese el comportamiento de la pluviometría expresando un comportamientode orden bimodal. Al intentar correlacionar el primer año del estudio (1995)con el último (2007); la cantidad de partos totales al año es de 27 y 36respectivamente. Los meses que concentran mayor número de partos para elaño 1995 fueron Octubre (4) y Noviembre (8) partos cada uno; para el casodel año 2007 fueron los meses de Febrero, Marzo, Septiembre y Octubre con7, 14,8, y 3 partos al mes respectivamente. Este incremento en la variable Nºde partos/año ocurre por mejoras en el desempeño del componente técnico aconsecuencia de la toma de decisión de establecer un periodo deobservación de celos e inseminaciones riguroso y bien definido para cadatemporada de partos; además de ser un efecto positivo de los avances en laejecución presupuesto nutricional del sistema, al suplir completamente losrequerimientos de los animales gestantes reduciéndose factores como lamortalidad embrionaria, servicios por concepción, entre otras. Lo anteriorconfirma lo expresado por Palen (1999) quien sostiene que con los sistemasde partos estacionales se reducen las pérdidas en el terneraje.69

Figura 9. Consolidado de nacimientos mensuales y promedio de lluvias de La Cañada de 1995-2007.70

En la Figura 10 que corresponde al comportamiento de los nacimientos promediode los periodos I (1995-2001) y II periodo (2002-2007) fue necesario corelacionarcada periodo con el promedio del comportamiendo de lluvias expresado enmm/mes. Las tendencias polinómicas aplicadas en cada periodo muestran R 2 de0.70 y 0.81 para los periodos I y II respectivamente.En cuanto a la relación entre la pluviometría y el comportamiento mensual de lospartos, en el segundo periodo (o periodo luego de la implementación del sistemade partos estacionales bimodales 2002-2007), es importante resaltar laestacionalidad bimodal de estas variables; observándose claramente que el picode los nacimientos ocurre 30 días antes del pico de lluvias para la primer mitad delaño (meses de Enero –Julio), y de 60 días para los meses entre Agosto yDiciembre. Lo anterior confirma lo expresado por Zartman(1994), si lascondiciones del pastoreo son excelentes, las vacas paren 3- 4 semanas antes dela temporada optima de pastoreo, donde cada vaca logra máximas produccionescuando el pasto es mas nutritivo y abundante. La explicación sobre lastemporadas de partos e inseminaciones serán descritas en el subcapítulo 4.1.8denominado promedios del intervalo entre partos.Figura 10. Promedio de lluvias y nacimientos consolidados de los periodoscomprendidos entre 1995-2001 y 2002-2007 de La Cañada71

Para el periodo entre los años 1995 a 2001 (primer periodo o de sistema de partosdurante todo el año), en forma general se puede observar que los partos seagrupaban inicialmente en tres temporadas de tres meses cada una sin mayoresdiferencias entre los meses de mayores y menores partos con cierta inclinación aaumentar durante los meses de noviembre y diciembre.4.1.2.1 Serie temporal de los nacimientos totalesA continuación la Tabla 6 relaciona los cambios, fecha en la que ocurrieron eimpacto de los mismos en función de números de crías nacidas por mes. LaFigura 11 representa la serie temporal del ARIMA mostrando los cambios de tipoestacional (estrellas con los números 2, 3,4) y pulsos (triángulos con los números1, 5,6-11) El programa estadístico reveló para esta variable un R 2 de .58, por locual la dispersión de los datos luego del año 2002 explica la estacionalidadexistente en la variable, demostrando patrones de comportamiento adecuadospara sistemas de producción estacional. Así como la línea que muestra la fecha deinicio del sistema de partos estacionales bimodales (rojo).Tabla 6. Patrones de cambio del ARIMA al indicador nacimientosNúmero Tipo de Cambio Fecha Valor del Impacto1 Pulso Mayo 2001 8,072 Estacionalidad Octubre 2001 2,163 Estacionalidad Agosto 2003 8,014 Estacionalidad Marzo 2004 6,805 Pulso Abril 2004 7,046 Pulso Abril 2005 4,837 Pulso Septiembre 2006 7,738 Pulso Febrero 2007 4,969 Pulso Marzo 2007 4,8710 Pulso Agosto 2007 -10,0211 Pulso Septiembre 2007 5,88La marcada ocurrencia de los pulsos en la cantidad de nacimientos a partir del año2004, dos años luego del cambio de estrategia de producción a pasar al sistemade partos estacionales bimodales muestra que la inclusión de cambios en elesquema y modelo productivo no repercuten en el corto plazo en cuanto a estavariable reproductiva.72

Figura 11. Serie temporal del ARIMA para el indicador nacimientos totales mensuales La Cañada 1995-200773

4.1.3 LactanciasPara el calculo del comportamiento de las lactancias para cada año fue necesarioconsultar la información de la base de datos del software; teniendo el resumen delas lactancias se agruparon en los periodos I y II (1995-2001) y (2002-2007)respectivamente, con el propósito de generar un último grafico consolidado delcomportamiento de las lactancias de cada periodo.Figura 12. Comportamiento de las lactancias anuales para los periodoscomprendidos entre 1995-2001 y 2002-200774

Los comportamientos generales de las lactancias revelan producciones uniformespara los diferentes años de cada periodo, con R 2 similares 0.99 La sincronía enunidades cronológicas de la oferta de forraje de muy buena calidad con losprimeros 60 a 90 días de lactancia, permitió una diferencia de 4 -7 litros entre losperiodos I y II con 13 y 20 litros respectivamente. La Figura 13 revela elconsolidado de las lactancias de cada periodo en donde muestra un incrementopromedio de 5,6 litros de leche; incremento que al correlacionarlo con unalactancia de 305 días, resulta en un aumento aproximado que supera los 1.700litros de leche por lactancia en el segundo periodo (2002-2007) comparado con elprimer periodo (1995 – 2001). En este punto se observa el efecto de la adecuadacapacidad del sistema de partos estacionales al cumplir con los requerimientosnutricionales de las vacas en producción, permitiendo así que se exprese todo elpotencial genético que tienen los animales para producir leche.Figura 13. Comportamiento del consolidado de las lactancias en la Cañada de losperiodos comprendidos entre 1995-2001 y 2002-2007Para el análisis del tipo de lactancias que ocurrieron en el sistema productivo seobservó la presentacion de las lactancias de acuerdo con su volumen deproducción ajustado a una duración de 305 días. Para el periodo I (1995 -2001) el72 % de las lactancias produjeron entre 1500 y 3000 kg de leche; para el caso delsegundo periodo (2002-2007), el 73% de las lactancias tuvieron una producciónque oscila entre 3000 a 5500 kg de leche (Figura 14).; ratificando que a pesar delos altos requerimientos nutricionales que tienen las vacas especializadas en75

produccion lechera, el sistema productivo tiene la capacidad de satisfacercompletamente dichos requerimientos, a partir de la producción forrajeraprincipalmente, así como de la estrategia de suplementación mineral y alimenticia.Figura 14. Distribución porcentual de los kg de leche por lactancia para cadaperiodo en La Cañada de 1995- 2007Estas diferencias en la distribución del tipo de lactancias presentes en el sistemade produccion para cada uno de los periodos, en donde el segundo periodo (2002– 2007) demuestra mejoras en las cantidades de kg de leche por lactancia,confirman lo postulado por Zartman (1994), cuando menciona que la “producciónlechera es directamente proporcional a la cantidad de forraje que estánconsumiendo”. Esto permite que la estrategia de producción impacte en formapositiva al sistema, por facultar que las variables de orden nutricional, genético,sanitario, etc., expresen sus capacidades máximas de producción; incrementandoasí la eficiencia, productividad y sostenibilidad de la unidad productiva.76

4.1.4 Producción lácteaDe acuerdo con la informacion consultada en la base de datos de la herramientade sistematización de hatos bovinos, durante 13 años, desde el 01/01/1995 hastael 31/12/07, la unidad productiva La Cañada ha obtenido aproximadamente unmillón ochocientos setenta y ocho mil doscientos tres (1´878.203) litros de leche,de los cuales el 39,9% en el periodo 1995 – 2001 y el 60,1% restante para elperiodo comprendido entre 2002 – 2007. (Tabla 7).Tabla 7. Distribución de la producción lactea total anual y anual por hectárea de LaCañada para los periodos comprendidos entre 1995-2001 y 2002-2007Indicador Cantidad PorcentajeProd total de 1995-2007 1´878.203 litros 100%Prod total periodo 1995-2001 749.496 litros 39,9%Prod total periodo 2002-2007 1´128.706 litros 60,1%Prod total por hectarea de1995-2007156.516 litros 100%Prod total por hectarea periodo1995-200162.458.1 litros 39,9%Prod total por hectarea periodo2002-200794.085.9 litros 60,1%4.1.4.1 Producción láctea mensualLos meses de mayor y menor producción de leche, durante los años de estudioarrojaron como resultado que para el tiempo comprendido entre 1995 y 2007, elmayor valor lo obtuvo Diciembre con 174.440 litros con una participación del9,28% del total. Por el contrario Febrero con 128.747 litros de leche representandoel 6,85% se constituye como el mes con menor contribución al total de lecheproducido por el sistema (Tabla 8).Se encontró que 1998 fue el año en que la producción de leche fue menor con71.049 litros, aportando el 3,78%. La mayor producción al realizar el análisis enforma anual fue en 2005 con 205.305 litros, contribuyendo con un 10,93% de los1´878.203 litros de leche que se produjeron durante el tiempo evaluado en elpresente estudio(Tabla 8).77

Al evaluar y validar cada una de las producciones mensuales de leche halló quelas fechas de mayor y menor producción mensual de leche corresponden a Abrilde 2007 y Febrero de 1995 respectivamente. En Abril de 2007 se produjo 20.807litros representando el 1,10% y en Febrero de 1995 se lograron 4.993 litrosconstituyendo el 0,26% del total de leche extraida en la unidad productiva(Tabla8).Tabla 8. Indicadores máximos y minimos de producción láctea mensual de LaCañada entre 1995 – 2007Indicador Dato Litros Porcentaje**Mes consolidado demayor producciónDiciembre 174.440 9,28%Mes consolidado demenor producciónFebrero 128.747 6,85%Año de mayorproducción2005 205.305 10,93%Año de menorproducción1998 71.049 3,78%Mes de mayorproducciónAbril de 2007 20.807 1,10%Mes de menorproducciónFebrero de 1995 4.993 0,26%** Porcentaje de participación de un total de 1´878.203 litros producidos entre 1995 -2007La Figura 15 representa graficamente los comportamientos productivosanteriormente descritos; al plasmar todos los datos de producción de lechemensual durante los años de estudio, demostrando en forma similar el cambio enel comportamiento productivo con la implementación del sistema de producción departos estacionales a lo reportado en los parametros como el tipo de lactancia(Figuras 12 y 13), asi como la distribución de los tipos de lactancias presentes enlos animales del hato (Figura 14).78

Figura 15. Producción lactea mensual y pluviometria promedio de La Cañada entre 1995-200779

Figura 16. Producción lactea mensual consolidada de los años 1995-2001 (periodoI ) y 2002- 2007 (periodo II) y pluviometria promedio de La CañadaAl analizar la producción mensual de leche y categorizarla de acuerdo con losperiodos de partos durante todo el año (1995-2001, o periodo I), de partosestacionales bimodales (2002-2007, o periodo II), se encontró que de laproducción total estimada en 1´878.203 litros; de 1995 a 2001 (periodo de partostodo el año) tuvo una producción de leche acumulada estimada en 749.496 litros,correspondiendo al 39,9% del total. Para el caso de la temporada de partosestacionales bimodales (2002 -2007) fueron 1´128.706 litros constituyendo el60,1% del acumulado total. La Figura 16 al relacionar la pluviometría con loscomportamientos mensuales de producción de leche para cada tipo de modeloproductivo o periodo (en caso de observarlo en forma cronológica); se puedeobservar que para el periodo de partos todo el año el rango de producción deleche se encuentra entre 8.000 a 10.000 litros sin tener mayores variaciones. Adiferencia con los rangos encontrados con el sistema de partos estacionalesbimodales en donde se puede observar producciones de leche que oscilan entre12.000 y 18.000 litros mensuales, con tendencia de tener dos bloques de mayorproducción, en forma similar al comportamiento del régimen de lluvias.80

4.1.4.1.1 Serie temporal de la producción láctea mensualLa construcción de la serie temporal de la producción láctea mensual de LaCañada desde 1995- 2007, surgió a partir de la consulta en la base de datos delprograma de sistematización de hatos, de 156 datos mensuales. En dondereportó cuatro diferentes tipos de cambio (Tabla 9), de los cuales los tres primerosocurrieron antes del inicio del sistema de partos estacionales bimodales, es decirantes de finales del año 2001. El cambio de nivel en febrero de 2000 con impactovalorado en 4.694 Litros por mes, obedece en menor medida al incremento delnúmero de vacas en producción, pasando de 35 animales en enero a 38 enfebrero de 2000; este aumento de tres animales cuyo promedio mensual por vacapara la fecha era de 8,7 litros, representaría tan solo 730,8 litros/mes, siendo el15,56% del total del impacto. Motivo por el cual el porcentaje restante se explica ainteracciones entre variables entre ellas la estrategia de alimentación eficiente, almejorar la calidad nutricional del forraje al incluir sistemas de rotación de praderas,estrategia de suplementación y/o cambios en el comportamiento climático queinicialmente afectaran el comportamiento de las lactancias de las vacas enproducción como resultados en el aumento del consumo voluntario.El cuarto tipo de cambio ocurre luego del cambio en la estrategia de producción alpasar a partos estacionales bimodales. Este es un cambio de nivel que sostieneun impacto positivo en el comportamiento de la producción mensual de leche apartir de Abril de 2004. Este cambio ocurre aproximadamente 27 meses despuésdel inicio del sistema de partos estacionales bimodales; sugiriendo cambiosimportantes en los niveles de producción del sistema; así como la respuesta a latoma de decisiones en cuanto a políticas gerenciales, administrativas y cambiosen el esquema técnico- productivo como es el establecimiento de ideas denegocio como la lechería especializada con partos estacionales bimodales,resultan en el mediano y largo plazo.Tabla 9. Patrones de cambio del ARIMA al indicador producción láctea mensualNúmero Tipo de Cambio Fecha Valor del Impacto1 Pulso Enero 2000 34062 Nivel Febrero 2000 46943 Moda Agosto 2000 -133,24 Nivel Abril 2004 350681

En la Figura 17 se muestra gráficamente el comportamiento de la producciónmensual a través del tiempo, observándose de igual modo la presentación de laserie de cambios descritos en la Tabla 9. El cambio de nivel ocurrido en abril de2004 cuyo impacto es de 3.506 kg de leche mensual, obedece a las mejoras enpastoreo, como respuesta al incremento en producción de forraje a consecuenciade un aumento en las lluvias de 131 mm, ya que en el mes de marzo fueron 40mm y en el mes de abril se registró una pluviosidad de 171 milímetros.Por otra parte, el aumento en 4 animales del número de vacas en ordeñopasando de 40 vacas en producción en marzo a 44 vacas en abril; numero devacas que con el promedio de producción diaria de 13,2 litros para el mes de abrilrepresentarían aproximadamente 1.584 litros, es decir el 45,17% del total delaumento. El porcentaje restante ocurre por efectos positivos en la calidad ycantidad del forraje, gracias a factores como el incremento pluviométrico,estrategia de pastoreo, enmiendas, abonos, incrementos en la velocidad delritmo de producción forrajera y su aprovechamiento por parte de los animalesentre otras.Estadísticamente la variable de producción láctea mensual alcanza un R 2 de .92demostrando solidez en su patrón de comportamiento así como en laidentificación de las fechas de cada tipo de cambio ya sea de nivel, pulso, y/omoda. Como ya se explicó líneas atrás, el cambio de nivel que ocurrió en febrerode 2000 (cuyo impacto fue en este caso de 4.694 litros de leche) ocurrió porefectos positivos en la asignación y aprovechamiento del pasto fundamentalmente;para el cambio de nivel que sucedió en abril de 2004 (con impacto de 3.506litros), se efectuó por una fuerte interacción entre las variables ya mencionadas, ytodas las decisiones que se tomaron para hacer que se presentaran en un mismoescenario productivo la sincronía entre los máximos requerimientos de nutrientespor parte de las vacas en producción y la mayor capacidad de producción deforraje en términos de cantidad y calidad de biomasa disponible como ocurre enlos sistemas de partos estacionales.82

Figura 17. Serie temporal del ARIMA para el indicador de producción láctea mensual de La Cañada en el periodoentre 1995 - 200783

4.1.4.2 Producción láctea por hectáreaEl evaluar una variable que relacione la producción de leche teniendo en cuentafactores como lo son el tiempo expresado en meses o años, y el área de terrenoexpresado en hectáreas, permite tener un idea clara sobre la capacidad deproducir leche a base del forraje constituyente de la pradera. Este indicador resultaser importante en la evaluación de la eficiencia y sostenibilidad de un sistemaproductivo de lechería especializada, ya que muchos de los sistemas de lecheriaespecializada se encuentran cerca de zonas urbanas, las cuales obligan a tenerideas de negocio agropecuario si bien de altas rentabilidades o bajos costos deproducción en el menor espacio posible; a raiz del creciente valor agregado de losterrenos, que pueden ser orientados a otras formas de ingreso económico demejores dividendos, o simplemente aumentar su valor por la comodidad generadapor ser un sistema de producción cercano que simplifica costos de transporte.Durante los años de estudio de los dos sistemas de producción (partos todo el añoy partos estacionales bimodales), es decir, de 1995 a 2007 la unidad productiva LaCañada produjo un total de 156.516 litros de leche por hectárea. A continuación laTabla 10 mostrará los resultados del comportamiento de la producción de lechepor hectárea mensual. Resultados que graficamente se pueden observar en laFigura 18. Dicha Figura muestra en forma general que se puede clasificar laproducción en dos bloques de acuerdo a su nivel de producción, asi como comopor los años de producción; motivo por el cual resulta necesario observar dichocomportamiento en forma más especifícaTabla 10. Relación entre la cantidad de total de leche mensual por hectárea de LaCañada de 1995- 2007y los maximos y minimos productivos mensuales.Indicador Mes / Fecha Valor % del total.Consolidado mensual demayor produccion Diciembre 14.536 9,28Consolidado mensual demenor produccion Febrero 10.728 6,85Fecha de mayor producción deLeche Marzo 1995 358.5 0,22Fecha de menor producción deLeche Abril 2007 1.734 1,10Fuente: Los Autores84

Figura 18. Producción láctea mensual por hectárea La Cañada 1995-200785

Al observar la producción de leche consolidada para cada uno de los modelos deproducción (Figura 19), que para el periodo de 1995 - 2001 la producciónconsolidada fue de 62.458 litros correspondiendo al 39,9% del total; en esteperiodo el menor promedio de producción mensual fue para septiembre con unamedia de 690,2 L/ha y mes de mayor producción fue diciembre con un promedio839,9 L/ha. Durante 2002 - 2007 o periodo II, 94.058 litros de leche aportan el 60% del consolidado total de leche por hectárea durante 1995 a 2007.Figura 19. Producción lactea mensual consolidada por hectárea de los años 1995-2001 (periodo I ) y 2002- 2007 (periodo II) y pluviometria promedio deLa Cañada4.1.4.2.1 Serie temporal de la producción láctea por hectáreaDe igual modo como ocurrió con la variable de producción láctea mensual, en estecaso de la variable de la producción de leche por hectárea mensual los datos quesustentan este comportamiento, resulta de la clasificación por cortes mensualesde la información de cada una de las 500 lactancias del periodo de estudio.La Figura 20 representa el comportamiento de la producción láctea mensual porhectárea y su comportamiento a lo largo de los 13 años de estudio cuyocomportamiento posee un R 2 de .93 ; en donde se puede observar particularmentecuatro patrones de cambio importantes encontrados por la herramienta de análisisestadístico, la cual reporta que los primeros tres cambios ocurrieron antes de la86

fecha de inicio del sistema de partos estacionales (año 2002), y el ultimo cambiosucedió dos años después de la entrada del sistema de partos estacionalesbimodales. A continuación en la Tabla 11 describe las particularidades de cadauno de los tipos de cambio para esta variable.Tabla 11. Patrones de cambio del ARIMA al indicador producción láctea mensualpor hectáreaNúmero Tipo de Cambio Fecha Valor del Impacto1 Pulso Enero 2000 288,82 Nivel Febrero 2000 3913 Moda Agosto 2000 -11,94 Nivel Abril 2004 291,6Fuente: Los AutoresEl pulso generado en enero de 2000 se explica (además de las interacciones delotro indicador de variable ya mencionado), por reajuste en los niveles deproducción de leche a consecuencia de llegar al número de animales en ordeñomáximo que puede sostener la unidad productiva, luego del proceso de seleccióny descarte que se realizó en mayo del año 1997; en donde los animales conproblemas de orden reproductivo, así como características fenotípicas indeseadascomo irregularidad en ubres y aplomos, fueron eliminados del sistema. Losanimales con problemas de mastitis fueron identificados, con lo cual se procedió adescartarlo, al igual que toda su descendencia en los demás grupos de edadescomo son los grupos de cría, hembras de levante, y novillas de vientre. Debido aesta presión de selección tan rigurosa, la producción disminuyó drásticamentehasta finales de 1999 en un 40,2% en promedio; pasando de tener 731,7 L/ha enmayo de 1997 a 428,4 L/ha en junio del mismo año, significando una reduccióninicial de 41,5%. La producción mensual por hectárea vuelve a aumentar hastaoctubre de 1999; en donde, se pasa de 516 L/ha en septiembre a 844 L/ha enoctubre significando una diferencia del 38,9%.Para cambio de nivel en febrero de 2000 ocurre lo mismo que sucedió con lavariable producción láctea mensual, en donde el aumento en tres animales de lacantidad de vacas ordeñadas representa tan solo el 15,56% del valor del impacto.En este caso el cambio es de 391 L/ha/mes, entonces corresponderíaaproximadamente 60 L/ha/mes. Para el caso del cambio de nivel de abril de 2004cuyo impacto fue de 291,6 L/ha/mes; la explicación es similar a la variable deproducción láctea mensual, resultando que el 41,2% del total del cambio (119L/ha/mes), corresponden a un incremento aproximado de 4 vacas en ordeño. Elporcentaje restante se relaciona efectos ambientales sobre el nivel nutritivo de lamateria seca en la pradera, y a su vez el impacto del forraje de adecuadadigestibilidad sobre el consumo voluntario, gracias a un forraje fresco y palatabley la respuesta a cambios en la estrategia de alimentación y suplementación.87

Figura 20. Serie temporal del ARIMA para el indicador de producción láctea mensual por hectárea de La Cañadaen el periodo entre 1995 - 200788

4.1.4.3 Producción láctea anualLa observación del comportamiento anual de la producción de leche por hectáreay total consolidado; resulta importante para ver el proceder histórico de la unidadproductiva. Las siguientes Figuras (21 y 22) representan el total de leche porhectárea por año y la cantidad de litros de leche por año respectivamente. EstasFiguras tienen además el comportamiento consolidado del promedio de lluvias queocurrió durante los años de estudio.Figura 21. Producción lactea total por hectárea por año La Cañada 1995 -2007El interpretar la información de variables como la producción anual de leche porunidad de área (hectárea), resulta importante como medida de eficiencia delaprovechamiento del recurso forrajero; en donde, el forraje al constituirse comofuente principal de la alimentación de las vacas incide directamente sobre losniveles de producción láctea, en la medida en la que las condiciones ambientalesafecten positiva o negativamente el desarrollo de la pastura.Analizando el periodo II o de partos estacionales bimodales se puede observarque del año 2002 a 2004, el comportamiento de la producción de leche paso de12.926 L/ha/año en 2002, a 16.767 L/ha/año en 2004, con un incremento del22,9%; el aumento en lluvias que posiblemente facilitó este crecimiento fue del16,1 % al tener 580 mm/año en 2002 y 692 mm/año durante 2005.89

Figura 22. Producción lactea total expresada en litros por año de La Cañadaentre 1995 -2007La cantidad de litros de leche al año, representados en la Figura 21 permiteobservar el comportamiento a lo largo del trasegar del sistema productivo y losefectos de los cambios de distinto orden que han venido ocurriendo. Cabe anotarque incrementos en la pluviometría que sobrepasen los 1.000mm/año causan unefecto negativo en la producción total de leche. Puesto que los 1.314 mm/año deprecipitaciones en el 2006 redujo un 5,29 % la producción de leche al tener205.306 litros durante 2005 y lograr en 2006, 194.440 litros. Esta reducción en lacantidad total de leche se correlaciona la disminución en el promedio de leche porvaca día, en el periodo comprendido entre febrero de 2006 y marzo de 2007(Figura 22); sugiriendo impactos negativos en la estrategia de alimentación aconsecuencia de las fuertes precipitaciones ocurridas en este periodo, así como lapresencia de heladas con mayor incidencia en los meses de enero – febrero y enjulio.La explicación a este fenómeno de la reducción en la producción de forraje aconsecuencia de la excesiva precipitación de agua en forma de lluvia, puedeobedecer a disminución en la velocidad de crecimiento del pasto a consecuenciade la reducción de las horas de luz por día y/o cambios en la capacidad deintercambio catiónico en el suelo, por efectos de la saturación de agua en laestructura del suelo reduciendo la captación de nutrientes por parte del sistemaradicular del pasto. Cuando la reducción en la oferta forrajera sucede comoconsecuencia de un fenómeno atmosférico de helada, simplemente ocurre unamuerte del tejido foliar de la planta a consecuencia de la destrucción de la paredcelular por el congelamiento del agua de rocío presente en el pasto. Lo anterior essimilar con lo manifestado con Montealegre (2008) donde define a la presencia decristales de hielo de diversas formas en la superficie de la planta por acción deaire húmedo como helada blanca.90

4.1.5 Promedio de leche por vacaFigura 23. Promedio mensual de litros de leche por vaca día en La Cañada entre1995 - 2007El comportamiento creciente del promedio de por vaca al día, muestra losprogresos a los que llegan interacciones de variables como las estrategias deproducción animal, mejoras en la calidad genética y productiva de los animales,así como la capacidad del recurso humano y componente administrativo enplanear, dirigir y ejecutar; para generar progresos al interior de la unidad deproducción.Tabla 12. Patrones de cambio del ARIMA al indicador promedio mensual de litrosde leche por vaca díaNúmero Tipo de Cambio Fecha Valor del Impacto1 Moda Septiembre 1999 0,062 Nivel Octubre 1999 2,443 Estacional Febrero 2001 -1,234 Estacional Marzo 2001 -0,825 Moda Junio 2002 -0,046 Nivel Abril 2004 1,27 Estacional Enero 2006 -2,018 Estacional Febrero 2006 -2,859 Estacional Marzo 2006 -2,84Fuente: Los AutoresLa Tabla 12 indica los principales cambios de la serie temporal cuyo R 2 es iguala 0.91. Resulta interesante observar en esta variable cambios de nivel deorígenes similares en otros indicadores de producción del sistema ya interpretadosanteriormente; la diferencia consiste en que para esta variable la presentación delprimer cambio de nivel (octubre 1999) ocurre antes que en las demás variables,sugiriendo esto como respuesta a cambios en la alimentación, el segundo cambio(abril 2004) de igual fecha a las demás variables se interpreta como efecto delcambio a sistemas de partos estacionales, al tener un proceso de cambio sólido.91

Figura 24 Serie temporal del ARIMA para el indicador promedio mensual de litros de leche por vaca día de LaCañada en el periodo entre 1995 - 200792

4.1.6 Intervalo parto primer servicio.En el periodo I y el periodo II el promedio de días fue de 96 y 100respectivamente; generando un promedio general de 98 días para el indicador deintervalo parto primer servicio. El resultado estadístico de un R 2 de 0.21 conagrupamiento de los eventos cada cuatro meses, revela la alta dispersión entrelos datos. Al observar la Figura 25 se observa un pulso en el año 1998 entre losmeses de mayo a agosto, evento que no genera cambios en la presentación ycurso de esta variable. Los incrementos de esta variable luego de laimplementación del sistema de partos estacionales, específicamente en loscuatrimestres de mayo a agosto de los años 2002 y 2003; pueden obedecer arespuestas iniciales al cambio de estrategia de producción, específicamente en laobservación de celos y ejecución de inseminaciones con el propósito de ajustar lasfechas de IA para que los partos coincidan en las temporadas destinadas para lapresentación de los partos.Otra de las razones por las cuales se incrementa el periodo de parto – primerservicio, sucede por la toma de decisión de permitir un mayor tiempo de involuciónuterina luego de los chequeos ginecológicos después del parto. Gallego (1994)afirma que el ganadero puede aumentar a voluntad los días de espera al primerservicio, para una mejor involución uterina así como para disminuir fallas en laconcepción sobre todo cuando se emplea semen de alto valor económico.Figura 25. Serie temporal del ARIMA para la variable Intervalo parto primerservicio cada cuatro (4) meses de La Cañada en el periodo entre 1995- 200793

4.1.7 Intervalo parto concepción.Con el indicador del intervalo entre el parto y la concepción, ocurre un fenómenosimilar en la elevación de valores luego de la implementación del sistema departos estacionales bimodales. La diferencia radica en las fechas y la cantidad dedías de incremento de estos valores. Estos valores son de 182 y 190 días paralas fechas de mayo – agosto de 2003 y enero – abril de 2004 respectivamente.Este intervalo parto concepción con fechas mayores a 6 meses puede ocurrircomo resultante de fenómenos de ajuste de determinado número de animalespara ubicar sus fechas de parto en la temporada que tuviere menor cantidad devacas próximas a parir, con el propósito de repartir adecuadamente el número devacas a parir para cada temporada. El promedio general (entre 1995-2007) paraeste indicador es de 122 días; para el sistema con partos todo el año reporta unpromedio de 111días y para el sistema con partos estacionales es de 134 días.Un R 2 0.30 señala la dispersión de los datos, que claramente se observa en elperiodo II, a partir del 2003 extendiéndose hasta finales de 2007; en dondeocurre un pulso el cual surgió debido a falta de información productiva con mayorsolidez, puesto que los últimos datos reproductivos de los animales fuerontomados a mediados de octubre de 2007, teniendo como consecuencia falta dedatos de la temporada de servicios de final de año. (Figura 26)Figura 26. Serie temporal del ARIMA para el indicador Intervalo parto concepcióncada cuatro (4) meses de La Cañada en el periodo entre 1995 - 200794

4.1.8 Promedios del Intervalo entre partos.Uno de los indicadores de desempeño más importante en los sistemas deproducción de lechería especializada es el Intervalo entre partos; al evaluar lavelocidad de ritmo productivo en términos de actividades a lo largo del año. LaFigura 27 muestra el comportamiento del intervalo entre partos del periodo deestudio (1995-2007), categorizando la información en una serie temporal conintervalos de cuatro meses. El ARIMA de esta serie temporal reportó un R 2 0.57,y tres pulsos en el curso de los datos, en donde el primer pulso ocurre en el año1999 a comienzos del mismo. Los otros dos pulsos ocurrieron a inicios de 2003 yse repite a finales de 2006, pero no contribuye a generar impactos negativos sobrelos demás datos de la serie, al ser eliminados los animales problema rápidamenteluego de identificarlos en forma sencilla. Las implicaciones productivas de losefectos del intervalo entre partos y del caso de los animales problema en estavariable se correlaciona con lo argumentado por Olori et al. (2002), “el intervaloentre partos tiene alto valor económico por la necesidad de compactar los partospara maximizar la utilización del pasto en la temporada de pastoreo”La cantidad de días del indicador Intervalo entre partos (IEP) entre 1995 -2007 esde 404; para el sistema con partos estacionales es de 405 días, así como para elsistema con partos todo el año es de 402 días.Figura 27. Serie temporal del ARIMA para el indicador promedio del intervalo entrepartos cada cuatro (4) meses de La Cañada en el periodo entre 1995 -200795

En el sistema de producción La Cañada, la variable denominada intervalo entrepartos (IEP) tiene una connotación especial, puesto que el componenteadministrativo y gerencial determina la permanencia de los animales enproducción de acuerdo a su IEP, eliminando del sistema los animales conmayores IEP; sesgando los resultados generales de esta variable en el ARIMA, elcual muestra tres pulsos y ningún cambio de nivel (Tabla 13), reportando que noexisten diferencias significativas en entre los dos sistemas de producción para lavariable de intervalo entre partos (IEP)Tabla 13. Patrones de cambio del ARIMA a el indicador del intervalo entre partoscada cuatro (4) mesesNúmero Tipo de Cambio Fecha Valor del Impacto1 Pulso Enero – Abril 1999 124,6 días2 Pulso Enero – Abril 2003 71,64 días3 Pulso Septiembre – Diciembre 2006 95,64 díasFuente: Los AutoresLa presentación de los eventos de inseminaciones y partos a través del añocalendario esta unidad productiva de lechería con un sistema de partosestacionales bimodales se describe en la Tabla 14. La duración de cadatemporada no es igual para todos los años, debido al ajuste que se realiza añotras año con el fin de concentrar la mayor cantidad de animales para cadatemporada. El Anexo C. muestra la distribución de los nacimientos para el periodocomprendido entre 2002 – 2007, en donde se demuestra que a pesar de que elcambio del sistema a partos estacionales bimodales ocurrió en el año 2002, encuanto al análisis de las variables, impactos y demás connotaciones de la toma dedecisión de pasar a partos estacionales, la estacionalidad de los partos inicia en2003 tal y como lo reporta el ARIMA de la variable nacimientos totales mensuales(Figura 11) ya analizada.Tabla 14. Descripción del calendario de inseminaciones y partos de La CañadaActividad Fecha DuraciónTemporada 1 Nacimientos 15 febrero a 15 de abril 8 semanasTemporada 1InseminaciónArtificial (I.A.)13 mayo a 01 Julio 8 semanasTemporada 2 Nacimientos 29 julio a 16 septiembre 8 semanasTemporada 2InseminaciónArtificial (I.A.)28 octubre a 23 diciembre 9 semanasFuente: Los Autores96

4.1.9 Cantidad promedio de hembras de levanteEl caso de la variable denominada hembras de levante, tiene la particularidad deno presentar ningún animal desde 1995 hasta 1997; motivo por el cual laherramienta estadística inicia el análisis solo a partir de 1997. La serie temporalrepresentada por la Figura 28 tiene un R 2 de 0.99 permitiendo uniformidad en losdatos y poca dispersión de los mismos. Los aumentos en la cantidad de hembrasde levante, luego del cambio al sistema de partos estacionales bimodales, puedeser producto de la toma de decisión de realizar ajustes en los diferentes gruposanimales del sistema producción, o reponer los animales que se proyectaroneliminar en el siguiente grupo de edades. Es decir, las novillas de vientrepermitieron en la unidad productiva inicialmente mantener constante la cantidadde animales en producción al siguiente ciclo o año productivo. Se observa que apartir del año 2005 el sistema de producción, basado en la herramienta dedinámica de población mantienen en el grupo de hembras de levante la cantidadnecesaria para realizar los reemplazos en el siguiente grupo de animales (novillasde vientre), motivo por el cual se observan los pulsos (Tabla 15) al final de laFigura 28Tabla 15. Patrones de cambio del ARIMA a el indicador cantidad promedio dehembras de levanteNúmero Tipo de Cambio Fecha Valor del Impacto1 Pulso Marzo 2007 -1,632 Pulso Julio 2007 1,15Fuente: Los AutoresFigura 28. Serie temporal del ARIMA para la variable denominada cantidadpromedio mensual de hembras de levante de La Cañada en el periodoentre 1995 - 200797

4.1.10 Cantidad promedio de novillas de vientreEste grupo de edad al igual que el anterior (hembras de levante) tienen el retoproductivo de llegar a la pubertad a lo 11 meses, lograr una concepción a los 15meses, para llegar a una edad al primer parto de 24 meses. El cumplimiento deesta exigente meta, responde a tener un número elevado de animales en el grupode hembras de levante, las cuales se descartan al no ajustarse al ritmo productivo.Con la alta selección de animales en el grupo anterior faculta solo mantener losanimales estrictamente necesarios en esta fase para cumplir con la unidad básicade hato, mortalidades y reemplazos. Basados en lo anterior y al observar elcomportamiento de esta variable, (R 2 = 0.99), es esquematizada por la Figura 29,se puede concluir que con el sistema de partos estacionales bimodales se es máseficiente en el mantenimiento de solamente la cantidad necesaria de animales deeste grupo; en comparación del sistema de partos durante todo el año. Estacondición de producción de la mínima cantidad de animales necesaria demuestraeficiencia al reducir los diferentes requerimientos, al tener que proveerlos aanimales improductivos ante las condiciones del sistema. La Tabla 16 revela lospatrones de cambio en la serie temporal del ARIMA para el presente indicador.Tabla 16. Patrones de cambio del ARIMA a el indicador cantidad promedio denovillas de vientreNúmero Tipo de Cambio Fecha Valor del Impacto1 Pulso Septiembre 2003 -2,42 Pulso Octubre 2003 -3,23 Pulso Noviembre 2003 -2,84 Pulso Marzo 2004 -3,25 Nivel Abril 2004 -7,9Fuente: Los AutoresFigura 29. Serie temporal del ARIMA para el indicador cantidad promedio mensualde novillas de vientre de La Cañada en el periodo entre 1995 - 200798

4.1.11 Cantidad promedio de vacasLa Figura 30 la cual representa la cantidad promedio mensual de vacas enproducción láctea, muestra que el comportamiento de esta variable fue constantepara el periodo II (2001-2007), en donde la herramienta estadística no reportócambios importantes en la cantidad de animales en ordeño. Lo anteriorfundamenta la importancia y ventajas de herramientas como la dinámica depoblación, con la cual el grupo de vacas se mantuvo con pocas variaciones.Para el comportamiento de esta variable para el periodo I o de partos durante todoel año se muestra como cambio de nivel con un impacto negativo de 13.54animales (Tabla 17), que explica los descensos en la producción de leche porhectárea, mensual y anual desde 1997 a 1999. Esta importante reducción ocurriópor la eliminación del sistema de producción de vacas que presentaran problemasde mastitis, al igual que problemas reproductivos. El descarte incluyó lageneración completa del animal problema, motivo por el cual la salida de animalesfue importante. Para esta variable el R 2 = 0.87Tabla 17. Patrones de cambio del ARIMA a el indicador cantidad promedio denovillas de vientreNúmero Tipo de Cambio Fecha Valor del Impacto1 Nivel Junio 1997 -13,5Fuente: Los AutoresFigura 30. Serie temporal del ARIMA para el indicador cantidad promedio mensualde vacas en producción de La Cañada en el periodo entre 1995 - 200799

Al intentar comparar la cantidad de vacas en producción y el promedio diario delitros de leche por vaca de la unidad productiva (Figura 31), se encontró que paralas dos variables un comportamiento de crecimiento más marcado cuando elsistema tenía la presentación de los partos durante todo el año que con el sistemade partos estacionales. Esto no significa menor eficiencia del sistema de partosestacionales, sino que el avance es más marcado en el periodo comprendido entrelos años 1997 – 2000, debido a que en ese tiempo la inclusión y ajustes a launidad productiva de la tecnología de pastoreo rotacional. La tendencia delpromedio diario por vaca tiene un estancamiento en su ritmo de crecimiento entrelos años 2003 -2006, debido al alcance de la capacidad máxima de producciónláctea por parte de las vacas al suplir satisfactoriamente sus requisitosnutricionales; el repunte dado a partir del 2006 ocurre a los mayores potencialesproductivos de las siguientes generaciones de animales que están entrando aproducción láctea siendo descendientes de animales pertenecientes al sistemacon avances genéticos a consecuencia de ventajas como el uso de técnicas dereproducción como la inseminación artificial. De igual modo ocurre con latendencia de la cantidad de vacas en producción la cual sufre una desaceleraciónen su crecimiento entre los años 2002 – 2005, explicado por un alcance en eloptimo de la cantidad de animales en producción que el sistema pueda sostener;significando entonces un adecuado aprovechamiento de la energía contenida en elforraje, la cual es provista por parte del sol, asegurando reducciones en las fugasde energía del sistema tal y como ocurría con el sistema de partos durante todo elaño.Figura 31. Relación entre el número de vacas en producción y la cantidad de litrosde leche por vaca por día en La Cañada entre 1995 – 2007100

CONCLUSIONESLa relación entre las vacas en producción con las vacas secas (82,1% y 17,9%respectivamente), demuestra la efectividad de la toma de decisiones delcomponente administrativo al mejorar la eficiencia en la productividad del sistema,al no tener altos números de animales en fase no productiva y el buencomportamiento de la variable reproductiva, así como de las herramientas deanálisis denominadas unidad básica de hato y dinámica de poblaciónEntre 1995 - 2001 ocurrieron 256 partos siendo el 51,8% del total; para el periodode 2002 a 2007 fueron 238 nacimientos correspondientes al 48,1%. Estadiferencia radica en que el primer periodo (1995-2001) duró 7 años; mientras queel segundo periodo (2002-2007) contempla 6 años. En promedio en el sistema conpartos durante todo el año, la cantidad de nacimientos fue de 36,5 nacimientos/año y para el sistema con partos estacionales fue de 39,6 nacimientos/ año. Loque indica que a pesar de contar con menor espacio de tiempo, el sistema conpartos estacionales bimodales demostró mayor eficiencia para este indicador de lavariable reproductiva.El ARIMA para el indicador de nacimientos, de la variable reproducción, revelacambios de tipo estacional del orden de 2,1 nacimientos en octubre de 2001;demostrando así que la asignación del año 2002 como fecha de inicio delsistema con partos estacionales es correcta. El R 2 de 0,58 demuestra altadispersión de los datos a consecuencia de la estacionalidad de los eventos en elperiodo II (2002-2007).El 72% de las lactancias ocurridas entre 1995 y 2001 (sistema con partos todo elaño), produjeron entre 1.500 y 3.000 kg de leche / lactancia, por su parte en elsistema con partos estacionales bimodales (entre 2002- 2007) el 73% de laslactancias produjeron entre 3.000 y 5.000 kg de leche / lactancia; lo querepresenta un incremento de 5,6 litros en el promedio diario de las lactanciasconsolidadas.La unidad productiva con el sistema de partos todo el año logró un promediogeneral de 104.785 litros de leche por año, a su vez el sistema de partosestacionales en promedio arrojo 188.117 litros de leche por año. Esta diferenciade 83.332 litros por año, esta dada por los cambios en la estrategia dealimentación, con la inclusión del pastoreo rotacional y por la sincronía en losmayores requerimientos de las vacas en producción, con las épocas del año conmayor y mejor producción de forraje de excelente calidad; útil para suplir en mejorproporción tales requerimientos y reduciendo parcialmente la dependencia de lasuplementación.101

En los 13 años del presente estudio se ha obtenido en la unidad productivaaproximadamente un total de un millón ochocientos setenta y ocho mil doscientostres (1´878.203) litros de leche, de los cuales el 39,9% es decir 749.496 litros deleche en el periodo 1995 – 2001 y el 60,1% correspondiente a 1´128.706 litros deleche para el periodo comprendido entre 2002 – 2007. El ARIMA para el indicadorde producción láctea mensual, muestra el impacto de la inclusion de la estrategiade pastoreo rotacional en cuyo cambio de nivel fue en febrero de 2000 con unaumento de 4.694 litros/mes y como respuesta al plan de partos estacionales elimpacto positivo fue en abril de 2004 con 3.506 litros de leche por mes; siendo quela inclusión de la rotación de praderas ocurrió en 1997 y el plan de partosestacionales se estableció en 2002. Demostrando así que la ocurrencia de loscambios no es inmediata, o no ocurre en el corto plazo, pero que es una estrategiaque se puede adoptar en un sistema de producción lechera ya que trae con suimplementación una aumento en la produccón y un mejor aprovechamiento derecurso forrajero bajo las condiciones existentes en la región.El ARIMA para el indicador producción láctea mensual por hectárea, cuyoscambios de nivel ocurrieron en igual fecha que en el indicador de producciónláctea mensual (febrero de 2000 y abril de 2004) con impactos de 391 litros/ ha/mes y de 291.6 litros/ ha/ mes; fue útil para explicar los impactos positivos en loscambios de nivel en las fechas mencionadas, en respuesta a las mejoras entérminos de la variable estrategias de alimentación gracias a la producción deforraje bajo sistema rotacional así como la sincronía entre las altas demandas denutrientes de las vacas en producción y la mayor producción de forraje deexcelente calidad. Este fenómeno también es observado en el ARIMA delindicador promedio de leche por vaca en donde el cambio de nivel del sistemacon partos todo el año fue antes que los cambios en los otros indicadores(producción láctea mensual y mensual por hectárea), ocurriendo en octubre de1999 con impacto positivo de 2,44 litros de leche/ vaca/ día. El cambio de nivel enel sistema con partos estacionales bimodales ocurrió en abril de 2004 con unimpacto positivo de 1,2 litros de leche/ vaca/ día.Para los indicadores de la variable reproductiva denominados intervalo partoprimerservicio, intervalo parto- concepción, e intervalo entre partos (IEP), elARIMA no reporta cambios de nivel, sin que esto signifique la incapacidad deevaluar los cambios a lo largo del desarrollo del sistema. Sino que permite concluirque las variaciones no tienen grandes impactos como para generar cambios denivel, pero si pulsos que la mayoría de los casos son manifestaciones aisladas deeventos que no alteran el patrón de comportamiento de cada indicador. Lo anteriorse ratifica con las pequeñas variaciones que sufrieron los promedios generales delos indicadores de la variable reproductiva, en donde: Para el intervalo partoprimerservicio tuvo 98 y 100 días para los periodos I (1995-2001) y II (2002-2007)respectivamente. Para el indicador definido intervalo parto – concepción los díaspara los periodos I y II fueron de 111 y 134 respectivamente. Y en el caso delindicador intervalo entre partos los promedios fueron de 404 días para el sistema102

con partos estacionales bimodales y 402 días para el sistema con los partos todoel año.En la variable de población el comportamiento de la herramienta de serie temporalinterrumpida o ARIMA, muestra adecuadamente el comportamiento de los gruposde animales al interior del sistema en donde para el indicador de novillas devientre encontró un cambio de nivel en el periodo entre 2002-2007 cuyo impactonegativo (-7,9 animales), revela que para el sistema con partos estacionales laherramienta de dinámica de población se constituye en una ayuda importante a lahora de establecer las cantidades necesarias en cada grupo de edad. Otroimpacto negativo (-13,5 animales) ocurrió en el indicador de vacas en producción,pero en el sistema de partos todo el año (1995-2001), exactamente en mayo de1997, en donde ocurrió un proceso de selección y descarte de animales que no seadecuaran a los criterios de selección planeados por el sistema para el futuroproductivo.103

6. RECOMENDACIONESSe recomienda el uso de biotecnologías de la reproducción como la IATF al iniciode las temporadas de servicios, con el propósito de mejorar variables como elintervalo parto primer servicio y parto concepción; facilitando así, la selección delos animales denominados cabeza de parición. Este indicador permite decisionesmas acertadas sobre los animales que no se ajusten al ritmo de producción de lossistemas de lechería con partos estacionales.Se recomienda realizar estudios sobre el impacto de las condiciones del mercadocolombiano y la capacidad de los sistemas de producción de lecheríaespecializada con partos estacionales para afrontar los retos económicos que segeneran; y compararlos con la capacidad de respuesta de sistemas de lecheríacon partos durante todo el año, frente a los mismos retos. Determinando loscostos de producción de cada tipo de lechería especializada, así como laeficiencia de los mismos en el aprovechamiento adecuado de los recursosnaturales.Se recomienda evaluar la pertinencia de modelos de producción basados enpartos estacionales para otros tipos de sistemas de producción bovina como elcaso de ganadería de cría, o sistemas de doble propósito; debido a la existenciade los mismos en el territorio nacional, además de entender las diferenciasambientales de las distintas zonas de producción del país y su impacto sobre eltipo de plan de partos estacionales o repartidos que sea más conveniente.104

BIBLIOGRAFÍAAdkinson, W., Hay, G. and Ortego A, 2005 Using Knowledge of Seasonal Effectsupon Louisiana Dairy Cows in Management Decisions. Enhttp://www.lsuagcenter.com/NR/rdonlyres/186EE6E3-5E06-42DC-92C4-D698DBA6FF1D/9058/seasonalcalving.pdf Consulta Septiembre 2006Álvarez H, L. Dichio., M. Pece., C. Cangiano., V. Jankovic., J. Galli. 2007.¿Más litros por vaca o más litros por hectárea? En: Sitio Argentino de ProducciónAnimal. Marzo de 2007 on line http://www.produccionbovina.com/ ConsultaAgosto 2007Amado, G. 2007. Conferencia sobre las ventajas del establecimiento de sistemassilvopastoriles en pequeñas explotaciones lecheras del trópico de altura En:Sistemas silvopastoriles en el trópico de altura manejo integral autosostenible.Revista Agricultura de las Américas. Editores Medios & Medios Edición 367Septiembre de 2007 pp. 34 - 41.Annis, D. J., R. E. Erb, and W. R. Winters.1959. Influence of month and seasonof calving on yields of milk and fat. Washington Agr. Exp. Sta. Bull., 606. Citadospor Wunder, W.W. y L.D. Mogilliard 1971. Seasons of Calving: Age, Management,and Genetic Differences for Milk, Dairy Department, Michigan State University EnJournal of Dairy Science Vol. 54, Nº. 11 pp 1652-1661Bernal, J. 1994. Pastos y Forrajes Tropicales. Bogotá Banco Ganadero. Terceraedición. 575pBox y Jenkins. 1970 Citado por Vallejo, G. 1996. Diseño de Series TemporalesInterrumpidas. Editorial Ariel S.A. Barcelona. 230 pBox y Tiao. 1965 Citado por Vallejo, G. 1996. Diseño de Series TemporalesInterrumpidas. Editorial Ariel S.A. Barcelona. 230 pBhattacharya y Warner, 1986 citados por Raggi, L A. 1988. Regulación delconsumo voluntario de alimentos en rumiantes. Monografías de MedicinaVeterinaria, Vol.10 (2), diciembre 1988. On linehttp://www.monografiasveterinaria.uchile.cl/CDA/mon_vet_seccion/0,1419,SCID%253D17816%2526ISID%253D434,00.html Consulta Septiembre 2007Campbell. 1963. Citado por Vallejo, G. 1996. Diseño de Series TemporalesInterrumpidas. Editorial Ariel S.A. Barcelona. 230 p105

Campbell y Stanley. 1963. Citado por Vallejo, G. 1996. Diseño de SeriesTemporales Interrumpidas. Editorial Ariel S.A. Barcelona. 230 pCardona, J. 2002. La Amonificacion y los Bloques Multinutricionales comoEstrategia para las Épocas Secas. En Revista Pardo Suizo N. 63. 7pCheckland P. 2000. Pensamiento de Sistemas, Práctica de Sistemas. Limusa,Noriega Editores. México D.F.Cuesta P. 2004. Manejo De Praderas En Colombia- Estado Actual Y ProyecciónDe La Investigación En Primera Reunión de la Red Temática de RecursosForrajeros, Junio 2004, C.I. TibaitataCurtis H., N. S. Barnes., A. Slcheck., G. Flores. 2000. Biología 6ºEdición enEspañol + CD ROM., link: Sección 2 Los seres vivos y la energía; Capitulo 9Fotosintesis, luz y vida; Etapas de la fotosíntesis y Reacciones de fijación decarbono. Consulta Agosto 2007Curtis H., N. S. Barnes., A. Slcheck., G. Flores. 2000. Biología 6ºEdición enEspañol + CD ROM., link: Sección 7 Biología de los animales; Capitulo 43Homeostasis I : Excreción y balance de agua. Consulta Agosto 2007Dairy Exporter 2002. Seasonal Calving gives NZ edge Enhttp://www.dexcel.co.nz/data/usr/1002_084.pdf. pp 84 Consulta: Febrero 2007Departamento Nacional de Estadística, DANE, 2006. Datos de PoblaciónAjustada En http://www.dane.gov.co/files/ censo2005/datos_población.pdf pp2Consulta: Noviembre 2006Departamento de Agricultura de los Estados Unidos, USDA, 2005. Intiative forFuture Agricultural and Food Systems (IFAFS)., Regional multistate interpretationof small farm financial data from the fourth year report on 2003 Great Lakesgrazing network grazing dairy data April 2005. Enhttp//cdp.wisc.edu/pdf/gignfactsheet4_yr4.pdf#search=%22seasonal%22calvingConsulta Septiembre 2006Departamento de Impuestos y Aduanas Nacionales DIAN, Citado porObservatorio Agrocadenas Colombia. 2007. Observatorio de competitividad,modulo de inteligencia de mercados, perfil de mercado Comunidad Andina deNaciones CAN p.10;Departamento Nacional de Estadística DANE, 2006. Citado Por ObservatorioAgrocadenas Colombia, 2006. Tercer Informe de Coyuntura 2006 Leche.106

Ministerio de Agricultura y Desarrollo Rural Observatorio de AgrocadenasColombia e Instituto Interamericano de Cooperación para la Agricultura (IICA)oficina en Colombia. 12 p.Edmonson, A.J.; Lean, I.J.; Weaver, L.D.; Farver, T. y Webster, G. 1989. Abody condition scoring chart for Holstein Dairy cows. En: Journal of Dairy Science72:68-78.Escobar, H y V. Cuartas, 1996. Diccionario Económico Financiero. EditorialPuntos Suspensivos. Santa fe de Bogota, D.C. pp. 200, 208Farin P. W., B. D. Slenninq, M. T. Correa, and J. H. Britt, 1994. Effects ofCalving Season and Milk Yield on Pregnancy Risk and Income in North CarolinaHolstein Cows. En Journal Dairy Science http.//jds.fass.org/cgi/reprint/77/7/1848?Maxtoshow=&HITS=10&hits=10& RESULTFORMA7=&fulltext=seasonal+calving&andorexactfulltext=and&searchid=1&FIRSTINDEX=0&sortspec=relevante&resourcetype=HWCIT. Consulta Octubre 2006Federación Nacional de Ganaderos FEDEGAN, Consejo Nacional Lácteo,2006. Citados por Observatorio Agrocadenas Colombia. 2006a. Segundo Informede Coyuntura Leche. Observatorio Agrocadenas Colombia, Secretaria Técnica delConsejo Nacional de la Leche En: Ministerio de Agricultura y desarrollo RuralObservatorio de Agrocadenas Colombia. 35p.Fernández C. 2005. Pastoreo Racional Voisin En: http://www.produccionbovina.com/ link: Sistemas de pastoreo; Manejo Nº 6 html. Consulta Agosto 2007Forgey, D. 1998. The Why's and How's of Seasonal Dairying Enhttp://www.ibiblio.org/farming-connection/grazing/forgey/whynhow.htm ConsultaAbril 2007Gallego, M. I. 1994. Manejo del problema reproductivo en ganado de leche.Instituto Colombiano Agropecuario ICA- Deutsche Gesellschaft fuer TechnischeZusammenarbeit GTZ. Proyecto colombo- alemán “Introducción de un sistema deasistencia técnica agropecuaria”. Santafé de Bogotá D.C. 160pGonzález, H. 2005. Bases Técnicas para la Producción de Leche en Praderas.En: Universidad de Chile Facultad de Ciencias Agronómicas.http://agronomia.uchile.cl/departamentos/prodagricola/extensiondoc/hgonzalez.docConsulta: Octubre 2006.Granados J.C. 2003. Revisión Bibliográfica (Pennisetum clandestinum). Trabajopresentado durante la especialización de sistemas de producción UDCA.107

Groover, G. 2000. The Income Side of Seasonal vs. Year-Round Pasture basedMilk Production En: Dairy Science. Journal Virginia Polytechnic Institute and StateUniversity. Publication 404-113Instituto de Hidrología Meteorología y de Estudios Ambientales IDEAM.1999. Sistema de Información Nacional Ambiental. Reportes regional 06 Boyacá-Casanare, series históricas de las estaciones: 2403530 San Cristóbal y 2403504La copa.Instituto de Hidrología Meteorología y de Estudios Ambientales IDEAM. 2001Citado por Vela, J. F. y M. Vargas. 2004. Informe Investigación. Proyecto:Determinación tasa de crecimiento de forrajes en trópico alto colombiano paraproducción de lecheInstituto Geográfico Agustín Codazzi IGAC 1997. Atlas de Colombia. Versiónmultimedial. Citado por Vela, J. F. y M. Vargas. 2004. Informe Investigación.Proyecto: Determinación tasa de crecimiento de forrajes en trópico altocolombiano para producción de leche.Little, S. 2004. Choosing a calving system for your farm. 19 p. En: Incalf TowardsBetter Herd Fertility. http://www.incalf.com.au/mediaLibrary/ files/ Calvingsystem_conference papers/InCalf_paper_1.pdf. Consulta: Septiembre 2006Martin, J. y Jiménez R. 2000. Impactos Observados al establecer un sistema detres ordeños en ganaderías bovinas ubicadas en Antioquia y Tolima. Trabajo degrado (Zootecnista). Universidad Agraria de Colombia. Uniagraria. Facultad deZootecniaMendoza P. E. 1992. Manejo de praderas en Colombia. En: Pastos y forrajes paraColombia. Suplemento ganadero. 3 ed p. 54-58. Citado por Ramírez L.M., GarcíaI.I. (s.f.) Renovación de pasturas degradadas de kikuyo Pennisetum clandestinum,Hoechst, con labranza mínima en una región alto andina de Colombia I.Productividad forrajera. En Acta Agronómica, Vol. 53, No 3 (2004) Consulta Abril2007Mendoza R. y F. Mohar. 2001. Metabolismo animal. EDIUDCA, Universidad deCiencias Aplicadas y Ambientales Departamento de extensión Bogotá Colombia453pMila A. 2005. Compendio de Pastos y Forrajes Vol. 1, Colombia, Almi edicionespp. 95,96Miller D. P. G. D. Schnitkey. 1994. Capitulo 10: Economic Patterns and LaborUtilization. En: Zartman D. L. (Eds). Intensive Grazing/ Seasonal Dairying theMahoning Country Dairy Program. En: The Ohio State. Department of Dairy108

Science. Bulletin. http://ohioline.osu.edu/rb1190/index.html. Consulta: Noviembre2006.Molinuevo H. A. 2002. Ajuste entre el potencial genético-productivo y el sistemade producción lechera. En http://www.portalveterinaria.com /modules.php?name=Articles&file=article&sid=92 Consulta: Diciembre 2006Montealegre, F. 2008 Profesor asociado. Universidad Nacional curso básico demeteorología y climatología - Sede Palmira En:http://www.virtual.unal.edu.co/cursos/sedes/palmira/5000134/index.html ConsultaSeptiembre de 2008Morales, F., R. W. Blake, T. L. Stanton, And M. V. Hahn. 1989. Effects of Age,Parity, Season of Calving, and Sire on Milk Yield of Carora Cows in Venezuela.Department of Animal Science Cornell University En: Journal of Dairy Science Vol.72, No. 8, pp. 2161-2169Muñoz, A., y T, Czernichow. (s.f.) Predicción de series temporales no linealescon el modelo NARMAX En: Anales de Mecánica y Electricidad .En http://www.icai.es/contenidos/publicaciones/anales_get.php?id=1118.pdf. Consulta:Octubre 2006Observatorio Agrocadenas Colombia. 2006, Tercer Informe de Coyuntura 2006Leche. Ministerio de Agricultura y Desarrollo Rural Observatorio de AgrocadenasColombia e Instituto Interamericano de Cooperación para la Agricultura (IICA)oficina en Colombia. 12 p.Observatorio Agrocadenas Colombia. 2006a. Segundo Informe de CoyunturaLeche. Observatorio Agrocadenas Colombia, Secretaria Técnica del ConsejoNacional de la Leche. En: Ministerio de Agricultura y desarrollo Rural Observatoriode Agrocadenas Colombia. 35pObservatorio Agrocadenas Colombia. 2006b. Cuarto Informe de CoyunturaLeche. Observatorio Agrocadenas Colombia, Secretaria Técnica del ConsejoNacional de la Leche En: Ministerio de Agricultura y desarrollo Rural Observatoriode Agrocadenas Colombia. 10p.Observatorio Agrocadenas Colombia. 2007. Observatorio de competitividad,modulo de inteligencia de mercados, perfil de mercado Comunidad Andina deNaciones CAN. 25p.Olori, V. E.; T. H. E. Meuwissen and R. F. Veerkamp, 2002. Calving Interval andSurvival Breeding Values as Measure of Cow Fertility in a Pasture-BasedProduction System with Seasonal Calving. Journal Dairy Science (85) 689–696.109

Organización de las Naciones Unidas para la Agricultura y la Alimentación.FAO, 2006. Citado por: Observatorio Agrocadenas Colombia enhttp://www.agrocadenas.gov.co/lacteos/reportes/fao_01_0882_ produccion. pdf.Consulta Septiembre de 2006Palen, G. 1999. The Mechanics of Seasonal Fertility in pasture-grazed dairy cows.En: Michigan Livestock Service, Inc http://www.palen.serveftp.net /mechanic_of_seasonal_fertility_htm. Consulta: Septiembre 2006Pedhazur y Schmelkin. Citados por Vallejo, G. 1996. Diseño de SeriesTemporales Interrumpidas. Editorial Ariel S.A. Barcelona. 230 pPorter, M. 1991 La Ventaja Competitiva de las Naciones. Vergara Editores.Buenos Aires, Argentina.Raggi, L A. 1988. Regulación del consumo voluntario de alimentos en rumiantes.Monografías de Medicina Veterinaria, Vol.10 (2), diciembre 1988. On linehttp://www.monografiasveterinaria.uchile.cl/CDA/mon_vet_seccion/0,1419,SCID%253D17816%2526ISID%253D434,00.html Consulta Septiembre 2007Ramirez, L. 2005 Profesora Asociada Departamento de Informática yComputación, Facultad de Ciencias y Administración Universidad Nacional deColombia – Sede Manizales En: http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060001/index.html Consulta: Septiembre de 2007San Miguel A. 2003 Apuntes de Pastoreo Departamento de Silvopascicultura.Universidad Politécnica de Madrid. España En.http//www.montes.upm.es/Deptos/DeptoSilvopascicultura/SanMiguel/pdfs/apuntes/APUNTE PASTOREO.pdf. Consulta: Octubre de 2006Seré C., Steinfeld H. 1995 World Livestock Production Systems. FAO AnimalProduction and Helath Paper. LEAD Publication. Citado por Vela, J. F. y M.Vargas. 2004. Informe Investigación. Proyecto: Determinación tasa de crecimientode forrajes en trópico alto colombiano para producción de lecheSterman, J.D. 2000. Business Dynamics: Systems Thinking and Modelling for aComplex World. Irwin McGrawHill.Sundaresan, D., and A. E. Freeman. 1961. Variation in milk fat production instateowned herds in Iowa. J. Dairy Sci., 44: 151. Citado por Wunder, W.W. y L.D.Mogilliard 1971. Seasons of Calving: Age, Management, and Genetic Differencesfor Milk, Dairy Department, Michigan State University En Journal of Dairy ScienceVol. 54, Nº. 11 pp 1652-1661110

Thomas 1974. Citado por Sterman, J.D. 2000. Business Dynamics: SystemsThinking and Modelling for a Complex World. Irwin McGrawHill.Vallejo, G. 1996. Diseño de Series Temporales Interrumpidas. Editorial Ariel S.A.Barcelona. 230 pVela, J. F. 2003. Dinámica de Población una herramienta metodológica para laestimación de la población animal en sistemas de producción bovina. Apuntes deClase cátedra de sistemas de producción animal, Universidad de CienciasAplicadas y Ambientales UDCA. Medicina Veterinaria y Zootecnia M.V.Z.Vela, J. F. 2007. Entrevista personal. Universidad de la Salle. Santa fe de BogotáD.C. Agosto de 2007Vela, J. F. y M. Vargas. 2004. Informe Investigación. Proyecto: Determinacióntasa de crecimiento de forrajes en trópico alto colombiano para producción deleche.Voisin. 1959 Citado por Mila A. 2005. Compendio de Pastos y Forrajes Vol. 1,Colombia, Almi ediciones pp. 95,96Wunder, W.W. y L.D. Mogilliard 1971. Seasons of Calving: Age, Management,and Genetic Differences for Milk, Dairy Department, Michigan State University EnJournal of Dairy Science Vol. 54, Nº. 11 pp 1652-1661Zartman, D.L. 1994. Intensive Grazing/Seasonal Dairying: The Mahoning CountyDairy Program 1987-1991, Department of Dairy Science Ohio AgriculturalResearch and Development Center. , The Ohio State University. Bulletin No. 170-93. supporting regional project NC-119. Wooster, Ohio111

ANEXOSAnexo A. Tabla de nacimientos mensuales La Cañada entre 1995- 2007Tabla 18. Promedio de Nacimientos Mensuales La Cañada 1995-2007Hacienda La Cañada Promedio de Nacimientos Mensuales 1995-2007MESES 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Tot/mesEnero 0 3 3 2 1 2 2 4 0 0 0 0 0 17Febrero 1 2 3 0 3 5 5 1 6 0 5 3 7 41Marzo 2 1 2 2 0 6 4 1 3 10 9 9 14 63Abril 0 2 2 0 3 3 3 4 3 10 7 3 2 42Mayo 2 1 4 4 4 7 11 2 0 5 1 5 1 47Junio 1 6 4 2 2 3 5 2 2 0 2 0 0 29Julio 3 4 0 3 5 1 6 2 2 0 3 0 0 29Agosto 2 2 2 0 0 3 2 1 13 13 6 9 0 53Septiembre 1 2 0 2 6 4 0 3 1 4 2 10 8 43Octubre 4 2 2 2 7 2 7 5 4 2 5 5 3 50Noviembre 8 4 1 1 4 7 4 6 1 0 0 1 0 37Diciembre 3 8 6 6 3 7 2 4 2 1 0 0 1 43Total/año 27 37 29 24 38 50 51 35 37 45 40 45 36Fuente: Datos provenientes de la base de datos del programa de sistematización de hatos.Los Autores112

Anexo B Graficas de los nacimientos mensuales cada uno de los años delpresente estudio (1995-2007).113

Anexo B Continuación Graficas de los nacimientos mensuales cada uno de los años del presente estudio(1995-2007).114

Anexo B. Continuación. Graficas de los nacimientos mensuales cada uno de los años del presente estudio(1995-2007).115

Anexo B. Continuación. Graficas de los nacimientos mensuales cada uno delos años del presente estudio (1995-2007).116

Anexo C. Distribución de los nacimientos mensuales de La Cañada entre 2002– 2007 con el sistema de partos estacionales bimodalesTabla 19. Promedio de Nacimientos Mensuales La Cañada entre 2002 -2007Promedio de Nacimientos Mensuales de La Cañada entre 2002-2007MESES 2002 2003 2004 2005 2006 2007 Total/mesEnero 4 0 0 0 0 0 4Febrero 1 6 0 5 3 7 22Marzo 1 3 10 9 9 14 46Abril 4 3 10 7 3 2 29Mayo 2 0 5 1 5 1 14Junio 2 2 0 2 0 0 6Julio 2 2 0 3 0 0 7Agosto 1 13 13 6 9 0 42Septiembre 3 1 4 2 10 8 28Octubre 5 4 2 5 5 3 24Noviembre 6 1 0 0 1 0 8Diciembre 4 2 1 0 0 1 8Total/año 35 37 45 40 45 36Esta Tabla 16; muestra la concentración de los nacimientos (gris), en donde entérminos generales se observa las variaciones en cada año producto delproceso de ajuste del calendario productivo en la ocurrencia de losnacimientos, permitiendo asegurar que en el año calendario, la primertemporada de partos se extiende desde febrero hasta abril y la segunda ocurredurante los meses de agosto a octubre.117

Anexo D. Resumen estadístico del ARIMA para el indicador nacimientosSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = Nacimientos: NEWLY IDENTIFIED VARIABLE X1 = I~S00103 2003/ 8 SEASP: NEWLY IDENTIFIED VARIABLE X2 = I~P00146 2007/ 3 PULSE: NEWLY IDENTIFIED VARIABLE X3 = I~S00110 2004/ 3 SEASP: NEWLY IDENTIFIED VARIABLE X4 = I~P00151 2007/ 8 PULSE: NEWLY IDENTIFIED VARIABLE X5 = I~P00140 2006/ 9 PULSE: NEWLY IDENTIFIED VARIABLE X6 = I~P00111 2004/ 4 PULSE: NEWLY IDENTIFIED VARIABLE X7 = I~P00076 2001/ 5 PULSE: NEWLY IDENTIFIED VARIABLE X8 = I~P00152 2007/ 9 PULSE: NEWLY IDENTIFIED VARIABLE X9 = I~S00081 2001/ 10 SEASP: NEWLY IDENTIFIED VARIABLE 10 = I~P00145 2007/ 2 PULSE: NEWLY IDENTIFIED VARIABLE 11 = I~P00123 2005/ 4 PULSEMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 154Number of Degrees of Freedom =n-m 141Residual Mean =Sum R / n -.234160E-10Sum of Squares =Sum R**2 568.231Variance var=SOS/(n) 3.68981Adjusted Variance =SOS/(n-m) 4.03001Standard Deviation =SQRT(Adj Var) 2.00749Standard Error of the Mean =Standard Dev/ .169061Mean / its Standard Error =Mean/SEM -.138506E-09Mean Absolute Deviation =Sum(ABS(R))/n 1.49996AIC Value ( Uses var ) =nln +2m 227.059SBC Value ( Uses var ) =nln +m*lnn 266.539BIC Value ( Uses var ) =see Wei p153 -483.657R Square = .566083Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 2.00291D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 2.04 .262 .0000 7.792 Autoregressive-Factor # 1 1 .161 .811E-01 .0489 1.99INPUT SERIES X1 I~S00103 2003/ 8SEASP3 Omega (input) -Factor # 2 0 8.02 .967 .0000 8.29118

INPUT SERIES X2 I~P00146 2007/ 3PULSE4 Omega (input) -Factor # 3 0 4.88 2.22 .0294 2.20INPUT SERIES X3 I~S00110 2004/ 3 SEASP5 Omega (input) -Factor # 4 0 6.82 1.11 .0000 6.12INPUT SERIES X4 I~P00151 2007/ 8 PULSE6 Omega (input) -Factor # 5 0 -10.0 2.15 .0000 -4.67INPUT SERIES X5 I~P00140 2006/ 9 PULSE7 Omega (input) -Factor # 6 0 7.73 1.92 .0001 4.03INPUT SERIES X6 I~P00111 2004/ 4 PULSE8 Omega (input) -Factor # 7 0 7.04 1.91 .0003 3.69INPUT SERIES X7 I~P00076 2001/ 5 PULSE9 Omega (input) -Factor # 8 0 8.07 1.90 .0000 4.25INPUT SERIES X8 I~P00152 2007/ 9 PULSE10 Omega (input) -Factor # 9 0 5.88 1.93 .0028 3.04INPUT SERIES X9 I~S00081 2001/ 10 SEASP11 Omega (input) -Factor #10 0 2.17 .734 .0037 2.95INPUT SERIES X10 I~P00145 2007/ 2 PULSE12 Omega (input) -Factor #11 0 4.97 1.94 .0114 2.56INPUT SERIES X11 I~P00123 2005/ 4 PULSE13 Omega (input) -Factor #12 0 4.83 1.91 .0126 2.53Y(T) = 2.4356+[X1(T)][(+ 8.0192 )]+[X2(T)][(+ 4.8776 )]+[X3(T)][(+ 6.8186 )]+[X4(T)][(- 10.0220 )]+[X5(T)][(+ 7.7303 )]+[X6(T)][(+ 7.0445 )]+[X7(T)][(+ 8.0730 )]+[X8(T)][(+ 5.8839 )]+[X9(T)][(+ 2.1660 )]+[X10(T)[(+ 4.9677 )]+[X11(T)[(+ 4.8298 )]+ [(1- .161B** 1)]**-1 [A(T)]Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 2 1.00000 1.0000 NA NA NA2 1995/ 3 1.00000 2.0000 2.2043 -.204 -10.213 1995/ 4 1.00000 .00000 2.3654 -2.374 1995/ 5 1.00000 2.0000 2.0431 -.431E-01 -2.165 1995/ 6 1.00000 1.0000 2.3654 -1.37 -136.546 1995/ 7 1.00000 3.0000 2.2043 .796 26.527 1995/ 8 1.00000 2.0000 2.5266 -.527 -26.338 1995/ 9 1.00000 1.0000 2.3654 -1.37 -136.549 1995/ 10 1.00000 4.0000 2.2043 1.80 44.8910 1995/ 11 1.00000 8.0000 2.6877 5.31 66.4011 1995/ 12 1.00000 3.0000 3.3323 -.332 -11.0812 1996/ 1 1.00000 3.0000 2.5266 .473 15.7813 1996/ 2 1.00000 2.0000 2.5266 -.527 -26.33119

14 1996/ 3 1.00000 1.0000 2.3654 -1.37 -136.5415 1996/ 4 1.00000 2.0000 2.2043 -.204 -10.2116 1996/ 5 1.00000 1.0000 2.3654 -1.37 -136.5417 1996/ 6 1.00000 6.0000 2.2043 3.80 63.2618 1996/ 7 1.00000 4.0000 3.0100 .990 24.7519 1996/ 8 1.00000 2.0000 2.6877 -.688 -34.3920 1996/ 9 1.00000 2.0000 2.3654 -.365 -18.2721 1996/ 10 1.00000 2.0000 2.3654 -.365 -18.2722 1996/ 11 1.00000 4.0000 2.3654 1.63 40.8623 1996/ 12 1.00000 8.0000 2.6877 5.31 66.4024 1997/ 1 1.00000 3.0000 3.3323 -.332 -11.0825 1997/ 2 1.00000 3.0000 2.5266 .473 15.7826 1997/ 3 1.00000 2.0000 2.5266 -.527 -26.3327 1997/ 4 1.00000 2.0000 2.3654 -.365 -18.2728 1997/ 5 1.00000 4.0000 2.3654 1.63 40.8629 1997/ 6 1.00000 4.0000 2.6877 1.31 32.8130 1997/ 7 1.00000 .00000 2.6877 -2.6931 1997/ 8 1.00000 2.0000 2.0431 -.431E-01 -2.1632 1997/ 9 1.00000 .00000 2.3654 -2.3733 1997/ 10 1.00000 2.0000 2.0431 -.431E-01 -2.1634 1997/ 11 1.00000 1.0000 2.3654 -1.37 -136.5435 1997/ 12 1.00000 6.0000 2.2043 3.80 63.2636 1998/ 1 1.00000 2.0000 3.0100 -1.01 -50.5037 1998/ 2 1.00000 .00000 2.3654 -2.3738 1998/ 3 1.00000 2.0000 2.0431 -.431E-01 -2.1639 1998/ 4 1.00000 .00000 2.3654 -2.3740 1998/ 5 1.00000 4.0000 2.0431 1.96 48.9241 1998/ 6 1.00000 2.0000 2.6877 -.688 -34.3942 1998/ 7 1.00000 3.0000 2.3654 .635 21.1543 1998/ 8 1.00000 .00000 2.5266 -2.5344 1998/ 9 1.00000 2.0000 2.0431 -.431E-01 -2.1645 1998/ 10 1.00000 2.0000 2.3654 -.365 -18.2746 1998/ 11 1.00000 1.0000 2.3654 -1.37 -136.5447 1998/ 12 1.00000 6.0000 2.2043 3.80 63.2648 1999/ 1 1.00000 1.0000 3.0100 -2.01 -201.0049 1999/ 2 1.00000 3.0000 2.2043 .796 26.5250 1999/ 3 1.00000 .00000 2.5266 -2.5351 1999/ 4 1.00000 3.0000 2.0431 .957 31.9052 1999/ 5 1.00000 4.0000 2.5266 1.47 36.8453 1999/ 6 1.00000 2.0000 2.6877 -.688 -34.3954 1999/ 7 1.00000 5.0000 2.3654 2.63 52.6955 1999/ 8 1.00000 .00000 2.8489 -2.8556 1999/ 9 1.00000 6.0000 2.0431 3.96 65.9557 1999/ 10 1.00000 6.0000 3.0100 2.99 49.8358 1999/ 11 1.00000 4.0000 3.0100 .990 24.7559 1999/ 12 1.00000 3.0000 2.6877 .312 10.4160 2000/ 1 1.00000 2.0000 2.5266 -.527 -26.3361 2000/ 2 1.00000 5.0000 2.3654 2.63 52.6962 2000/ 3 1.00000 6.0000 2.8489 3.15 52.5263 2000/ 4 1.00000 3.0000 3.0100 -.100E-01 -.3364 2000/ 5 1.00000 7.0000 2.5266 4.47 63.9165 2000/ 6 1.00000 3.0000 3.1712 -.171 -5.7166 2000/ 7 1.00000 1.0000 2.5266 -1.53 -152.6667 2000/ 8 1.00000 3.0000 2.2043 .796 26.5268 2000/ 9 1.00000 4.0000 2.5266 1.47 36.8469 2000/ 10 1.00000 2.0000 2.6877 -.688 -34.3970 2000/ 11 1.00000 7.0000 2.3654 4.63 66.2171 2000/ 12 1.00000 7.0000 3.1712 3.83 54.7072 2001/ 1 1.00000 2.0000 3.1712 -1.17 -58.5673 2001/ 2 1.00000 5.0000 2.3654 2.63 52.6974 2001/ 3 1.00000 4.0000 2.8489 1.15 28.7875 2001/ 4 1.00000 3.0000 2.6877 .312 10.4176 2001/ 5 1.00000 11.000 10.600 .400 3.6477 2001/ 6 1.00000 5.0000 2.5148 2.49 49.7078 2001/ 7 1.00000 6.0000 2.8489 3.15 52.5279 2001/ 8 1.00000 2.0000 3.0100 -1.01 -50.5080 2001/ 9 1.00000 .00000 2.3654 -2.3781 2001/ 10 1.00000 7.0000 4.2091 2.79 39.87120

82 2001/ 11 1.00000 4.0000 2.8221 1.18 29.4583 2001/ 12 1.00000 2.0000 2.6877 -.688 -34.3984 2002/ 1 1.00000 4.0000 2.3654 1.63 40.8685 2002/ 2 1.00000 1.0000 2.6877 -1.69 -168.7786 2002/ 3 1.00000 1.0000 2.2043 -1.20 -120.4387 2002/ 4 1.00000 4.0000 2.2043 1.80 44.8988 2002/ 5 1.00000 2.0000 2.6877 -.688 -34.3989 2002/ 6 1.00000 2.0000 2.3654 -.365 -18.2790 2002/ 7 1.00000 2.0000 2.3654 -.365 -18.2791 2002/ 8 1.00000 1.0000 2.3654 -1.37 -136.5492 2002/ 9 1.00000 3.0000 2.2043 .796 26.5293 2002/ 10 1.00000 5.0000 4.6926 .307 6.1594 2002/ 11 1.00000 6.0000 2.4998 3.50 58.3495 2002/ 12 1.00000 4.0000 3.0100 .990 24.7596 2003/ 1 1.00000 .00000 2.6877 -2.6997 2003/ 2 1.00000 6.0000 2.0431 3.96 65.9598 2003/ 3 1.00000 3.0000 3.0100 -.100E-01 -.3399 2003/ 4 1.00000 2.0000 2.5266 -.527 -26.33100 2003/ 5 1.00000 .00000 2.3654 -2.37101 2003/ 6 1.00000 2.0000 2.0431 -.431E-01 -2.16102 2003/ 7 1.00000 2.0000 2.3654 -.365 -18.27103 2003/ 8 1.00000 13.000 10.385 2.62 20.12104 2003/ 9 1.00000 1.0000 2.8458 -1.85 -184.58105 2003/ 10 1.00000 4.0000 4.3703 -.370 -9.26106 2003/ 11 1.00000 1.0000 2.3386 -1.34 -133.86107 2003/ 12 1.00000 2.0000 2.2043 -.204 -10.21108 2004/ 1 1.00000 .00000 2.3654 -2.37109 2004/ 2 1.00000 .00000 2.0431 -2.04110 2004/ 3 1.00000 10.000 8.8617 1.14 11.38111 2004/ 4 1.00000 10.000 9.6002 .400 4.00112 2004/ 5 1.00000 5.0000 2.5194 2.48 49.61113 2004/ 6 1.00000 .00000 2.8489 -2.85114 2004/ 7 1.00000 .00000 2.0431 -2.04115 2004/ 8 1.00000 13.000 10.062 2.94 22.60116 2004/ 9 1.00000 4.0000 2.8458 1.15 28.86117 2004/ 10 1.00000 2.0000 4.8537 -2.85 -142.69118 2004/ 11 1.00000 .00000 2.0163 -2.02119 2004/ 12 1.00000 1.0000 2.0431 -1.04 -104.31120 2005/ 1 1.00000 .00000 2.2043 -2.20121 2005/ 2 1.00000 5.0000 2.0431 2.96 59.14122 2005/ 3 1.00000 9.0000 9.6674 -.667 -7.42123 2005/ 4 1.00000 7.0000 7.2245 -.224 -3.21124 2005/ 5 1.00000 1.0000 2.3928 -1.39 -139.28125 2005/ 6 1.00000 2.0000 2.2043 -.204 -10.21126 2005/ 7 1.00000 3.0000 2.3654 .635 21.15127 2005/ 8 1.00000 6.0000 10.546 -4.55 -75.76128 2005/ 9 1.00000 2.0000 1.7177 .282 14.11129 2005/ 10 1.00000 5.0000 4.5314 .469 9.37130 2005/ 11 1.00000 .00000 2.4998 -2.50131 2005/ 12 1.00000 .00000 2.0431 -2.04132 2006/ 1 1.00000 .00000 2.0431 -2.04133 2006/ 2 1.00000 3.0000 2.0431 .957 31.90134 2006/ 3 1.00000 9.0000 9.3451 -.345 -3.83135 2006/ 4 1.00000 3.0000 2.3946 .605 20.18136 2006/ 5 1.00000 5.0000 2.5266 2.47 49.47137 2006/ 6 1.00000 .00000 2.8489 -2.85138 2006/ 7 1.00000 .00000 2.0431 -2.04139 2006/ 8 1.00000 9.0000 10.062 -1.06 -11.80140 2006/ 9 1.00000 10.000 9.9315 .685E-01 .69141 2006/ 10 1.00000 5.0000 4.5749 .425 8.50142 2006/ 11 1.00000 1.0000 2.4998 -1.50 -149.98143 2006/ 12 1.00000 .00000 2.2043 -2.20144 2007/ 1 1.00000 .00000 2.0431 -2.04145 2007/ 2 1.00000 7.0000 7.0108 -.108E-01 -.15146 2007/ 3 1.00000 14.000 14.067 -.668E-01 -.48147 2007/ 4 1.00000 2.0000 2.4144 -.414 -20.72148 2007/ 5 1.00000 1.0000 2.3654 -1.37 -136.54149 2007/ 6 1.00000 .00000 2.2043 -2.20121

150 2007/ 7 1.00000 .00000 2.0431 -2.04151 2007/ 8 1.00000 .00000 .40256E-01 -.403E-01152 2007/ 9 1.00000 8.0000 8.2498 -.250 -3.12153 2007/ 10 1.00000 3.0000 4.5501 -1.55 -51.67154 2007/ 11 1.00000 .00000 2.1775 -2.18155 2007/ 12 1.00000 1.0000 2.0431 -1.04 -104.31MODEL MEAN ABSOLUTE ERROR = .37 RSQ= .57 NacimientosNAIVE MEAN ABSOLUTE ERROR = .83 NacimientosAVERAGE MEAN ABSOLUTE ERROR = .56 NacimientosAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 -.002 -.03 * -.002 -.03 *2 -.005 -.06 * -.005 -.06 *3 .054 .67 ** .054 .68 **4 .026 .33 * .027 .33 *5 .231 2.85 *** .232 2.89 ***6 .126 1.48 ** .134 1.66 **7 .175 2.03 *** .199 2.47 ***8 -.013 -.15 * -.017 -.21 *9 .028 .31 * .016 .20 *10 .104 1.17 ** .029 .36 *11 .114 1.28 ** .063 .78 **12 .096 1.06 ** .010 .12 *13 .168 1.84 *** .155 1.93 ***14 .091 .98 ** .079 .99 **15 -.138 -1.48 ** -.165 -2.06 ***16 .071 .75 ** -.020 -.25 *17 .126 1.32 ** .042 .52 *18 .080 .83 ** -.007 -.09 *19 .061 .63 ** -.015 -.19 *20 -.054 -.56 ** -.072 -.89 **21 .041 .42 * .023 .29 *22 -.030 -.31 * -.056 -.70 **23 .054 .55 ** -.039 -.48 *24 .119 1.22 ** .046 .57 *Section 4Model Forecasting for Time Series Variable Y = Nacimientos: NEWLY IDENTIFIED VARIABLE X1 = I~S00103 2003/ 8 SEASP: NEWLY IDENTIFIED VARIABLE X2 = I~P00146 2007/ 3 PULSE: NEWLY IDENTIFIED VARIABLE X3 = I~S00110 2004/ 3 SEASP: NEWLY IDENTIFIED VARIABLE X4 = I~P00151 2007/ 8 PULSE: NEWLY IDENTIFIED VARIABLE X5 = I~P00140 2006/ 9 PULSE: NEWLY IDENTIFIED VARIABLE X6 = I~P00111 2004/ 4 PULSE: NEWLY IDENTIFIED VARIABLE X7 = I~P00076 2001/ 5 PULSE: NEWLY IDENTIFIED VARIABLE X8 = I~P00152 2007/ 9 PULSE: NEWLY IDENTIFIED VARIABLE X9 = I~S00081 2001/ 10 SEASP: NEWLY IDENTIFIED VARIABLE 10 = I~P00145 2007/ 2 PULSE: NEWLY IDENTIFIED VARIABLE 11 = I~P00123 2005/ 4 PULSE122

Section 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 2.042 Autoregressive-Factor # 1 1 .161INPUT SERIES X1 I~S00103 2003/ 8SEASP3 Omega (input) -Factor # 2 0 8.02INPUT SERIES X2 I~P00146 2007/ 3 PULSE4 Omega (input) -Factor # 3 0 4.88INPUT SERIES X3 I~S00110 2004/ 3 SEASP5 Omega (input) -Factor # 4 0 6.82INPUT SERIES X4 I~P00151 2007/ 8 PULSE6 Omega (input) -Factor # 5 0 -10.0INPUT SERIES X5 I~P00140 2006/ 9 PULSE7 Omega (input) -Factor # 6 0 7.73INPUT SERIES X6 I~P00111 2004/ 4 PULSE8 Omega (input) -Factor # 7 0 7.04INPUT SERIES X7 I~P00076 2001/ 5 PULSE9 Omega (input) -Factor # 8 0 8.07INPUT SERIES X8 I~P00152 2007/ 9 PULSE10 Omega (input) -Factor # 9 0 5.88INPUT SERIES X9 I~S00081 2001/ 10 SEASP11 Omega (input) -Factor #10 0 2.17INPUT SERIES X10 I~P00145 2007/ 2 PULSE12 Omega (input) -Factor #11 0 4.97INPUT SERIES X11 I~P00123 2005/ 4 PULSE13 Omega (input) -Factor #12 0 4.83Y(T) = 2.4356+[X1(T)][(+ 8.0192 )]+[X2(T)][(+ 4.8776 )]+[X3(T)][(+ 6.8186 )]+[X4(T)][(- 10.0220 )]+[X5(T)][(+ 7.7303 )]+[X6(T)][(+ 7.0445 )]+[X7(T)][(+ 8.0730 )]+[X8(T)][(+ 5.8839 )]+[X9(T)][(+ 2.1660 )]+[X10(T)[(+ 4.9677 )]+[X11(T)[(+ 4.8298 )]+ [(1- .161B** 1)]**-1 [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = NacimientosF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 2 A 1.0000123

1995/ 3 A 2.00001995/ 4 A .000001995/ 5 A 2.00001995/ 6 A 1.00001995/ 7 A 3.00001995/ 8 A 2.00001995/ 9 A 1.00001995/ 10 A 4.00001995/ 11 A 8.00001995/ 12 A 3.00001996/ 1 A 3.00001996/ 2 A 2.00001996/ 3 A 1.00001996/ 4 A 2.00001996/ 5 A 1.00001996/ 6 A 6.00001996/ 7 A 4.00001996/ 8 A 2.00001996/ 9 A 2.00001996/ 10 A 2.00001996/ 11 A 4.00001996/ 12 A 8.00001997/ 1 A 3.00001997/ 2 A 3.00001997/ 3 A 2.00001997/ 4 A 2.00001997/ 5 A 4.00001997/ 6 A 4.00001997/ 7 A .000001997/ 8 A 2.00001997/ 9 A .000001997/ 10 A 2.00001997/ 11 A 1.00001997/ 12 A 6.00001998/ 1 A 2.00001998/ 2 A .000001998/ 3 A 2.00001998/ 4 A .000001998/ 5 A 4.00001998/ 6 A 2.00001998/ 7 A 3.00001998/ 8 A .000001998/ 9 A 2.00001998/ 10 A 2.00001998/ 11 A 1.00001998/ 12 A 6.00001999/ 1 A 1.00001999/ 2 A 3.00001999/ 3 A .000001999/ 4 A 3.00001999/ 5 A 4.00001999/ 6 A 2.00001999/ 7 A 5.00001999/ 8 A .000001999/ 9 A 6.00001999/ 10 A 6.00001999/ 11 A 4.00001999/ 12 A 3.00002000/ 1 A 2.00002000/ 2 A 5.00002000/ 3 A 6.00002000/ 4 A 3.00002000/ 5 A 7.00002000/ 6 A 3.00002000/ 7 A 1.00002000/ 8 A 3.00002000/ 9 A 4.00002000/ 10 A 2.0000124

2000/ 11 A 7.00002000/ 12 A 7.00002001/ 1 A 2.00002001/ 2 A 5.00002001/ 3 A 4.00002001/ 4 A 3.00002001/ 5 A 11.0002001/ 6 A 5.00002001/ 7 A 6.00002001/ 8 A 2.00002001/ 9 A .000002001/ 10 A 7.00002001/ 11 A 4.00002001/ 12 A 2.00002002/ 1 A 4.00002002/ 2 A 1.00002002/ 3 A 1.00002002/ 4 A 4.00002002/ 5 A 2.00002002/ 6 A 2.00002002/ 7 A 2.00002002/ 8 A 1.00002002/ 9 A 3.00002002/ 10 A 5.00002002/ 11 A 6.00002002/ 12 A 4.00002003/ 1 A .000002003/ 2 A 6.00002003/ 3 A 3.00002003/ 4 A 2.00002003/ 5 A .000002003/ 6 A 2.00002003/ 7 A 2.00002003/ 8 A 13.0002003/ 9 A 1.00002003/ 10 A 4.00002003/ 11 A 1.00002003/ 12 A 2.00002004/ 1 A .000002004/ 2 A .000002004/ 3 A 10.0002004/ 4 A 10.0002004/ 5 A 5.00002004/ 6 A .000002004/ 7 A .000002004/ 8 A 13.0002004/ 9 A 4.00002004/ 10 A 2.00002004/ 11 A .000002004/ 12 A 1.00002005/ 1 A .000002005/ 2 A 5.00002005/ 3 A 9.00002005/ 4 A 7.00002005/ 5 A 1.00002005/ 6 A 2.00002005/ 7 A 3.00002005/ 8 A 6.00002005/ 9 A 2.00002005/ 10 A 5.00002005/ 11 A .000002005/ 12 A .000002006/ 1 A .000002006/ 2 A 3.00002006/ 3 A 9.00002006/ 4 A 3.00002006/ 5 A 5.00002006/ 6 A .00000125

2006/ 7 A .000002006/ 8 A 9.00002006/ 9 A 10.0002006/ 10 A 5.00002006/ 11 A 1.00002006/ 12 A .000002007/ 1 A .000002007/ 2 A 7.00002007/ 3 A 14.0002007/ 4 A 2.00002007/ 5 A 1.00002007/ 6 A .000002007/ 7 A .000002007/ 8 A .000002007/ 9 A 8.00002007/ 10 A 3.00002007/ 11 A .000002007/ 12 A 1.00002008/ 1 F++++++++++++++++++++++++++++++++++++++++++++++++++++++++126

Anexo E. Resumen estadístico del ARIMA para el indicador producción lácteamensualSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = prodlacteaX1 = FIXED_EFF_N1_001X2 = FIXED_EFF_N1_002X3 = FIXED_EFF_N1_003X4 = FIXED_EFF_N1_004X5 = FIXED_EFF_N1_005X6 = FIXED_EFF_N1_006X7 = FIXED_EFF_N1_007X8 = FIXED_EFF_N1_008X9 = FIXED_EFF_N1_00910 = FIXED_EFF_N1_01011 = FIXED_EFF_N1_011: NEWLY IDENTIFIED VARIABLE 12 = I~T00001 1995/ 1 TIME: NEWLY IDENTIFIED VARIABLE 13 = I~T00068 2000/ 8 TIME: NEWLY IDENTIFIED VARIABLE 14 = I~L00062 2000/ 2 LEVEL: NEWLY IDENTIFIED VARIABLE 15 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE 16 = I~L00030 1997/ 6 LEVEL: NEWLY IDENTIFIED VARIABLE 17 = I~P00061 2000/ 1 PULSEMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 154Number of Degrees of Freedom =n-m 134Residual Mean =Sum R / n .241790E-09Sum of Squares =Sum R**2 .224256E+09Variance var=SOS/(n) .145621E+07Adjusted Variance =SOS/(n-m) .167355E+07Standard Deviation =SQRT(Adj Var) 1293.66Standard Error of the Mean =Standard Dev/ 111.755Mean / its Standard Error =Mean/SEM .216357E-11Mean Absolute Deviation =Sum(ABS(R))/n 953.894AIC Value ( Uses var ) =nln +2m 2225.47SBC Value ( Uses var ) =nln +m*lnn 2286.21BIC Value ( Uses var ) =see Wei p153 1904.16R Square = .931600Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 2.19324D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2127

THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT .606E+04 769. .0000 7.882 Autoregressive-Factor # 1 1 .625 .717E-01 .0000 8.723 2 -.469 .712E-01 .0000 -6.58INPUT SERIES X1 FIXED_EFF_N1_0014 Omega (input) -Factor # 2 0 -.168E+04 470. .0005 -3.58INPUT SERIES X2 FIXED_EFF_N1_0025 Omega (input) -Factor # 3 0 -.322E+04 669. .0000 -4.82INPUT SERIES X3 FIXED_EFF_N1_0036 Omega (input) -Factor # 4 0 -.288E+04 701. .0001 -4.10INPUT SERIES X4 FIXED_EFF_N1_0047 Omega (input) -Factor # 5 0 -.110E+04 643. .0904 -1.71INPUT SERIES X5 FIXED_EFF_N1_0058 Omega (input) -Factor # 6 0 -376. 569. .5101 -.66INPUT SERIES X6 FIXED_EFF_N1_0069 Omega (input) -Factor # 7 0 6.51 537. .9903 .01INPUT SERIES X7 FIXED_EFF_N1_00710 Omega (input) -Factor # 8 0 -.143E+04 567. .0129 -2.52INPUT SERIES X8 FIXED_EFF_N1_00811 Omega (input) -Factor # 9 0 -.162E+04 640. .0124 -2.53INPUT SERIES X9 FIXED_EFF_N1_00912 Omega (input) -Factor #10 0 -.159E+04 697. .0244 -2.28INPUT SERIES X10 FIXED_EFF_N1_01013 Omega (input) -Factor #11 0 -788. 658. .2328 -1.20INPUT SERIES X11 FIXED_EFF_N1_01114 Omega (input) -Factor #12 0 43.2 452. .9240 .10INPUT SERIES X12 I~T00001 1995/ 1 TIME15 Omega (input) -Factor #13 0 128. 22.5 .0000 5.71INPUT SERIES X13 I~T00068 2000/ 8 TIME16 Omega (input) -Factor #14 0 -133. 25.1 .0000 -5.31INPUT SERIES X14 I~L00062 2000/ 2 LEVEL17 Omega (input) -Factor #15 0 .469E+04 634. .0000 7.40INPUT SERIES X15 I~L00112 2004/ 4 LEVEL18 Omega (input) -Factor #16 0 .351E+04 597. .0000 5.87INPUT SERIES X16 I~L00030 1997/ 6 LEVEL19 Omega (input) -Factor #17 0 -.550E+04 754. .0000 -7.29INPUT SERIES X17 I~P00061 2000/ 1 PULSE20 Omega (input) -Factor #18 0 .341E+04 .106E+04 .0017 3.21Y(T) = 7178.4+[X1(T)][(- 1681.1 )]+[X2(T)][(- 3224.1 )]+[X3(T)][(- 2877.4 )]+[X4(T)][(- 1097.3 )]+[X5(T)][(- 375.54 )]+[X6(T)][(+ 6.5129 )]128

+[X7(T)][(- 1427.9 )]+[X8(T)][(- 1621.1 )]+[X9(T)][(- 1586.0 )]+[X10(T)[(- 788.23 )]+[X11(T)[(+ 43.1811 )]+[X12(T)[(+ 128.29 )]+[X13(T)[(- 133.24 )]+[X14(T)[(+ 4694.1 )]+[X15(T)[(+ 3506.0 )]+[X16(T)[(- 5499.9 )]+[X17(T)[(+ 3405.6 )]+ [(1- .625B** 1+ .469B** 2)]**-1 [A(T)]Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 7832.0 NA NA NA2 1995/ 2 1.00000 4993.0 NA NA NA3 1995/ 3 1.00000 4302.0 4140.0 162. 3.774 1995/ 4 1.00000 5877.0 5987.9 -111. -1.895 1995/ 5 1.00000 7627.0 7176.3 451. 5.916 1995/ 6 1.00000 7629.0 8405.0 -776. -10.177 1995/ 7 1.00000 6981.0 6359.5 622. 8.908 1995/ 8 1.00000 6993.0 6944.0 49.0 .709 1995/ 9 1.00000 5953.0 6846.9 -894. -15.0210 1995/ 10 1.00000 5622.0 6985.2 -.136E+04 -24.2511 1995/ 11 1.00000 7180.0 7723.9 -544. -7.5812 1995/ 12 1.00000 7241.0 8772.0 -.153E+04 -21.1413 1996/ 1 1.00000 7639.0 6923.7 715. 9.3614 1996/ 2 1.00000 8612.0 6738.8 .187E+04 21.7515 1996/ 3 1.00000 7509.0 7790.5 -282. -3.7516 1996/ 4 1.00000 6592.0 7594.0 -.100E+04 -15.2017 1996/ 5 1.00000 7259.0 7419.0 -160. -2.2018 1996/ 6 1.00000 7926.0 9139.6 -.121E+04 -15.3119 1996/ 7 1.00000 9151.0 8017.1 .113E+04 12.3920 1996/ 8 1.00000 8780.0 9459.7 -680. -7.7421 1996/ 9 1.00000 9724.0 8245.4 .148E+04 15.2122 1996/ 10 1.00000 10182. 9802.4 380. 3.7323 1996/ 11 1.00000 8568.0 10104. -.154E+04 -17.9324 1996/ 12 1.00000 9555.0 8800.8 754. 7.8925 1997/ 1 1.00000 10220. 9018.0 .120E+04 11.7626 1997/ 2 1.00000 10228. 8565.7 .166E+04 16.2527 1997/ 3 1.00000 9108.0 8889.5 218. 2.4028 1997/ 4 1.00000 8039.0 9134.7 -.110E+04 -13.6329 1997/ 5 1.00000 8780.0 8872.8 -92.8 -1.0630 1997/ 6 1.00000 5141.0 5211.0 -70.0 -1.3631 1997/ 7 1.00000 5819.0 4799.5 .102E+04 17.5232 1997/ 8 1.00000 5484.0 5340.8 143. 2.6133 1997/ 9 1.00000 5735.0 4405.3 .133E+04 23.1934 1997/ 10 1.00000 5320.0 5512.7 -193. -3.6235 1997/ 11 1.00000 5141.0 5593.7 -453. -8.8136 1997/ 12 1.00000 5324.0 5596.3 -272. -5.1137 1998/ 1 1.00000 6420.0 4638.5 .178E+04 27.7538 1998/ 2 1.00000 6308.0 4832.3 .148E+04 23.3939 1998/ 3 1.00000 5973.0 4879.1 .109E+04 18.3140 1998/ 4 1.00000 5307.0 5670.9 -364. -6.8641 1998/ 5 1.00000 4948.0 5292.7 -345. -6.9742 1998/ 6 1.00000 6070.0 6254.8 -185. -3.0443 1998/ 7 1.00000 5806.0 5897.5 -91.5 -1.5844 1998/ 8 1.00000 6672.0 6196.8 475. 7.12129

45 1998/ 9 1.00000 6054.0 6453.1 -399. -6.5946 1998/ 10 1.00000 6448.0 6454.6 -6.58 -.1047 1998/ 11 1.00000 5740.0 7448.3 -.171E+04 -29.7648 1998/ 12 1.00000 5299.0 6741.2 -.144E+04 -27.2249 1999/ 1 1.00000 5666.0 5641.7 24.3 .4350 1999/ 2 1.00000 6187.0 5672.7 514. 8.3151 1999/ 3 1.00000 6016.0 6456.7 -441. -7.3352 1999/ 4 1.00000 5611.0 7054.1 -.144E+04 -25.7253 1999/ 5 1.00000 6212.0 6762.0 -550. -8.8554 1999/ 6 1.00000 6169.0 8201.4 -.203E+04 -32.9555 1999/ 7 1.00000 6565.0 6666.4 -101. -1.5456 1999/ 8 1.00000 7160.0 7924.1 -764. -10.6757 1999/ 9 1.00000 6201.0 7701.7 -.150E+04 -24.2058 1999/ 10 1.00000 10130. 7617.2 .251E+04 24.8159 1999/ 11 1.00000 11505. 10979. 526. 4.5760 1999/ 12 1.00000 11770. 9915.5 .185E+04 15.7661 2000/ 1 1.00000 11009. 11686. -677. -6.1562 2000/ 2 1.00000 9959.0 9842.8 116. 1.1763 2000/ 3 1.00000 12565. 10966. .160E+04 12.7264 2000/ 4 1.00000 13963. 14639. -676. -4.8465 2000/ 5 1.00000 14617. 14171. 446. 3.0566 2000/ 6 1.00000 15815. 14798. .102E+04 6.4367 2000/ 7 1.00000 14420. 14013. 407. 2.8268 2000/ 8 1.00000 13314. 13437. -123. -.9369 2000/ 9 1.00000 12166. 12942. -776. -6.3870 2000/ 10 1.00000 12246. 13425. -.118E+04 -9.6271 2000/ 11 1.00000 13237. 14358. -.112E+04 -8.4772 2000/ 12 1.00000 16440. 14747. .169E+04 10.3073 2001/ 1 1.00000 12995. 15015. -.202E+04 -15.5474 2001/ 2 1.00000 12445. 10844. .160E+04 12.8775 2001/ 3 1.00000 12801. 12633. 168. 1.3176 2001/ 4 1.00000 13044. 13950. -906. -6.9477 2001/ 5 1.00000 14185. 13703. 482. 3.4078 2001/ 6 1.00000 16866. 15063. .180E+04 10.6979 2001/ 7 1.00000 13396. 14864. -.147E+04 -10.9680 2001/ 8 1.00000 14583. 12317. .227E+04 15.5481 2001/ 9 1.00000 12140. 14165. -.202E+04 -16.6882 2001/ 10 1.00000 11786. 12763. -977. -8.2983 2001/ 11 1.00000 16247. 14033. .221E+04 13.6384 2001/ 12 1.00000 14922. 16793. -.187E+04 -12.5485 2002/ 1 1.00000 14024. 12605. .142E+04 10.1286 2002/ 2 1.00000 11987. 12148. -161. -1.3487 2002/ 3 1.00000 10771. 11815. -.104E+04 -9.6988 2002/ 4 1.00000 12689. 12846. -157. -1.2489 2002/ 5 1.00000 13734. 14383. -649. -4.7290 2002/ 6 1.00000 14482. 14898. -416. -2.8791 2002/ 7 1.00000 13605. 13536. 68.9 .5192 2002/ 8 1.00000 12961. 13515. -554. -4.2893 2002/ 9 1.00000 12467. 13003. -536. -4.3094 2002/ 10 1.00000 11103. 13678. -.257E+04 -23.1995 2002/ 11 1.00000 13269. 13403. -134. -1.0196 2002/ 12 1.00000 14009. 15202. -.119E+04 -8.5297 2003/ 1 1.00000 14722. 13381. .134E+04 9.1198 2003/ 2 1.00000 12079. 12962. -883. -7.3199 2003/ 3 1.00000 13340. 11495. .185E+04 13.83100 2003/ 4 1.00000 15463. 14358. .111E+04 7.15101 2003/ 5 1.00000 14190. 14861. -671. -4.73102 2003/ 6 1.00000 13261. 13832. -571. -4.30103 2003/ 7 1.00000 11329. 12509. -.118E+04 -10.42104 2003/ 8 1.00000 13308. 12616. 692. 5.20105 2003/ 9 1.00000 15517. 14237. .128E+04 8.25106 2003/ 10 1.00000 16137. 15370. 767. 4.75107 2003/ 11 1.00000 14769. 15067. -298. -2.02108 2003/ 12 1.00000 15855. 13729. .213E+04 13.41109 2004/ 1 1.00000 14320. 13780. 540. 3.77110 2004/ 2 1.00000 10540. 11795. -.125E+04 -11.91111 2004/ 3 1.00000 10808. 10672. 136. 1.26112 2004/ 4 1.00000 17790. 16953. 837. 4.70130

113 2004/ 5 1.00000 21118. 18767. .235E+04 11.13114 2004/ 6 1.00000 20658. 19978. 680. 3.29115 2004/ 7 1.00000 16463. 16791. -328. -1.99116 2004/ 8 1.00000 14867. 15264. -397. -2.67117 2004/ 9 1.00000 17567. 15713. .185E+04 10.55118 2004/ 10 1.00000 18828. 18829. -1.05 -.01119 2004/ 11 1.00000 19736. 18696. .104E+04 5.27120 2004/ 12 1.00000 18600. 18480. 120. .65121 2005/ 1 1.00000 14660. 16076. -.142E+04 -9.66122 2005/ 2 1.00000 12683. 13630. -947. -7.47123 2005/ 3 1.00000 14583. 14760. -177. -1.22124 2005/ 4 1.00000 17371. 17710. -339. -1.95125 2005/ 5 1.00000 18772. 18329. 443. 2.36126 2005/ 6 1.00000 18518. 18659. -141. -.76127 2005/ 7 1.00000 17769. 16504. .126E+04 7.12128 2005/ 8 1.00000 18026. 17033. 993. 5.51129 2005/ 9 1.00000 15076. 17024. -.195E+04 -12.92130 2005/ 10 1.00000 18032. 15742. .229E+04 12.70131 2005/ 11 1.00000 20466. 19317. .115E+04 5.62132 2005/ 12 1.00000 19344. 19259. 85.5 .44133 2006/ 1 1.00000 14520. 16148. -.163E+04 -11.21134 2006/ 2 1.00000 10381. 13144. -.276E+04 -26.61135 2006/ 3 1.00000 12224. 13338. -.111E+04 -9.11136 2006/ 4 1.00000 16830. 17266. -436. -2.59137 2006/ 5 1.00000 18526. 19047. -521. -2.81138 2006/ 6 1.00000 17774. 18708. -934. -5.26139 2006/ 7 1.00000 15422. 16105. -683. -4.43140 2006/ 8 1.00000 13874. 15866. -.199E+04 -14.36141 2006/ 9 1.00000 17067. 15481. .159E+04 9.29142 2006/ 10 1.00000 19254. 18882. 372. 1.93143 2006/ 11 1.00000 19543. 19096. 447. 2.29144 2006/ 12 1.00000 19019. 18059. 960. 5.05145 2007/ 1 1.00000 15045. 16328. -.128E+04 -8.53146 2007/ 2 1.00000 12339. 13574. -.123E+04 -10.01147 2007/ 3 1.00000 12100. 14265. -.216E+04 -17.89148 2007/ 4 1.00000 20807. 16220. .459E+04 22.05149 2007/ 5 1.00000 20353. 21539. -.119E+04 -5.83150 2007/ 6 1.00000 20773. 17935. .284E+04 13.66151 2007/ 7 1.00000 16408. 17071. -663. -4.04152 2007/ 8 1.00000 14918. 15025. -107. -.72153 2007/ 9 1.00000 16171. 15620. 551. 3.40154 2007/ 10 1.00000 17755. 17783. -27.6 -.16155 2007/ 11 1.00000 18948. 18530. 418. 2.21156 2007/ 12 1.00000 17056. 18340. -.128E+04 -7.53MODEL MEAN ABSOLUTE ERROR = .09 RSQ= .93 prodlacteaNAIVE MEAN ABSOLUTE ERROR = .12 prodlacteaAVERAGE MEAN ABSOLUTE ERROR = .43 prodlacteaAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 -.100 -1.24 ** -.100 -1.25 **2 .095 1.16 ** .086 1.07 **3 -.076 -.93 ** -.060 -.75 **4 -.127 -1.54 ** -.150 -1.87 ***5 .144 1.72 ** .136 1.70 **6 .050 .58 * .100 1.25 **7 .034 .40 * -.003 -.04 *8 -.025 -.29 * -.036 -.45 *9 -.043 -.50 * -.001 -.01 *10 -.218 -2.54 *** -.230 -2.87 ***11 .067 .75 ** .014 .17 *12 .057 .63 ** .108 1.35 **131

13 .023 .25 * -.012 -.15 *14 .016 .18 * -.047 -.58 *15 -.214 -2.38 *** -.138 -1.72 **16 -.105 -1.12 ** -.118 -1.47 **17 .052 .55 ** .055 .69 **18 .009 .09 * .007 .09 *19 -.015 -.16 * -.114 -1.42 **20 .022 .23 * -.003 -.04 *21 -.174 -1.84 *** -.087 -1.09 **22 .033 .35 * .022 .28 *23 .019 .19 * .048 .59 *24 -.066 -.68 ** -.108 -1.34 **Section 4Model Forecasting for Time Series Variable Y = prodlacteaX1 = FIXED_EFF_N1_001X2 = FIXED_EFF_N1_002X3 = FIXED_EFF_N1_003X4 = FIXED_EFF_N1_004X5 = FIXED_EFF_N1_005X6 = FIXED_EFF_N1_006X7 = FIXED_EFF_N1_007X8 = FIXED_EFF_N1_008X9 = FIXED_EFF_N1_00910 = FIXED_EFF_N1_01011 = FIXED_EFF_N1_011: NEWLY IDENTIFIED VARIABLE 12 = I~T00001 1995/ 1 TIME: NEWLY IDENTIFIED VARIABLE 13 = I~T00068 2000/ 8 TIME: NEWLY IDENTIFIED VARIABLE 14 = I~L00062 2000/ 2 LEVEL: NEWLY IDENTIFIED VARIABLE 15 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE 16 = I~L00030 1997/ 6 LEVEL: NEWLY IDENTIFIED VARIABLE 17 = I~P00061 2000/ 1 PULSESection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT .606E+042 Autoregressive-Factor # 1 1 .6253 2 -.469INPUT SERIES X1 FIXED_EFF_N1_0014 Omega (input) -Factor # 2 0 -.168E+04INPUT SERIES X2 FIXED_EFF_N1_0025 Omega (input) -Factor # 3 0 -.322E+04INPUT SERIES X3 FIXED_EFF_N1_0036 Omega (input) -Factor # 4 0 -.288E+04INPUT SERIES X4 FIXED_EFF_N1_0047 Omega (input) -Factor # 5 0 -.110E+04INPUT SERIES X5 FIXED_EFF_N1_0058 Omega (input) -Factor # 6 0 -376.INPUT SERIES X6 FIXED_EFF_N1_0069 Omega (input) -Factor # 7 0 6.51INPUT SERIES X7 FIXED_EFF_N1_007132

10 Omega (input) -Factor # 8 0 -.143E+04INPUT SERIES X8 FIXED_EFF_N1_00811 Omega (input) -Factor # 9 0 -.162E+04INPUT SERIES X9 FIXED_EFF_N1_00912 Omega (input) -Factor #10 0 -.159E+04INPUT SERIES X10 FIXED_EFF_N1_01013 Omega (input) -Factor #11 0 -788.INPUT SERIES X11 FIXED_EFF_N1_01114 Omega (input) -Factor #12 0 43.2INPUT SERIES X12 I~T00001 1995/ 1 TIME15 Omega (input) -Factor #13 0 128.INPUT SERIES X13 I~T00068 2000/ 8 TIME16 Omega (input) -Factor #14 0 -133.INPUT SERIES X14 I~L00062 2000/ 2 LEVEL17 Omega (input) -Factor #15 0 .469E+04INPUT SERIES X15 I~L00112 2004/ 4 LEVEL18 Omega (input) -Factor #16 0 .351E+04INPUT SERIES X16 I~L00030 1997/ 6 LEVEL19 Omega (input) -Factor #17 0 -.550E+04INPUT SERIES X17 I~P00061 2000/ 1 PULSE20 Omega (input) -Factor #18 0 .341E+04Y(T) = 7178.4+[X1(T)][(- 1681.1 )]+[X2(T)][(- 3224.1 )]+[X3(T)][(- 2877.4 )]+[X4(T)][(- 1097.3 )]+[X5(T)][(- 375.54 )]+[X6(T)][(+ 6.5129 )]+[X7(T)][(- 1427.9 )]+[X8(T)][(- 1621.1 )]+[X9(T)][(- 1586.0 )]+[X10(T)[(- 788.23 )]+[X11(T)[(+ 43.1811 )]+[X12(T)[(+ 128.29 )]+[X13(T)[(- 133.24 )]+[X14(T)[(+ 4694.1 )]+[X15(T)[(+ 3506.0 )]+[X16(T)[(- 5499.9 )]+[X17(T)[(+ 3405.6 )]+ [(1- .625B** 1+ .469B** 2)]**-1 [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = prodlacteaF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 7832.01995/ 2 A 4993.01995/ 3 A 4302.01995/ 4 A 5877.01995/ 5 A 7627.01995/ 6 A 7629.01995/ 7 A 6981.01995/ 8 A 6993.0133

1995/ 9 A 5953.01995/ 10 A 5622.01995/ 11 A 7180.01995/ 12 A 7241.01996/ 1 A 7639.01996/ 2 A 8612.01996/ 3 A 7509.01996/ 4 A 6592.01996/ 5 A 7259.01996/ 6 A 7926.01996/ 7 A 9151.01996/ 8 A 8780.01996/ 9 A 9724.01996/ 10 A 10182.1996/ 11 A 8568.01996/ 12 A 9555.01997/ 1 A 10220.1997/ 2 A 10228.1997/ 3 A 9108.01997/ 4 A 8039.01997/ 5 A 8780.01997/ 6 A 5141.01997/ 7 A 5819.01997/ 8 A 5484.01997/ 9 A 5735.01997/ 10 A 5320.01997/ 11 A 5141.01997/ 12 A 5324.01998/ 1 A 6420.01998/ 2 A 6308.01998/ 3 A 5973.01998/ 4 A 5307.01998/ 5 A 4948.01998/ 6 A 6070.01998/ 7 A 5806.01998/ 8 A 6672.01998/ 9 A 6054.01998/ 10 A 6448.01998/ 11 A 5740.01998/ 12 A 5299.01999/ 1 A 5666.01999/ 2 A 6187.01999/ 3 A 6016.01999/ 4 A 5611.01999/ 5 A 6212.01999/ 6 A 6169.01999/ 7 A 6565.01999/ 8 A 7160.01999/ 9 A 6201.01999/ 10 A 10130.1999/ 11 A 11505.1999/ 12 A 11770.2000/ 1 A 11009.2000/ 2 A 9959.02000/ 3 A 12565.2000/ 4 A 13963.2000/ 5 A 14617.2000/ 6 A 15815.2000/ 7 A 14420.2000/ 8 A 13314.2000/ 9 A 12166.2000/ 10 A 12246.2000/ 11 A 13237.2000/ 12 A 16440.2001/ 1 A 12995.2001/ 2 A 12445.2001/ 3 A 12801.2001/ 4 A 13044.134

2001/ 5 A 14185.2001/ 6 A 16866.2001/ 7 A 13396.2001/ 8 A 14583.2001/ 9 A 12140.2001/ 10 A 11786.2001/ 11 A 16247.2001/ 12 A 14922.2002/ 1 A 14024.2002/ 2 A 11987.2002/ 3 A 10771.2002/ 4 A 12689.2002/ 5 A 13734.2002/ 6 A 14482.2002/ 7 A 13605.2002/ 8 A 12961.2002/ 9 A 12467.2002/ 10 A 11103.2002/ 11 A 13269.2002/ 12 A 14009.2003/ 1 A 14722.2003/ 2 A 12079.2003/ 3 A 13340.2003/ 4 A 15463.2003/ 5 A 14190.2003/ 6 A 13261.2003/ 7 A 11329.2003/ 8 A 13308.2003/ 9 A 15517.2003/ 10 A 16137.2003/ 11 A 14769.2003/ 12 A 15855.2004/ 1 A 14320.2004/ 2 A 10540.2004/ 3 A 10808.2004/ 4 A 17790.2004/ 5 A 21118.2004/ 6 A 20658.2004/ 7 A 16463.2004/ 8 A 14867.2004/ 9 A 17567.2004/ 10 A 18828.2004/ 11 A 19736.2004/ 12 A 18600.2005/ 1 A 14660.2005/ 2 A 12683.2005/ 3 A 14583.2005/ 4 A 17371.2005/ 5 A 18772.2005/ 6 A 18518.2005/ 7 A 17769.2005/ 8 A 18026.2005/ 9 A 15076.2005/ 10 A 18032.2005/ 11 A 20466.2005/ 12 A 19344.2006/ 1 A 14520.2006/ 2 A 10381.2006/ 3 A 12224.2006/ 4 A 16830.2006/ 5 A 18526.2006/ 6 A 17774.2006/ 7 A 15422.2006/ 8 A 13874.2006/ 9 A 17067.2006/ 10 A 19254.2006/ 11 A 19543.2006/ 12 A 19019.135

2007/ 1 A 15045.2007/ 2 A 12339.2007/ 3 A 12100.2007/ 4 A 20807.2007/ 5 A 20353.2007/ 6 A 20773.2007/ 7 A 16408.2007/ 8 A 14918.2007/ 9 A 16171.2007/ 10 A 17755.2007/ 11 A 18948.2007/ 12 A 17056.2008/ 1 F136

Anexo F. Resumen estadístico del ARIMA para el indicador producción lácteamensual por hectáreaSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = prodmensualxhaX1 = FIXED_EFF_N1_001X2 = FIXED_EFF_N1_002X3 = FIXED_EFF_N1_003X4 = FIXED_EFF_N1_004X5 = FIXED_EFF_N1_005X6 = FIXED_EFF_N1_006X7 = FIXED_EFF_N1_007X8 = FIXED_EFF_N1_008X9 = FIXED_EFF_N1_00910 = FIXED_EFF_N1_01011 = FIXED_EFF_N1_011: NEWLY IDENTIFIED VARIABLE 12 = I~T00001 1995/ 1 TIME: NEWLY IDENTIFIED VARIABLE 13 = I~T00068 2000/ 8 TIME: NEWLY IDENTIFIED VARIABLE 14 = I~L00062 2000/ 2 LEVEL: NEWLY IDENTIFIED VARIABLE 15 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE 16 = I~L00030 1997/ 6 LEVEL: NEWLY IDENTIFIED VARIABLE 17 = I~P00061 2000/ 1 PULSEMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 154Number of Degrees of Freedom =n-m 134Residual Mean =Sum R / n .250806E-09Sum of Squares =Sum R**2 .155903E+07Variance var=SOS/(n) 10123.6Adjusted Variance =SOS/(n-m) 11634.6Standard Deviation =SQRT(Adj Var) 107.864Standard Error of the Mean =Standard Dev/ 9.31801Mean / its Standard Error =Mean/SEM .269163E-10Mean Absolute Deviation =Sum(ABS(R))/n 79.5667AIC Value ( Uses var ) =nln +2m 1460.28SBC Value ( Uses var ) =nln +m*lnn 1521.02BIC Value ( Uses var ) =see Wei p153 1138.72R Square = .931493Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 2.19358D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2137

THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 505. 64.1 .0000 7.872 Autoregressive-Factor # 1 1 .623 .717E-01 .0000 8.703 2 -.468 .713E-01 .0000 -6.56INPUT SERIES X1 FIXED_EFF_N1_0014 Omega (input) -Factor # 2 0 -140. 39.2 .0005 -3.58INPUT SERIES X2 FIXED_EFF_N1_0025 Omega (input) -Factor # 3 0 -269. 55.7 .0000 -4.82INPUT SERIES X3 FIXED_EFF_N1_0036 Omega (input) -Factor # 4 0 -240. 58.4 .0001 -4.11INPUT SERIES X4 FIXED_EFF_N1_0047 Omega (input) -Factor # 5 0 -91.5 53.6 .0900 -1.71INPUT SERIES X5 FIXED_EFF_N1_0058 Omega (input) -Factor # 6 0 -31.4 47.4 .5092 -.66INPUT SERIES X6 FIXED_EFF_N1_0069 Omega (input) -Factor # 7 0 .456 44.8 .9919 .01INPUT SERIES X7 FIXED_EFF_N1_00710 Omega (input) -Factor # 8 0 -119. 47.2 .0128 -2.52INPUT SERIES X8 FIXED_EFF_N1_00811 Omega (input) -Factor # 9 0 -135. 53.3 .0124 -2.53INPUT SERIES X9 FIXED_EFF_N1_00912 Omega (input) -Factor #10 0 -132. 58.0 .0241 -2.28INPUT SERIES X10 FIXED_EFF_N1_01013 Omega (input) -Factor #11 0 -66.5 54.8 .2270 -1.21INPUT SERIES X11 FIXED_EFF_N1_01114 Omega (input) -Factor #12 0 3.53 37.6 .9255 .09INPUT SERIES X12 I~T00001 1995/ 1 TIME15 Omega (input) -Factor #13 0 10.7 1.87 .0000 5.71INPUT SERIES X13 I~T00068 2000/ 8 TIME16 Omega (input) -Factor #14 0 -11.1 2.09 .0000 -5.30INPUT SERIES X14 I~L00062 2000/ 2 LEVEL17 Omega (input) -Factor #15 0 391. 52.9 .0000 7.39INPUT SERIES X15 I~L00112 2004/ 4 LEVEL18 Omega (input) -Factor #16 0 292. 49.8 .0000 5.85INPUT SERIES X16 I~L00030 1997/ 6 LEVEL19 Omega (input) -Factor #17 0 -458. 62.9 .0000 -7.29INPUT SERIES X17 I~P00061 2000/ 1 PULSE20 Omega (input) -Factor #18 0 284. 88.5 .0017 3.21Y(T) = 597.97+[X1(T)][(- 140.27 )]138

+[X2(T)][(- 268.70 )]+[X3(T)][(- 239.75 )]+[X4(T)][(- 91.4900 )]+[X5(T)][(- 31.3625 )]+[X6(T)][(+ .456)]+[X7(T)][(- 119.11 )]+[X8(T)][(- 135.01 )]+[X9(T)][(- 132.31 )]+[X10(T)[(- 66.4627 )]+[X11(T)[(+ 3.5285 )]+[X12(T)[(+ 10.6891 )]+[X13(T)[(- 11.0931 )]+[X14(T)[(+ 390.97 )]+[X15(T)[(+ 291.63 )]+[X16(T)[(- 458.28 )]+[X17(T)[(+ 283.82 )]+ [(1- .623B** 1+ .468B** 2)]**-1 [A(T)]Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 652.00 NA NA NA2 1995/ 2 1.00000 416.00 NA NA NA3 1995/ 3 1.00000 358.00 345.15 12.8 3.594 1995/ 4 1.00000 489.00 498.54 -9.54 -1.955 1995/ 5 1.00000 635.00 597.60 37.4 5.896 1995/ 6 1.00000 635.00 700.05 -65.1 -10.247 1995/ 7 1.00000 581.00 529.51 51.5 8.868 1995/ 8 1.00000 582.00 578.39 3.61 .629 1995/ 9 1.00000 496.00 569.98 -74.0 -14.9210 1995/ 10 1.00000 468.00 581.66 -114. -24.2911 1995/ 11 1.00000 598.00 643.65 -45.6 -7.6312 1995/ 12 1.00000 603.00 730.45 -127. -21.1413 1996/ 1 1.00000 636.00 576.45 59.5 9.3614 1996/ 2 1.00000 717.00 561.08 156. 21.7515 1996/ 3 1.00000 628.00 648.58 -20.6 -3.2816 1996/ 4 1.00000 549.00 634.39 -85.4 -15.5517 1996/ 5 1.00000 605.00 617.02 -12.0 -1.9918 1996/ 6 1.00000 660.00 761.58 -102. -15.3919 1996/ 7 1.00000 762.00 667.42 94.6 12.4120 1996/ 8 1.00000 731.00 787.83 -56.8 -7.7721 1996/ 9 1.00000 810.00 686.52 123. 15.2422 1996/ 10 1.00000 848.00 816.02 32.0 3.7723 1996/ 11 1.00000 714.00 841.99 -128. -17.9324 1996/ 12 1.00000 796.00 733.33 62.7 7.8725 1997/ 1 1.00000 851.00 750.82 100. 11.7726 1997/ 2 1.00000 852.00 713.15 139. 16.3027 1997/ 3 1.00000 759.00 740.48 18.5 2.4428 1997/ 4 1.00000 670.00 761.21 -91.2 -13.6129 1997/ 5 1.00000 731.00 739.48 -8.48 -1.1630 1997/ 6 1.00000 428.00 433.55 -5.55 -1.3031 1997/ 7 1.00000 485.00 399.57 85.4 17.6132 1997/ 8 1.00000 457.00 445.03 12.0 2.6233 1997/ 9 1.00000 478.00 366.63 111. 23.3034 1997/ 10 1.00000 443.00 458.58 -15.6 -3.5235 1997/ 11 1.00000 428.00 466.16 -38.2 -8.9236 1997/ 12 1.00000 443.00 465.83 -22.8 -5.1537 1998/ 1 1.00000 535.00 385.89 149. 27.8738 1998/ 2 1.00000 525.00 402.63 122. 23.3139 1998/ 3 1.00000 497.00 405.80 91.2 18.35139

40 1998/ 4 1.00000 442.00 472.19 -30.2 -6.8341 1998/ 5 1.00000 412.00 441.26 -29.3 -7.1042 1998/ 6 1.00000 505.00 520.98 -16.0 -3.1643 1998/ 7 1.00000 483.00 490.73 -7.73 -1.6044 1998/ 8 1.00000 556.00 516.07 39.9 7.1845 1998/ 9 1.00000 504.00 537.58 -33.6 -6.6646 1998/ 10 1.00000 537.00 536.78 .224 .0447 1998/ 11 1.00000 478.00 620.89 -143. -29.8948 1998/ 12 1.00000 441.00 561.33 -120. -27.2949 1999/ 1 1.00000 472.00 469.55 2.45 .5250 1999/ 2 1.00000 515.00 472.58 42.4 8.2451 1999/ 3 1.00000 501.00 537.32 -36.3 -7.2552 1999/ 4 1.00000 467.00 587.66 -121. -25.8453 1999/ 5 1.00000 517.00 563.26 -46.3 -8.9554 1999/ 6 1.00000 514.00 683.04 -169. -32.8955 1999/ 7 1.00000 547.00 555.52 -8.52 -1.5656 1999/ 8 1.00000 596.00 660.05 -64.0 -10.7557 1999/ 9 1.00000 516.00 640.88 -125. -24.2058 1999/ 10 1.00000 844.00 633.84 210. 24.9059 1999/ 11 1.00000 958.00 914.97 43.0 4.4960 1999/ 12 1.00000 980.00 825.30 155. 15.7961 2000/ 1 1.00000 917.00 973.20 -56.2 -6.1362 2000/ 2 1.00000 830.00 820.24 9.76 1.1863 2000/ 3 1.00000 1047.0 913.83 133. 12.7264 2000/ 4 1.00000 1163.0 1219.1 -56.1 -4.8265 2000/ 5 1.00000 1218.0 1180.2 37.8 3.1066 2000/ 6 1.00000 1317.0 1232.9 84.1 6.3867 2000/ 7 1.00000 1201.0 1166.7 34.3 2.8668 2000/ 8 1.00000 1109.0 1119.5 -10.5 -.9569 2000/ 9 1.00000 1013.0 1077.9 -64.9 -6.4170 2000/ 10 1.00000 1020.0 1117.5 -97.5 -9.5671 2000/ 11 1.00000 1103.0 1196.6 -93.6 -8.4972 2000/ 12 1.00000 1370.0 1228.4 142. 10.3473 2001/ 1 1.00000 1082.0 1250.3 -168. -15.5674 2001/ 2 1.00000 1037.0 902.95 134. 12.9375 2001/ 3 1.00000 1066.0 1052.7 13.3 1.2576 2001/ 4 1.00000 1087.0 1161.6 -74.6 -6.8677 2001/ 5 1.00000 1182.0 1142.0 40.0 3.3878 2001/ 6 1.00000 1405.0 1254.8 150. 10.6979 2001/ 7 1.00000 1116.0 1237.7 -122. -10.9180 2001/ 8 1.00000 1215.0 1026.4 189. 15.5281 2001/ 9 1.00000 1011.0 1179.7 -169. -16.6882 2001/ 10 1.00000 982.00 1062.6 -80.6 -8.2183 2001/ 11 1.00000 1354.0 1169.8 184. 13.6184 2001/ 12 1.00000 1243.0 1398.5 -156. -12.5185 2002/ 1 1.00000 1168.0 1049.7 118. 10.1386 2002/ 2 1.00000 999.00 1011.9 -12.9 -1.2987 2002/ 3 1.00000 897.00 984.65 -87.7 -9.7788 2002/ 4 1.00000 1057.0 1069.9 -12.9 -1.2289 2002/ 5 1.00000 1144.0 1198.3 -54.3 -4.7490 2002/ 6 1.00000 1206.0 1241.0 -35.0 -2.9091 2002/ 7 1.00000 1133.0 1127.3 5.66 .5092 2002/ 8 1.00000 1080.0 1126.0 -46.0 -4.2693 2002/ 9 1.00000 1038.0 1083.5 -45.5 -4.3894 2002/ 10 1.00000 925.00 1138.5 -213. -23.0895 2002/ 11 1.00000 1105.0 1117.5 -12.5 -1.1396 2002/ 12 1.00000 1167.0 1265.9 -98.9 -8.4797 2003/ 1 1.00000 1226.0 1114.7 111. 9.0898 2003/ 2 1.00000 1006.0 1079.5 -73.5 -7.3099 2003/ 3 1.00000 1111.0 957.80 153. 13.79100 2003/ 4 1.00000 1288.0 1196.0 92.0 7.15101 2003/ 5 1.00000 1182.0 1238.1 -56.1 -4.75102 2003/ 6 1.00000 1105.0 1152.6 -47.6 -4.30103 2003/ 7 1.00000 944.00 1042.5 -98.5 -10.44104 2003/ 8 1.00000 1109.0 1051.3 57.7 5.20105 2003/ 9 1.00000 1293.0 1185.8 107. 8.29106 2003/ 10 1.00000 1344.0 1279.8 64.2 4.78107 2003/ 11 1.00000 1230.0 1255.4 -25.4 -2.06140

108 2003/ 12 1.00000 1321.0 1143.7 177. 13.42109 2004/ 1 1.00000 1193.0 1148.1 44.9 3.76110 2004/ 2 1.00000 878.00 982.79 -105. -11.94111 2004/ 3 1.00000 900.00 889.34 10.7 1.18112 2004/ 4 1.00000 1482.0 1411.8 70.2 4.74113 2004/ 5 1.00000 1759.0 1563.5 196. 11.12114 2004/ 6 1.00000 1721.0 1663.7 57.3 3.33115 2004/ 7 1.00000 1371.0 1398.8 -27.8 -2.03116 2004/ 8 1.00000 1239.0 1271.6 -32.6 -2.63117 2004/ 9 1.00000 1463.0 1309.3 154. 10.51118 2004/ 10 1.00000 1560.0 1567.1 -7.09 -.45119 2004/ 11 1.00000 1644.0 1552.7 91.3 5.56120 2004/ 12 1.00000 1550.0 1542.9 7.05 .45121 2005/ 1 1.00000 1221.0 1339.4 -118. -9.70122 2005/ 2 1.00000 1056.0 1135.3 -79.3 -7.51123 2005/ 3 1.00000 1215.0 1229.3 -14.3 -1.18124 2005/ 4 1.00000 1447.0 1475.4 -28.4 -1.97125 2005/ 5 1.00000 1564.0 1526.6 37.4 2.39126 2005/ 6 1.00000 1543.0 1554.4 -11.4 -.74127 2005/ 7 1.00000 1480.0 1374.9 105. 7.10128 2005/ 8 1.00000 1502.0 1418.7 83.3 5.55129 2005/ 9 1.00000 1256.0 1418.2 -162. -12.91130 2005/ 10 1.00000 1502.0 1310.9 191. 12.72131 2005/ 11 1.00000 1705.0 1609.2 95.8 5.62132 2005/ 12 1.00000 1612.0 1604.0 7.99 .50133 2006/ 1 1.00000 1210.0 1345.4 -135. -11.19134 2006/ 2 1.00000 865.00 1095.3 -230. -26.63135 2006/ 3 1.00000 1018.0 1111.3 -93.3 -9.17136 2006/ 4 1.00000 1402.0 1437.9 -35.9 -2.56137 2006/ 5 1.00000 1543.0 1586.6 -43.6 -2.83138 2006/ 6 1.00000 1481.0 1558.2 -77.2 -5.22139 2006/ 7 1.00000 1285.0 1342.0 -57.0 -4.44140 2006/ 8 1.00000 1156.0 1322.0 -166. -14.36141 2006/ 9 1.00000 1422.0 1289.6 132. 9.31142 2006/ 10 1.00000 1604.0 1572.2 31.8 1.99143 2006/ 11 1.00000 1628.0 1591.1 36.9 2.27144 2006/ 12 1.00000 1585.0 1504.2 80.8 5.10145 2007/ 1 1.00000 1253.0 1360.5 -107. -8.58146 2007/ 2 1.00000 1028.0 1130.7 -103. -9.99147 2007/ 3 1.00000 1008.0 1188.7 -181. -17.93148 2007/ 4 1.00000 1734.0 1351.3 383. 22.07149 2007/ 5 1.00000 1696.0 1794.2 -98.2 -5.79150 2007/ 6 1.00000 1731.0 1494.3 237. 13.68151 2007/ 7 1.00000 1367.0 1422.2 -55.2 -4.04152 2007/ 8 1.00000 1243.0 1252.1 -9.11 -.73153 2007/ 9 1.00000 1347.0 1301.4 45.6 3.39154 2007/ 10 1.00000 1479.0 1480.6 -1.62 -.11155 2007/ 11 1.00000 1579.0 1544.1 34.9 2.21156 2007/ 12 1.00000 1421.0 1528.0 -107. -7.53MODEL MEAN ABSOLUTE ERROR = .09 RSQ= .93 prodmensualxhaNAIVE MEAN ABSOLUTE ERROR = .12 prodmensualxhaAVERAGE MEAN ABSOLUTE ERROR = .43 prodmensualxhaAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 -.100 -1.25 ** -.100 -1.25 **2 .095 1.17 ** .086 1.07 **3 -.077 -.94 ** -.061 -.76 **4 -.126 -1.53 ** -.150 -1.87 **5 .143 1.70 ** .135 1.69 **6 .051 .59 ** .100 1.25 **7 .034 .40 * -.003 -.04 *141

8 -.025 -.29 * -.036 -.46 *9 -.043 -.50 * -.002 -.02 *10 -.220 -2.57 *** -.232 -2.89 ***11 .069 .77 ** .015 .19 *12 .056 .63 ** .108 1.35 **13 .022 .24 * -.015 -.19 *14 .017 .19 * -.046 -.57 *15 -.215 -2.39 *** -.137 -1.71 **16 -.103 -1.11 ** -.117 -1.46 **17 .052 .55 ** .056 .69 **18 .008 .09 * .007 .09 *19 -.015 -.16 * -.114 -1.43 **20 .023 .24 * -.002 -.03 *21 -.176 -1.86 *** -.089 -1.11 **22 .035 .36 * .023 .29 *23 .019 .19 * .048 .59 *24 -.065 -.67 ** -.108 -1.35 **Section 4Model Forecasting for Time Series Variable Y = prodmensualxhaX1 = FIXED_EFF_N1_001X2 = FIXED_EFF_N1_002X3 = FIXED_EFF_N1_003X4 = FIXED_EFF_N1_004X5 = FIXED_EFF_N1_005X6 = FIXED_EFF_N1_006X7 = FIXED_EFF_N1_007X8 = FIXED_EFF_N1_008X9 = FIXED_EFF_N1_00910 = FIXED_EFF_N1_01011 = FIXED_EFF_N1_011: NEWLY IDENTIFIED VARIABLE 12 = I~T00001 1995/ 1 TIME: NEWLY IDENTIFIED VARIABLE 13 = I~T00068 2000/ 8 TIME: NEWLY IDENTIFIED VARIABLE 14 = I~L00062 2000/ 2 LEVEL: NEWLY IDENTIFIED VARIABLE 15 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE 16 = I~L00030 1997/ 6 LEVEL: NEWLY IDENTIFIED VARIABLE 17 = I~P00061 2000/ 1 PULSESection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 505.2 Autoregressive-Factor # 1 1 .6233 2 -.468INPUT SERIES X1 FIXED_EFF_N1_0014 Omega (input) -Factor # 2 0 -140.INPUT SERIES X2 FIXED_EFF_N1_0025 Omega (input) -Factor # 3 0 -269.INPUT SERIES X3 FIXED_EFF_N1_0036 Omega (input) -Factor # 4 0 -240.INPUT SERIES X4 FIXED_EFF_N1_0047 Omega (input) -Factor # 5 0 -91.5INPUT SERIES X5 FIXED_EFF_N1_005142

8 Omega (input) -Factor # 6 0 -31.4INPUT SERIES X6 FIXED_EFF_N1_0069 Omega (input) -Factor # 7 0 .456INPUT SERIES X7 FIXED_EFF_N1_00710 Omega (input) -Factor # 8 0 -119.INPUT SERIES X8 FIXED_EFF_N1_00811 Omega (input) -Factor # 9 0 -135.INPUT SERIES X9 FIXED_EFF_N1_00912 Omega (input) -Factor #10 0 -132.INPUT SERIES X10 FIXED_EFF_N1_01013 Omega (input) -Factor #11 0 -66.5INPUT SERIES X11 FIXED_EFF_N1_01114 Omega (input) -Factor #12 0 3.53INPUT SERIES X12 I~T00001 1995/ 1 TIME15 Omega (input) -Factor #13 0 10.7INPUT SERIES X13 I~T00068 2000/ 8 TIME16 Omega (input) -Factor #14 0 -11.1INPUT SERIES X14 I~L00062 2000/ 2 LEVEL17 Omega (input) -Factor #15 0 391.INPUT SERIES X15 I~L00112 2004/ 4 LEVEL18 Omega (input) -Factor #16 0 292.INPUT SERIES X16 I~L00030 1997/ 6 LEVEL19 Omega (input) -Factor #17 0 -458.INPUT SERIES X17 I~P00061 2000/ 1 PULSE20 Omega (input) -Factor #18 0 284.Y(T) = 597.97+[X1(T)][(- 140.27 )]+[X2(T)][(- 268.70 )]+[X3(T)][(- 239.75 )]+[X4(T)][(- 91.4900 )]+[X5(T)][(- 31.3625 )]+[X6(T)][(+ .456)]+[X7(T)][(- 119.11 )]+[X8(T)][(- 135.01 )]+[X9(T)][(- 132.31 )]+[X10(T)[(- 66.4627 )]+[X11(T)[(+ 3.5285 )]+[X12(T)[(+ 10.6891 )]+[X13(T)[(- 11.0931 )]+[X14(T)[(+ 390.97 )]+[X15(T)[(+ 291.63 )]+[X16(T)[(- 458.28 )]+[X17(T)[(+ 283.82 )]+ [(1- .623B** 1+ .468B** 2)]**-1 [A(T)]Section 6143

PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = prodmensualxhaF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 652.001995/ 2 A 416.001995/ 3 A 358.001995/ 4 A 489.001995/ 5 A 635.001995/ 6 A 635.001995/ 7 A 581.001995/ 8 A 582.001995/ 9 A 496.001995/ 10 A 468.001995/ 11 A 598.001995/ 12 A 603.001996/ 1 A 636.001996/ 2 A 717.001996/ 3 A 628.001996/ 4 A 549.001996/ 5 A 605.001996/ 6 A 660.001996/ 7 A 762.001996/ 8 A 731.001996/ 9 A 810.001996/ 10 A 848.001996/ 11 A 714.001996/ 12 A 796.001997/ 1 A 851.001997/ 2 A 852.001997/ 3 A 759.001997/ 4 A 670.001997/ 5 A 731.001997/ 6 A 428.001997/ 7 A 485.001997/ 8 A 457.001997/ 9 A 478.001997/ 10 A 443.001997/ 11 A 428.001997/ 12 A 443.001998/ 1 A 535.001998/ 2 A 525.001998/ 3 A 497.001998/ 4 A 442.001998/ 5 A 412.001998/ 6 A 505.001998/ 7 A 483.001998/ 8 A 556.001998/ 9 A 504.001998/ 10 A 537.001998/ 11 A 478.001998/ 12 A 441.001999/ 1 A 472.001999/ 2 A 515.001999/ 3 A 501.001999/ 4 A 467.001999/ 5 A 517.001999/ 6 A 514.001999/ 7 A 547.001999/ 8 A 596.001999/ 9 A 516.001999/ 10 A 844.00144

1999/ 11 A 958.001999/ 12 A 980.002000/ 1 A 917.002000/ 2 A 830.002000/ 3 A 1047.02000/ 4 A 1163.02000/ 5 A 1218.02000/ 6 A 1317.02000/ 7 A 1201.02000/ 8 A 1109.02000/ 9 A 1013.02000/ 10 A 1020.02000/ 11 A 1103.02000/ 12 A 1370.02001/ 1 A 1082.02001/ 2 A 1037.02001/ 3 A 1066.02001/ 4 A 1087.02001/ 5 A 1182.02001/ 6 A 1405.02001/ 7 A 1116.02001/ 8 A 1215.02001/ 9 A 1011.02001/ 10 A 982.002001/ 11 A 1354.02001/ 12 A 1243.02002/ 1 A 1168.02002/ 2 A 999.002002/ 3 A 897.002002/ 4 A 1057.02002/ 5 A 1144.02002/ 6 A 1206.02002/ 7 A 1133.02002/ 8 A 1080.02002/ 9 A 1038.02002/ 10 A 925.002002/ 11 A 1105.02002/ 12 A 1167.02003/ 1 A 1226.02003/ 2 A 1006.02003/ 3 A 1111.02003/ 4 A 1288.02003/ 5 A 1182.02003/ 6 A 1105.02003/ 7 A 944.002003/ 8 A 1109.02003/ 9 A 1293.02003/ 10 A 1344.02003/ 11 A 1230.02003/ 12 A 1321.02004/ 1 A 1193.02004/ 2 A 878.002004/ 3 A 900.002004/ 4 A 1482.02004/ 5 A 1759.02004/ 6 A 1721.02004/ 7 A 1371.02004/ 8 A 1239.02004/ 9 A 1463.02004/ 10 A 1560.02004/ 11 A 1644.02004/ 12 A 1550.02005/ 1 A 1221.02005/ 2 A 1056.02005/ 3 A 1215.02005/ 4 A 1447.02005/ 5 A 1564.02005/ 6 A 1543.0145

2005/ 7 A 1480.02005/ 8 A 1502.02005/ 9 A 1256.02005/ 10 A 1502.02005/ 11 A 1705.02005/ 12 A 1612.02006/ 1 A 1210.02006/ 2 A 865.002006/ 3 A 1018.02006/ 4 A 1402.02006/ 5 A 1543.02006/ 6 A 1481.02006/ 7 A 1285.02006/ 8 A 1156.02006/ 9 A 1422.02006/ 10 A 1604.02006/ 11 A 1628.02006/ 12 A 1585.02007/ 1 A 1253.02007/ 2 A 1028.02007/ 3 A 1008.02007/ 4 A 1734.02007/ 5 A 1696.02007/ 6 A 1731.02007/ 7 A 1367.02007/ 8 A 1243.02007/ 9 A 1347.02007/ 10 A 1479.02007/ 11 A 1579.02007/ 12 A 1421.02008/ 1 F++++++++++++++++++++++++++++++++++++++++++++++++++++++++146

Anexo G. Resumen estadístico del ARIMA para el indicador promedio de lechepor vaca por dia.Section 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = promvacadiahat: NEWLY IDENTIFIED VARIABLE X1 = I~T00057 1999/ 9 TIME: NEWLY IDENTIFIED VARIABLE X2 = I~T00090 2002/ 6 TIME: NEWLY IDENTIFIED VARIABLE X3 = I~L00058 1999/ 10 LEVEL: NEWLY IDENTIFIED VARIABLE X4 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE X5 = I~S00074 2001/ 2 SEASP: NEWLY IDENTIFIED VARIABLE X6 = I~S00075 2001/ 3 SEASP: NEWLY IDENTIFIED VARIABLE X7 = I~S00133 2006/ 1 SEASP: NEWLY IDENTIFIED VARIABLE X8 = I~S00134 2006/ 2 SEASP: NEWLY IDENTIFIED VARIABLE X9 = I~S00135 2006/ 3 SEASPMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 154Number of Degrees of Freedom =n-m 142Residual Mean =Sum R / n -.309880E-10Sum of Squares =Sum R**2 12144.7Variance var=SOS/(n) 78.8617Adjusted Variance =SOS/(n-m) 85.5261Standard Deviation =SQRT(Adj Var) 9.24803Standard Error of the Mean =Standard Dev/ .776078Mean / its Standard Error =Mean/SEM -.399290E-10Mean Absolute Deviation =Sum(ABS(R))/n 6.98967AIC Value ( Uses var ) =nln +2m 696.625SBC Value ( Uses var ) =nln +m*lnn 733.069BIC Value ( Uses var ) =see Wei p153 306.967R Square = .910029Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 2.13046D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 51.8 5.13 .0000 10.112 Autoregressive-Factor # 1 1 .731 .720E-01 .0000 10.163 2 -.469 .755E-01 .0000 -6.21INPUT SERIES X1 I~T00057 1999/ 9TIME4 Omega (input) -Factor # 2 0 .653 .166 .0001 3.94147

INPUT SERIES X2 I~T00090 2002/ 6TIME5 Omega (input) -Factor # 3 0 -.476 .237 .0470 -2.00INPUT SERIES X3 I~L00058 1999/ 10 LEVEL6 Omega (input) -Factor # 4 0 24.5 4.36 .0000 5.61INPUT SERIES X4 I~L00112 2004/ 4 LEVEL7 Omega (input) -Factor # 5 0 12.0 5.34 .0255 2.26INPUT SERIES X5 I~S00074 2001/ 2 SEASP8 Omega (input) -Factor # 6 0 -12.3 4.14 .0034 -2.98INPUT SERIES X6 I~S00075 2001/ 3 SEASP9 Omega (input) -Factor # 7 0 -8.26 4.13 .0474 -2.00INPUT SERIES X7 I~S00133 2006/ 1 SEASP10 Omega (input) -Factor # 8 0 -20.1 6.59 .0027 -3.05INPUT SERIES X8 I~S00134 2006/ 2 SEASP11 Omega (input) -Factor # 9 0 -28.6 8.98 .0018 -3.18INPUT SERIES X9 I~S00135 2006/ 3 SEASP12 Omega (input) -Factor #10 0 -28.4 7.53 .0002 -3.77Y(T) = 70.213+[X1(T)][(+ .653)]+[X2(T)][(- .476)]+[X3(T)][(+ 24.4822 )]+[X4(T)][(+ 12.0404 )]+[X5(T)][(- 12.3242 )]+[X6(T)][(- 8.2622 )]+[X7(T)][(- 20.1219 )]+[X8(T)][(- 28.5885 )]+[X9(T)][(- 28.4124 )]+ [(1- .731B** 1+ .469B** 2)]**-1 [A(T)]Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 71.000 NA NA NA2 1995/ 2 1.00000 47.000 NA NA NA3 1995/ 3 1.00000 41.000 52.881 -11.9 -28.984 1995/ 4 1.00000 58.000 59.752 -1.75 -3.025 1995/ 5 1.00000 76.000 74.989 1.01 1.336 1995/ 6 1.00000 76.000 80.170 -4.17 -5.497 1995/ 7 1.00000 68.000 71.728 -3.73 -5.488 1995/ 8 1.00000 62.000 65.882 -3.88 -6.269 1995/ 9 1.00000 59.000 65.249 -6.25 -10.5910 1995/ 10 1.00000 53.000 65.871 -12.9 -24.2811 1995/ 11 1.00000 63.000 62.893 .107 .1712 1995/ 12 1.00000 66.000 73.015 -7.01 -10.6313 1996/ 1 1.00000 73.000 70.517 2.48 3.4014 1996/ 2 1.00000 83.000 74.226 8.77 10.5715 1996/ 3 1.00000 71.000 78.250 -7.25 -10.2116 1996/ 4 1.00000 62.000 64.792 -2.79 -4.5017 1996/ 5 1.00000 71.000 63.842 7.16 10.0818 1996/ 6 1.00000 73.000 74.640 -1.64 -2.2519 1996/ 7 1.00000 77.000 71.881 5.12 6.6520 1996/ 8 1.00000 74.000 73.866 .134 .18148

21 1996/ 9 1.00000 83.000 69.798 13.2 15.9122 1996/ 10 1.00000 84.000 77.781 6.22 7.4023 1996/ 11 1.00000 71.000 74.292 -3.29 -4.6424 1996/ 12 1.00000 76.000 64.323 11.7 15.3625 1997/ 1 1.00000 79.000 74.073 4.93 6.2426 1997/ 2 1.00000 79.000 73.921 5.08 6.4327 1997/ 3 1.00000 71.000 72.514 -1.51 -2.1328 1997/ 4 1.00000 62.000 66.668 -4.67 -7.5329 1997/ 5 1.00000 69.000 63.842 5.16 7.4730 1997/ 6 1.00000 56.000 73.178 -17.2 -30.6831 1997/ 7 1.00000 59.000 60.396 -1.40 -2.3732 1997/ 8 1.00000 59.000 68.685 -9.68 -16.4133 1997/ 9 1.00000 68.000 67.278 .722 1.0634 1997/ 10 1.00000 61.000 73.855 -12.9 -21.0735 1997/ 11 1.00000 69.000 64.519 4.48 6.4936 1997/ 12 1.00000 71.000 73.647 -2.65 -3.7337 1998/ 1 1.00000 81.000 71.357 9.64 11.9038 1998/ 2 1.00000 77.000 77.727 -.727 -.9439 1998/ 3 1.00000 71.000 70.114 .886 1.2540 1998/ 4 1.00000 61.000 67.605 -6.61 -10.8341 1998/ 5 1.00000 61.000 63.112 -2.11 -3.4642 1998/ 6 1.00000 72.000 67.801 4.20 5.8343 1998/ 7 1.00000 72.000 75.840 -3.84 -5.3344 1998/ 8 1.00000 75.000 70.681 4.32 5.7645 1998/ 9 1.00000 74.000 72.873 1.13 1.5246 1998/ 10 1.00000 82.000 70.736 11.3 13.7447 1998/ 11 1.00000 78.000 77.051 .949 1.2248 1998/ 12 1.00000 71.000 70.376 .624 .8849 1999/ 1 1.00000 74.000 67.136 6.86 9.2850 1999/ 2 1.00000 67.000 72.612 -5.61 -8.3851 1999/ 3 1.00000 65.000 66.089 -1.09 -1.6852 1999/ 4 1.00000 57.000 67.911 -10.9 -19.1453 1999/ 5 1.00000 63.000 63.002 -.246E-02 .0054 1999/ 6 1.00000 75.000 71.139 3.86 5.1555 1999/ 7 1.00000 81.000 77.094 3.91 4.8256 1999/ 8 1.00000 85.000 75.851 9.15 10.7657 1999/ 9 1.00000 82.000 76.613 5.39 6.5758 1999/ 10 1.00000 107.00 97.203 9.80 9.1659 1999/ 11 1.00000 119.00 99.470 19.5 16.4160 1999/ 12 1.00000 117.00 108.48 8.52 7.2861 2000/ 1 1.00000 101.00 101.87 -.871 -.8662 2000/ 2 1.00000 87.000 91.599 -4.60 -5.2963 2000/ 3 1.00000 99.000 89.354 9.65 9.7464 2000/ 4 1.00000 109.00 105.17 3.83 3.5165 2000/ 5 1.00000 111.00 107.33 3.67 3.3066 2000/ 6 1.00000 105.00 104.59 .413 .3967 2000/ 7 1.00000 98.000 99.746 -1.75 -1.7868 2000/ 8 1.00000 92.000 97.927 -5.93 -6.4469 2000/ 9 1.00000 83.000 97.307 -14.3 -17.2470 2000/ 10 1.00000 93.000 94.026 -1.03 -1.1071 2000/ 11 1.00000 98.000 106.04 -8.04 -8.2072 2000/ 12 1.00000 117.00 105.48 11.5 9.8473 2001/ 1 1.00000 89.000 117.50 -28.5 -32.0374 2001/ 2 1.00000 86.000 76.290 9.71 11.2975 2001/ 3 1.00000 92.000 100.78 -8.78 -9.5476 2001/ 4 1.00000 98.000 106.57 -8.57 -8.7477 2001/ 5 1.00000 97.000 104.49 -7.49 -7.7278 2001/ 6 1.00000 111.00 105.30 5.70 5.1479 2001/ 7 1.00000 107.00 116.48 -9.48 -8.8680 2001/ 8 1.00000 104.00 107.47 -3.47 -3.3481 2001/ 9 1.00000 101.00 107.64 -6.64 -6.5782 2001/ 10 1.00000 103.00 107.34 -4.34 -4.2183 2001/ 11 1.00000 123.00 110.69 12.3 10.0184 2001/ 12 1.00000 119.00 124.85 -5.85 -4.9185 2002/ 1 1.00000 118.00 113.03 4.97 4.2286 2002/ 2 1.00000 101.00 102.33 -1.33 -1.3287 2002/ 3 1.00000 102.00 103.92 -1.92 -1.8988 2002/ 4 1.00000 121.00 112.62 8.38 6.92149

89 2002/ 5 1.00000 131.00 122.39 8.61 6.5790 2002/ 6 1.00000 133.00 124.67 8.33 6.2791 2002/ 7 1.00000 124.00 121.79 2.21 1.7892 2002/ 8 1.00000 118.00 114.41 3.59 3.0493 2002/ 9 1.00000 115.00 114.38 .624 .5494 2002/ 10 1.00000 101.00 115.13 -14.1 -13.9995 2002/ 11 1.00000 105.00 106.44 -1.44 -1.3796 2002/ 12 1.00000 125.00 116.06 8.94 7.1697 2003/ 1 1.00000 118.00 128.93 -10.9 -9.2698 2003/ 2 1.00000 102.00 102.24 -.238 -.2399 2003/ 3 1.00000 114.00 107.03 6.97 6.12100 2003/ 4 1.00000 131.00 122.95 8.05 6.15101 2003/ 5 1.00000 119.00 125.74 -6.74 -5.66102 2003/ 6 1.00000 117.00 113.00 4.00 3.42103 2003/ 7 1.00000 107.00 117.30 -10.3 -9.63104 2003/ 8 1.00000 111.00 111.06 -.609E-01 -.05105 2003/ 9 1.00000 123.00 118.80 4.20 3.41106 2003/ 10 1.00000 138.00 125.83 12.2 8.82107 2003/ 11 1.00000 131.00 131.29 -.294 -.22108 2003/ 12 1.00000 138.00 119.27 18.7 13.57109 2004/ 1 1.00000 121.00 127.80 -6.80 -5.62110 2004/ 2 1.00000 85.000 99.905 -14.9 -17.53111 2004/ 3 1.00000 92.000 94.769 -2.77 -3.01112 2004/ 4 1.00000 132.00 128.45 3.55 2.69113 2004/ 5 1.00000 153.00 141.60 11.4 7.45114 2004/ 6 1.00000 143.00 147.84 -4.84 -3.38115 2004/ 7 1.00000 118.00 130.81 -12.8 -10.86116 2004/ 8 1.00000 103.00 117.37 -14.4 -13.95117 2004/ 9 1.00000 141.00 118.26 22.7 16.13118 2004/ 10 1.00000 153.00 153.19 -.194 -.13119 2004/ 11 1.00000 162.00 144.27 17.7 10.94120 2004/ 12 1.00000 153.00 145.35 7.65 5.00121 2005/ 1 1.00000 119.00 134.69 -15.7 -13.18122 2005/ 2 1.00000 102.00 101.87 .132 .13123 2005/ 3 1.00000 116.00 118.59 -2.59 -2.23124 2005/ 4 1.00000 125.00 136.44 -11.4 -9.15125 2005/ 5 1.00000 146.00 132.45 13.6 9.28126 2005/ 6 1.00000 143.00 147.58 -4.58 -3.20127 2005/ 7 1.00000 141.00 135.67 5.33 3.78128 2005/ 8 1.00000 142.00 135.74 6.26 4.41129 2005/ 9 1.00000 118.00 137.54 -19.5 -16.56130 2005/ 10 1.00000 141.00 119.67 21.3 15.13131 2005/ 11 1.00000 166.00 147.86 18.1 10.93132 2005/ 12 1.00000 149.00 155.48 -6.48 -4.35133 2006/ 1 1.00000 115.00 111.34 3.66 3.19134 2006/ 2 1.00000 83.000 88.508 -5.51 -6.64135 2006/ 3 1.00000 97.000 91.194 5.81 5.99136 2006/ 4 1.00000 127.00 140.39 -13.4 -10.54137 2006/ 5 1.00000 137.00 131.07 5.93 4.33138 2006/ 6 1.00000 131.00 141.63 -10.6 -8.12139 2006/ 7 1.00000 117.00 132.69 -15.7 -13.41140 2006/ 8 1.00000 109.00 125.41 -16.4 -15.05141 2006/ 9 1.00000 131.00 126.26 4.74 3.62142 2006/ 10 1.00000 145.00 146.22 -1.22 -.84143 2006/ 11 1.00000 152.00 146.26 5.74 3.78144 2006/ 12 1.00000 145.00 144.94 .598E-01 .04145 2007/ 1 1.00000 113.00 116.55 -3.55 -3.14146 2007/ 2 1.00000 92.000 90.494 1.51 1.64147 2007/ 3 1.00000 88.000 100.28 -12.3 -13.96148 2007/ 4 1.00000 143.00 131.16 11.8 8.28149 2007/ 5 1.00000 154.00 148.55 5.45 3.54150 2007/ 6 1.00000 158.00 148.13 9.87 6.25151 2007/ 7 1.00000 125.00 146.02 -21.0 -16.82152 2007/ 8 1.00000 118.00 120.16 -2.16 -1.83153 2007/ 9 1.00000 134.00 130.65 3.35 2.50154 2007/ 10 1.00000 159.00 145.76 13.2 8.33155 2007/ 11 1.00000 163.00 156.65 6.35 3.89156 2007/ 12 1.00000 143.00 147.98 -4.98 -3.49150

MODEL MEAN ABSOLUTE ERROR = .07 RSQ= .91 promvacadiahatNAIVE MEAN ABSOLUTE ERROR = .11 promvacadiahatAVERAGE MEAN ABSOLUTE ERROR = .28 promvacadiahatAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 -.066 -.82 ** -.066 -.83 **2 .092 1.13 ** .088 1.10 **3 -.052 -.63 ** -.041 -.51 *4 .000 .00 * -.013 -.17 *5 .047 .58 * .056 .69 **6 .077 .94 ** .083 1.04 **7 -.016 -.19 * -.016 -.20 *8 -.037 -.45 * -.050 -.62 *9 -.119 -1.44 ** -.116 -1.45 **10 -.184 -2.19 *** -.201 -2.51 ***11 .112 1.30 ** .099 1.24 **12 -.033 -.38 * .002 .03 *13 .083 .95 ** .058 .73 **14 -.151 -1.72 *** -.121 -1.51 **15 -.103 -1.15 ** -.107 -1.34 **16 -.162 -1.80 *** -.155 -1.93 ***17 -.001 -.01 * -.049 -.62 *18 .110 1.19 ** .114 1.43 **19 -.049 -.53 * -.077 -.96 **20 -.073 -.79 ** -.096 -1.20 **21 -.099 -1.06 ** -.053 -.66 **22 .014 .15 * .021 .26 *23 .013 .14 * .000 .00 *24 .113 1.20 ** .008 .10 *Section 4Model Forecasting for Time Series Variable Y = promvacadiahat: NEWLY IDENTIFIED VARIABLE X1 = I~T00057 1999/ 9 TIME: NEWLY IDENTIFIED VARIABLE X2 = I~T00090 2002/ 6 TIME: NEWLY IDENTIFIED VARIABLE X3 = I~L00058 1999/ 10 LEVEL: NEWLY IDENTIFIED VARIABLE X4 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE X5 = I~S00074 2001/ 2 SEASP: NEWLY IDENTIFIED VARIABLE X6 = I~S00075 2001/ 3 SEASP: NEWLY IDENTIFIED VARIABLE X7 = I~S00133 2006/ 1 SEASP: NEWLY IDENTIFIED VARIABLE X8 = I~S00134 2006/ 2 SEASP: NEWLY IDENTIFIED VARIABLE X9 = I~S00135 2006/ 3 SEASPSection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 51.82 Autoregressive-Factor # 1 1 .7313 2 -.469INPUT SERIES X1 I~T00057 1999/ 9TIME4 Omega (input) -Factor # 2 0 .653151

INPUT SERIES X2 I~T00090 2002/ 6TIME5 Omega (input) -Factor # 3 0 -.476INPUT SERIES X3 I~L00058 1999/ 10 LEVEL6 Omega (input) -Factor # 4 0 24.5INPUT SERIES X4 I~L00112 2004/ 4 LEVEL7 Omega (input) -Factor # 5 0 12.0INPUT SERIES X5 I~S00074 2001/ 2 SEASP8 Omega (input) -Factor # 6 0 -12.3INPUT SERIES X6 I~S00075 2001/ 3 SEASP9 Omega (input) -Factor # 7 0 -8.26INPUT SERIES X7 I~S00133 2006/ 1 SEASP10 Omega (input) -Factor # 8 0 -20.1INPUT SERIES X8 I~S00134 2006/ 2 SEASP11 Omega (input) -Factor # 9 0 -28.6INPUT SERIES X9 I~S00135 2006/ 3 SEASP12 Omega (input) -Factor #10 0 -28.4Y(T) = 70.213+[X1(T)][(+ .653)]+[X2(T)][(- .476)]+[X3(T)][(+ 24.4822 )]+[X4(T)][(+ 12.0404 )]+[X5(T)][(- 12.3242 )]+[X6(T)][(- 8.2622 )]+[X7(T)][(- 20.1219 )]+[X8(T)][(- 28.5885 )]+[X9(T)][(- 28.4124 )]+ [(1- .731B** 1+ .469B** 2)]**-1 [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = promvacadiahatF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 71.0001995/ 2 A 47.0001995/ 3 A 41.0001995/ 4 A 58.0001995/ 5 A 76.0001995/ 6 A 76.0001995/ 7 A 68.0001995/ 8 A 62.0001995/ 9 A 59.0001995/ 10 A 53.0001995/ 11 A 63.0001995/ 12 A 66.0001996/ 1 A 73.0001996/ 2 A 83.0001996/ 3 A 71.0001996/ 4 A 62.0001996/ 5 A 71.0001996/ 6 A 73.0001996/ 7 A 77.0001996/ 8 A 74.0001996/ 9 A 83.000152

1996/ 10 A 84.0001996/ 11 A 71.0001996/ 12 A 76.0001997/ 1 A 79.0001997/ 2 A 79.0001997/ 3 A 71.0001997/ 4 A 62.0001997/ 5 A 69.0001997/ 6 A 56.0001997/ 7 A 59.0001997/ 8 A 59.0001997/ 9 A 68.0001997/ 10 A 61.0001997/ 11 A 69.0001997/ 12 A 71.0001998/ 1 A 81.0001998/ 2 A 77.0001998/ 3 A 71.0001998/ 4 A 61.0001998/ 5 A 61.0001998/ 6 A 72.0001998/ 7 A 72.0001998/ 8 A 75.0001998/ 9 A 74.0001998/ 10 A 82.0001998/ 11 A 78.0001998/ 12 A 71.0001999/ 1 A 74.0001999/ 2 A 67.0001999/ 3 A 65.0001999/ 4 A 57.0001999/ 5 A 63.0001999/ 6 A 75.0001999/ 7 A 81.0001999/ 8 A 85.0001999/ 9 A 82.0001999/ 10 A 107.001999/ 11 A 119.001999/ 12 A 117.002000/ 1 A 101.002000/ 2 A 87.0002000/ 3 A 99.0002000/ 4 A 109.002000/ 5 A 111.002000/ 6 A 105.002000/ 7 A 98.0002000/ 8 A 92.0002000/ 9 A 83.0002000/ 10 A 93.0002000/ 11 A 98.0002000/ 12 A 117.002001/ 1 A 89.0002001/ 2 A 86.0002001/ 3 A 92.0002001/ 4 A 98.0002001/ 5 A 97.0002001/ 6 A 111.002001/ 7 A 107.002001/ 8 A 104.002001/ 9 A 101.002001/ 10 A 103.002001/ 11 A 123.002001/ 12 A 119.002002/ 1 A 118.002002/ 2 A 101.002002/ 3 A 102.002002/ 4 A 121.002002/ 5 A 131.00153

2002/ 6 A 133.002002/ 7 A 124.002002/ 8 A 118.002002/ 9 A 115.002002/ 10 A 101.002002/ 11 A 105.002002/ 12 A 125.002003/ 1 A 118.002003/ 2 A 102.002003/ 3 A 114.002003/ 4 A 131.002003/ 5 A 119.002003/ 6 A 117.002003/ 7 A 107.002003/ 8 A 111.002003/ 9 A 123.002003/ 10 A 138.002003/ 11 A 131.002003/ 12 A 138.002004/ 1 A 121.002004/ 2 A 85.0002004/ 3 A 92.0002004/ 4 A 132.002004/ 5 A 153.002004/ 6 A 143.002004/ 7 A 118.002004/ 8 A 103.002004/ 9 A 141.002004/ 10 A 153.002004/ 11 A 162.002004/ 12 A 153.002005/ 1 A 119.002005/ 2 A 102.002005/ 3 A 116.002005/ 4 A 125.002005/ 5 A 146.002005/ 6 A 143.002005/ 7 A 141.002005/ 8 A 142.002005/ 9 A 118.002005/ 10 A 141.002005/ 11 A 166.002005/ 12 A 149.002006/ 1 A 115.002006/ 2 A 83.0002006/ 3 A 97.0002006/ 4 A 127.002006/ 5 A 137.002006/ 6 A 131.002006/ 7 A 117.002006/ 8 A 109.002006/ 9 A 131.002006/ 10 A 145.002006/ 11 A 152.002006/ 12 A 145.002007/ 1 A 113.002007/ 2 A 92.0002007/ 3 A 88.0002007/ 4 A 143.002007/ 5 A 154.002007/ 6 A 158.002007/ 7 A 125.002007/ 8 A 118.002007/ 9 A 134.002007/ 10 A 159.002007/ 11 A 163.002007/ 12 A 143.002008/ 1 F154

Anexo H. Resumen estadístico del ARIMA para el indicador Intervalo PartoPrimer servicio cada 4 mesesSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = IntPt1Serv4m: NEWLY IDENTIFIED VARIABLE X1 = I~P00011 1998/ 2 PULSEMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 39Number of Degrees of Freedom =n-m 37Residual Mean =Sum R / n .174903E-13Sum of Squares =Sum R**2 30470.8Variance var=SOS/(n) 781.304Adjusted Variance =SOS/(n-m) 823.536Standard Deviation =SQRT(Adj Var) 28.6973Standard Error of the Mean =Standard Dev/ 4.71781Mean / its Standard Error =Mean/SEM .370729E-14Mean Absolute Deviation =Sum(ABS(R))/n 21.3900AIC Value ( Uses var ) =nln +2m 263.778SBC Value ( Uses var ) =nln +m*lnn 267.105BIC Value ( Uses var ) =see Wei p153 70.6530R Square = .215305Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 1.66268D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 96.4 4.53 .0000 21.25INPUT SERIES X1 I~P00011 1998/ 2PULSE2 Omega (input) -Factor # 1 0 92.6 28.3 .0023 3.27Y(T) = 96.368+[X1(T)][(+ 92.6316 )]+ [A(T)]Section 3155

WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 146.00 96.368 49.6 33.992 1995/ 2 1.00000 162.00 96.368 65.6 40.513 1995/ 3 1.00000 106.00 96.368 9.63 9.094 1996/ 1 1.00000 113.00 96.368 16.6 14.725 1996/ 2 1.00000 75.000 96.368 -21.4 -28.496 1996/ 3 1.00000 100.00 96.368 3.63 3.637 1997/ 1 1.00000 78.000 96.368 -18.4 -23.558 1997/ 2 1.00000 77.000 96.368 -19.4 -25.159 1997/ 3 1.00000 88.000 96.368 -8.37 -9.5110 1998/ 1 1.00000 92.000 96.368 -4.37 -4.7511 1998/ 2 1.00000 189.00 189.00 .000 .0012 1998/ 3 1.00000 111.00 96.368 14.6 13.1813 1999/ 1 1.00000 110.00 96.368 13.6 12.3914 1999/ 2 1.00000 109.00 96.368 12.6 11.5915 1999/ 3 1.00000 68.000 96.368 -28.4 -41.7216 2000/ 1 1.00000 92.000 96.368 -4.37 -4.7517 2000/ 2 1.00000 75.000 96.368 -21.4 -28.4918 2000/ 3 1.00000 89.000 96.368 -7.37 -8.2819 2001/ 1 1.00000 84.000 96.368 -12.4 -14.7220 2001/ 2 1.00000 74.000 96.368 -22.4 -30.2321 2001/ 3 1.00000 72.000 96.368 -24.4 -33.8522 2002/ 1 1.00000 105.00 96.368 8.63 8.2223 2002/ 2 1.00000 158.00 96.368 61.6 39.0124 2002/ 3 1.00000 82.000 96.368 -14.4 -17.5225 2003/ 1 1.00000 76.000 96.368 -20.4 -26.8026 2003/ 2 1.00000 120.00 96.368 23.6 19.6927 2003/ 3 1.00000 88.000 96.368 -8.37 -9.5128 2004/ 1 1.00000 84.000 96.368 -12.4 -14.7229 2004/ 2 1.00000 81.000 96.368 -15.4 -18.9730 2004/ 3 1.00000 92.000 96.368 -4.37 -4.7531 2005/ 1 1.00000 31.000 96.368 -65.4 -210.8732 2005/ 2 1.00000 93.000 96.368 -3.37 -3.6233 2005/ 3 1.00000 119.00 96.368 22.6 19.0234 2006/ 1 1.00000 157.00 96.368 60.6 38.6235 2006/ 2 1.00000 69.000 96.368 -27.4 -39.6636 2006/ 3 1.00000 100.00 96.368 3.63 3.6337 2007/ 1 1.00000 43.000 96.368 -53.4 -124.1138 2007/ 2 1.00000 126.00 96.368 29.6 23.5239 2007/ 3 1.00000 117.00 96.368 20.6 17.63MODEL MEAN ABSOLUTE ERROR = .26 RSQ= .22 IntPt1Serv4mNAIVE MEAN ABSOLUTE ERROR = .37 IntPt1Serv4mAVERAGE MEAN ABSOLUTE ERROR = .29 IntPt1Serv4mAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.156

LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 .121 .76 ** .121 .76 **2 -.030 -.19 * -.045 -.28 *3 -.236 -1.45 *** -.231 -1.44 ***4 .025 .14 * .086 .53 **5 -.113 -.66 ** -.149 -.93 **6 -.004 -.02 * -.025 -.15 *7 -.095 -.55 ** -.077 -.48 **8 -.152 -.87 *** -.216 -1.35 ***9 -.043 -.24 * .005 .03 *10 .228 1.28 *** .185 1.15 ***11 .205 1.10 *** .082 .51 **12 .118 .62 ** .105 .66 **Section 4Model Forecasting for Time Series Variable Y = IntPt1Serv4m: NEWLY IDENTIFIED VARIABLE X1 = I~P00011 1998/ 2 PULSESection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 96.4INPUT SERIES X1 I~P00011 1998/ 2PULSE2 Omega (input) -Factor # 1 0 92.6Y(T) = 96.368+[X1(T)][(+ 92.6316 )]+ [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = IntPt1Serv4mF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 146.001995/ 2 A 162.001995/ 3 A 106.001996/ 1 A 113.001996/ 2 A 75.0001996/ 3 A 100.001997/ 1 A 78.0001997/ 2 A 77.0001997/ 3 A 88.0001998/ 1 A 92.000157

1998/ 2 A 189.001998/ 3 A 111.001999/ 1 A 110.001999/ 2 A 109.001999/ 3 A 68.0002000/ 1 A 92.0002000/ 2 A 75.0002000/ 3 A 89.0002001/ 1 A 84.0002001/ 2 A 74.0002001/ 3 A 72.0002002/ 1 A 105.002002/ 2 A 158.002002/ 3 A 82.0002003/ 1 A 76.0002003/ 2 A 120.002003/ 3 A 88.0002004/ 1 A 84.0002004/ 2 A 81.0002004/ 3 A 92.0002005/ 1 A 31.0002005/ 2 A 93.0002005/ 3 A 119.002006/ 1 A 157.002006/ 2 A 69.0002006/ 3 A 100.002007/ 1 A 43.0002007/ 2 A 126.002007/ 3 A 117.002008/ 1 F++++++++++++++++++++++++++++++++++++++++++++++++++++++++158

Anexo I. Resumen estadístico del ARIMA para el indicador Intervalo partoconcepción cada 4 mesesSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = IntervPtConc4m: NEWLY IDENTIFIED VARIABLE X1 = I~P00039 2007/ 3 PULSEMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 39Number of Degrees of Freedom =n-m 37Residual Mean =Sum R / n .134347E-11Sum of Squares =Sum R**2 32107.1Variance var=SOS/(n) 823.258Adjusted Variance =SOS/(n-m) 867.758Standard Deviation =SQRT(Adj Var) 29.4577Standard Error of the Mean =Standard Dev/ 4.84282Mean / its Standard Error =Mean/SEM .277415E-12Mean Absolute Deviation =Sum(ABS(R))/n 22.2159AIC Value ( Uses var ) =nln +2m 265.818SBC Value ( Uses var ) =nln +m*lnn 269.145BIC Value ( Uses var ) =see Wei p153 92.5079R Square = .304662Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 1.98590D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 120. 4.65 .0000 25.75INPUT SERIES X1 I~P00039 2007/ 3PULSE2 Omega (input) -Factor # 1 0 120. 29.1 .0002 4.13Y(T) = 119.84+[X1(T)][(+ 120.16 )]+ [A(T)]159

Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 165.00 119.84 45.2 27.372 1995/ 2 1.00000 142.00 119.84 22.2 15.603 1995/ 3 1.00000 109.00 119.84 -10.8 -9.954 1996/ 1 1.00000 112.00 119.84 -7.84 -7.005 1996/ 2 1.00000 94.000 119.84 -25.8 -27.496 1996/ 3 1.00000 139.00 119.84 19.2 13.787 1997/ 1 1.00000 100.00 119.84 -19.8 -19.848 1997/ 2 1.00000 104.00 119.84 -15.8 -15.239 1997/ 3 1.00000 102.00 119.84 -17.8 -17.4910 1998/ 1 1.00000 109.00 119.84 -10.8 -9.9511 1998/ 2 1.00000 193.00 119.84 73.2 37.9112 1998/ 3 1.00000 128.00 119.84 8.16 6.3713 1999/ 1 1.00000 119.00 119.84 -.842 -.7114 1999/ 2 1.00000 109.00 119.84 -10.8 -9.9515 1999/ 3 1.00000 75.000 119.84 -44.8 -59.7916 2000/ 1 1.00000 120.00 119.84 .158 .1317 2000/ 2 1.00000 102.00 119.84 -17.8 -17.4918 2000/ 3 1.00000 84.000 119.84 -35.8 -42.6719 2001/ 1 1.00000 73.000 119.84 -46.8 -64.1720 2001/ 2 1.00000 117.00 119.84 -2.84 -2.4321 2001/ 3 1.00000 109.00 119.84 -10.8 -9.9522 2002/ 1 1.00000 105.00 119.84 -14.8 -14.1423 2002/ 2 1.00000 147.00 119.84 27.2 18.4724 2002/ 3 1.00000 139.00 119.84 19.2 13.7825 2003/ 1 1.00000 93.000 119.84 -26.8 -28.8626 2003/ 2 1.00000 182.00 119.84 62.2 34.1527 2003/ 3 1.00000 107.00 119.84 -12.8 -12.0028 2004/ 1 1.00000 190.00 119.84 70.2 36.9329 2004/ 2 1.00000 117.00 119.84 -2.84 -2.4330 2004/ 3 1.00000 103.00 119.84 -16.8 -16.3531 2005/ 1 1.00000 105.00 119.84 -14.8 -14.1432 2005/ 2 1.00000 106.00 119.84 -13.8 -13.0633 2005/ 3 1.00000 162.00 119.84 42.2 26.0234 2006/ 1 1.00000 132.00 119.84 12.2 9.2135 2006/ 2 1.00000 85.000 119.84 -34.8 -40.9936 2006/ 3 1.00000 126.00 119.84 6.16 4.8937 2007/ 1 1.00000 104.00 119.84 -15.8 -15.2338 2007/ 2 1.00000 146.00 119.84 26.2 17.9239 2007/ 3 1.00000 240.00 240.00 -.696E-12 .00MODEL MEAN ABSOLUTE ERROR = .19 RSQ= .30 IntervPtConc4mNAIVE MEAN ABSOLUTE ERROR = .27 IntervPtConc4mAVERAGE MEAN ABSOLUTE ERROR = .21 IntervPtConc4mAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 -.025 -.15 * -.025 -.15 *2 .100 .63 ** .100 .62 **3 -.086 -.53 ** -.082 -.51 **4 -.143 -.88 ** -.159 -.99 ***5 .242 1.46 *** .263 1.64 ****6 -.138 -.79 ** -.124 -.77 **7 -.198 -1.11 *** -.318 -1.99 ****160

8 -.206 -1.12 *** -.166 -1.04 ***9 -.199 -1.05 *** -.103 -.64 **10 .299 1.54 **** .241 1.50 ***11 -.122 -.59 ** -.166 -1.04 ***12 .167 .80 *** .139 .87 **Section 4Model Forecasting for Time Series Variable Y = IntervPtConc4m: NEWLY IDENTIFIED VARIABLE X1 = I~P00039 2007/ 3 PULSESection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 120.INPUT SERIES X1 I~P00039 2007/ 3PULSE2 Omega (input) -Factor # 1 0 120.Y(T) = 119.84+[X1(T)][(+ 120.16 )]+ [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = IntervPtConc4mF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 165.001995/ 2 A 142.001995/ 3 A 109.001996/ 1 A 112.001996/ 2 A 94.0001996/ 3 A 139.001997/ 1 A 100.001997/ 2 A 104.001997/ 3 A 102.001998/ 1 A 109.001998/ 2 A 193.001998/ 3 A 128.001999/ 1 A 119.001999/ 2 A 109.001999/ 3 A 75.0002000/ 1 A 120.002000/ 2 A 102.002000/ 3 A 84.0002001/ 1 A 73.0002001/ 2 A 117.002001/ 3 A 109.002002/ 1 A 105.002002/ 2 A 147.002002/ 3 A 139.002003/ 1 A 93.0002003/ 2 A 182.00161

2003/ 3 A 107.002004/ 1 A 190.002004/ 2 A 117.002004/ 3 A 103.002005/ 1 A 105.002005/ 2 A 106.002005/ 3 A 162.002006/ 1 A 132.002006/ 2 A 85.0002006/ 3 A 126.002007/ 1 A 104.002007/ 2 A 146.002007/ 3 A 240.002008/ 1 F++++++++++++++++++++++++++++++++++++++++++++++++++++++++162

Anexo J. Resumen estadístico del ARIMA para el indicador Intervalo entrepartos IEP cada cuatro mesesSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = PromIEP4m: NEWLY IDENTIFIED VARIABLE X1 = I~P00013 1999/ 1 PULSE: NEWLY IDENTIFIED VARIABLE X2 = I~P00036 2006/ 3 PULSE: NEWLY IDENTIFIED VARIABLE X3 = I~P00025 2003/ 1 PULSEMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 39Number of Degrees of Freedom =n-m 35Residual Mean =Sum R / n .669987E-11Sum of Squares =Sum R**2 20626.3Variance var=SOS/(n) 528.880Adjusted Variance =SOS/(n-m) 589.323Standard Deviation =SQRT(Adj Var) 24.2760Standard Error of the Mean =Standard Dev/ 4.10339Mean / its Standard Error =Mean/SEM .163277E-11Mean Absolute Deviation =Sum(ABS(R))/n 18.0484AIC Value ( Uses var ) =nln +2m 252.560SBC Value ( Uses var ) =nln +m*lnn 259.214BIC Value ( Uses var ) =see Wei p153 125.735R Square = .572557Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 2.07784D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 398. 3.83 .0000 103.93INPUT SERIES X1 I~P00013 1999/ 1 PULSE2 Omega (input) -Factor # 1 0 125. 23.3 .0000 5.35INPUT SERIES X2 I~P00036 2006/ 3 PULSE3 Omega (input) -Factor # 2 0 95.6 23.3 .0002 4.10INPUT SERIES X3 I~P00025 2003/ 1 PULSE4 Omega (input) -Factor # 3 0 71.6 23.3 .0041 3.07Y(T) = 398.36+[X1(T)][(+ 124.64 )]+[X2(T)][(+ 95.6389 )]+[X3(T)][(+ 71.6389 )]163

+ [A(T)]Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 401.00 398.36 2.64 .662 1995/ 2 1.00000 394.00 398.36 -4.36 -1.113 1995/ 3 1.00000 433.00 398.36 34.6 8.004 1996/ 1 1.00000 433.00 398.36 34.6 8.005 1996/ 2 1.00000 432.00 398.36 33.6 7.796 1996/ 3 1.00000 382.00 398.36 -16.4 -4.287 1997/ 1 1.00000 445.00 398.36 46.6 10.488 1997/ 2 1.00000 398.00 398.36 -.361 -.099 1997/ 3 1.00000 385.00 398.36 -13.4 -3.4710 1998/ 1 1.00000 391.00 398.36 -7.36 -1.8811 1998/ 2 1.00000 374.00 398.36 -24.4 -6.5112 1998/ 3 1.00000 370.00 398.36 -28.4 -7.6713 1999/ 1 1.00000 523.00 523.00 -.497E-12 .0014 1999/ 2 1.00000 413.00 398.36 14.6 3.5415 1999/ 3 1.00000 436.00 398.36 37.6 8.6316 2000/ 1 1.00000 397.00 398.36 -1.36 -.3417 2000/ 2 1.00000 362.00 398.36 -36.4 -10.0418 2000/ 3 1.00000 396.00 398.36 -2.36 -.6019 2001/ 1 1.00000 395.00 398.36 -3.36 -.8520 2001/ 2 1.00000 359.00 398.36 -39.4 -10.9621 2001/ 3 1.00000 385.00 398.36 -13.4 -3.4722 2002/ 1 1.00000 369.00 398.36 -29.4 -7.9623 2002/ 2 1.00000 409.00 398.36 10.6 2.6024 2002/ 3 1.00000 410.00 398.36 11.6 2.8425 2003/ 1 1.00000 470.00 470.00 -.526E-12 .0026 2003/ 2 1.00000 430.00 398.36 31.6 7.3627 2003/ 3 1.00000 370.00 398.36 -28.4 -7.6728 2004/ 1 1.00000 449.00 398.36 50.6 11.2829 2004/ 2 1.00000 380.00 398.36 -18.4 -4.8330 2004/ 3 1.00000 397.00 398.36 -1.36 -.3431 2005/ 1 1.00000 390.00 398.36 -8.36 -2.1432 2005/ 2 1.00000 383.00 398.36 -15.4 -4.0133 2005/ 3 1.00000 421.00 398.36 22.6 5.3834 2006/ 1 1.00000 374.00 398.36 -24.4 -6.5135 2006/ 2 1.00000 413.00 398.36 14.6 3.5436 2006/ 3 1.00000 494.00 494.00 -.526E-12 .0037 2007/ 1 1.00000 371.00 398.36 -27.4 -7.3738 2007/ 2 1.00000 390.00 398.36 -8.36 -2.1439 2007/ 3 1.00000 404.00 398.36 5.64 1.40MODEL MEAN ABSOLUTE ERROR = .05 RSQ= .57 PromIEP4mNAIVE MEAN ABSOLUTE ERROR = .09 PromIEP4mAVERAGE MEAN ABSOLUTE ERROR = .06 PromIEP4mAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 -.040 -.25 * -.040 -.25 *2 .180 1.12 *** .179 1.12 ***3 .000 .00 * .014 .09 *164

4 -.135 -.82 ** -.173 -1.08 ***5 .037 .22 * .026 .16 *6 -.323 -1.92 **** -.279 -1.74 ****7 .015 .08 * -.014 -.09 *8 -.065 -.35 ** .026 .16 *9 -.001 -.01 * .006 .04 *10 .173 .94 *** .122 .76 **11 .101 .54 ** .146 .91 **12 .022 .11 * -.135 -.84 **Section 4Model Forecasting for Time Series Variable Y = PromIEP4m: NEWLY IDENTIFIED VARIABLE X1 = I~P00013 1999/ 1 PULSE: NEWLY IDENTIFIED VARIABLE X2 = I~P00036 2006/ 3 PULSE: NEWLY IDENTIFIED VARIABLE X3 = I~P00025 2003/ 1 PULSESection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 398.INPUT SERIES X1 I~P00013 1999/ 1 PULSE2 Omega (input) -Factor # 1 0 125.INPUT SERIES X2 I~P00036 2006/ 3 PULSE3 Omega (input) -Factor # 2 0 95.6INPUT SERIES X3 I~P00025 2003/ 1 PULSE4 Omega (input) -Factor # 3 0 71.6Y(T) = 398.36+[X1(T)][(+ 124.64 )]+[X2(T)][(+ 95.6389 )]+[X3(T)][(+ 71.6389 )]+ [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = PromIEP4mF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 401.001995/ 2 A 394.001995/ 3 A 433.001996/ 1 A 433.001996/ 2 A 432.001996/ 3 A 382.001997/ 1 A 445.001997/ 2 A 398.001997/ 3 A 385.001998/ 1 A 391.001998/ 2 A 374.001998/ 3 A 370.001999/ 1 A 523.001999/ 2 A 413.001999/ 3 A 436.002000/ 1 A 397.002000/ 2 A 362.002000/ 3 A 396.00165

2001/ 1 A 395.002001/ 2 A 359.002001/ 3 A 385.002002/ 1 A 369.002002/ 2 A 409.002002/ 3 A 410.002003/ 1 A 470.002003/ 2 A 430.002003/ 3 A 370.002004/ 1 A 449.002004/ 2 A 380.002004/ 3 A 397.002005/ 1 A 390.002005/ 2 A 383.002005/ 3 A 421.002006/ 1 A 374.002006/ 2 A 413.002006/ 3 A 494.002007/ 1 A 371.002007/ 2 A 390.002007/ 3 A 404.002008/ 1 F++++++++++++++++++++++++++++++++++++++++++++++++++++++++166

Anexo K. Resultado estadístico del ARIMA a el indicador de hembras delevanteSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = PromNovillVien: NEWLY IDENTIFIED VARIABLE X1 = I~T00001 1995/ 1 TIME: NEWLY IDENTIFIED VARIABLE X2 = I~T00057 1999/ 9 TIME: NEWLY IDENTIFIED VARIABLE X3 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE X4 = I~P00111 2004/ 3 PULSE: NEWLY IDENTIFIED VARIABLE X5 = I~P00106 2003/ 10 PULSE: NEWLY IDENTIFIED VARIABLE X6 = I~P00107 2003/ 11 PULSE: NEWLY IDENTIFIED VARIABLE X7 = I~P00105 2003/ 9 PULSEMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 152Number of Degrees of Freedom =n-m 141Residual Mean =Sum R / n .395227E-08Sum of Squares =Sum R**2 148.330Variance var=SOS/(n) .975852Adjusted Variance =SOS/(n-m) 1.05198Standard Deviation =SQRT(Adj Var) 1.02566Standard Error of the Mean =Standard Dev/ .863763E-01Mean / its Standard Error =Mean/SEM .457564E-07Mean Absolute Deviation =Sum(ABS(R))/n .773154AIC Value ( Uses var ) =nln +2m 18.2845SBC Value ( Uses var ) =nln +m*lnn 51.5472BIC Value ( Uses var ) =see Wei p153 82.4098R Square = .994636Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 1.98217D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT .264 .501 .5987 .532 Autoregressive-Factor # 1 1 1.36 .793E-01 .0000 17.183 2 -.430 .765E-01 .0000 -5.614 Autoregressive-Factor # 2 2 -.301 .885E-01 .0009 -3.41INPUT SERIES X1 I~T00001 1995/ 1TIME5 Omega (input) -Factor # 3 0 .804 .108 .0000 7.45INPUT SERIES X2 I~T00057 1999/ 9 TIME6 Omega (input) -Factor # 4 0 -1.19 .131 .0000 -9.10INPUT SERIES X3 I~L00112 2004/ 4 LEVEL167

7 Omega (input) -Factor # 5 0 -7.90 1.72 .0000 -4.60INPUT SERIES X4 I~P00111 2004/ 3 PULSE8 Omega (input) -Factor # 6 0 -3.30 1.01 .0014 -3.27INPUT SERIES X5 I~P00106 2003/ 10 PULSE9 Omega (input) -Factor # 7 0 -3.22 1.29 .0136 -2.50INPUT SERIES X6 I~P00107 2003/ 11 PULSE10 Omega (input) -Factor # 8 0 -2.86 .914 .0021 -3.13INPUT SERIES X7 I~P00105 2003/ 9 PULSE11 Omega (input) -Factor # 9 0 -2.43 .935 .0103 -2.60Y(T) = 2.9906+[X1(T)][(+ .804)]+[X2(T)][(- 1.1902 )]+[X3(T)][(- 7.8998 )]+[X4(T)][(- 3.2953 )]+[X5(T)][(- 3.2237 )]+[X6(T)][(- 2.8647 )]+[X7(T)][(- 2.4318 )]+ [(1- 1.3618 B** 1+ .430B** 2)(1+ .301B** 2)]**-1 [A(T)]Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 22.000 NA NA NA2 1995/ 2 1.00000 22.000 NA NA NA3 1995/ 3 1.00000 22.000 NA NA NA4 1995/ 4 1.00000 23.000 NA NA NA5 1995/ 5 1.00000 22.000 22.530 -.530 -2.416 1995/ 6 1.00000 22.000 20.508 1.49 6.787 1995/ 7 1.00000 21.000 21.721 -.721 -3.438 1995/ 8 1.00000 21.000 19.890 1.11 5.299 1995/ 9 1.00000 21.000 20.822 .178 .8510 1995/ 10 1.00000 22.000 20.482 1.52 6.9011 1995/ 11 1.00000 23.000 22.045 .955 4.1512 1995/ 12 1.00000 22.000 22.747 -.747 -3.3913 1996/ 1 1.00000 21.000 21.135 -.135 -.6414 1996/ 2 1.00000 21.000 20.857 .143 .6815 1996/ 3 1.00000 22.000 21.119 .881 4.0016 1996/ 4 1.00000 22.000 22.271 -.271 -1.2317 1996/ 5 1.00000 21.000 21.740 -.740 -3.5318 1996/ 6 1.00000 19.000 20.860 -1.86 -9.7919 1996/ 7 1.00000 18.000 18.809 -.809 -4.5020 1996/ 8 1.00000 17.000 18.570 -1.57 -9.2421 1996/ 9 1.00000 18.000 17.319 .681 3.7822 1996/ 10 1.00000 19.000 19.332 -.332 -1.7523 1996/ 11 1.00000 19.000 19.753 -.753 -3.9624 1996/ 12 1.00000 19.000 19.633 -.633 -3.3325 1997/ 1 1.00000 19.000 19.985 -.985 -5.1826 1997/ 2 1.00000 20.000 19.927 .735E-01 .3727 1997/ 3 1.00000 21.000 21.359 -.359 -1.7128 1997/ 4 1.00000 21.000 22.061 -1.06 -5.0529 1997/ 5 1.00000 22.000 21.812 .188 .8630 1997/ 6 1.00000 25.000 23.525 1.47 5.9031 1997/ 7 1.00000 27.000 26.821 .179 .6632 1997/ 8 1.00000 28.000 27.833 .167 .6033 1997/ 9 1.00000 29.000 28.906 .944E-01 .3334 1997/ 10 1.00000 30.000 30.040 -.397E-01 -.13168

35 1997/ 11 1.00000 31.000 30.893 .107 .3536 1997/ 12 1.00000 33.000 31.876 1.12 3.4137 1998/ 1 1.00000 34.000 34.220 -.220 -.6538 1998/ 2 1.00000 33.000 34.472 -1.47 -4.4639 1998/ 3 1.00000 34.000 33.141 .859 2.5340 1998/ 4 1.00000 36.000 35.457 .543 1.5141 1998/ 5 1.00000 38.000 36.980 1.02 2.6842 1998/ 6 1.00000 39.000 38.853 .147 .3843 1998/ 7 1.00000 41.000 39.515 1.49 3.6244 1998/ 8 1.00000 44.000 42.140 1.86 4.2345 1998/ 9 1.00000 45.000 44.986 .141E-01 .0346 1998/ 10 1.00000 45.000 44.917 .832E-01 .1847 1998/ 11 1.00000 45.000 45.229 -.229 -.5148 1998/ 12 1.00000 46.000 45.322 .678 1.4749 1999/ 1 1.00000 47.000 46.625 .375 .8050 1999/ 2 1.00000 46.000 47.327 -1.33 -2.8951 1999/ 3 1.00000 46.000 45.716 .284 .6252 1999/ 4 1.00000 46.000 46.799 -.799 -1.7453 1999/ 5 1.00000 47.000 46.330 .670 1.4354 1999/ 6 1.00000 48.000 47.893 .107 .2255 1999/ 7 1.00000 49.000 48.594 .406 .8356 1999/ 8 1.00000 50.000 49.707 .293 .5957 1999/ 9 1.00000 50.000 49.499 .501 1.0058 1999/ 10 1.00000 48.000 49.551 -1.55 -3.2359 1999/ 11 1.00000 46.000 46.739 -.739 -1.6160 1999/ 12 1.00000 45.000 45.469 -.469 -1.0461 2000/ 1 1.00000 45.000 44.714 .286 .6462 2000/ 2 1.00000 44.000 44.849 -.849 -1.9363 2000/ 3 1.00000 43.000 43.302 -.302 -.7064 2000/ 4 1.00000 45.000 42.767 2.23 4.9665 2000/ 5 1.00000 44.000 45.777 -1.78 -4.0466 2000/ 6 1.00000 42.000 42.638 -.638 -1.5267 2000/ 7 1.00000 42.000 41.562 .438 1.0468 2000/ 8 1.00000 41.000 42.320 -1.32 -3.2269 2000/ 9 1.00000 41.000 40.233 .767 1.8770 2000/ 10 1.00000 42.000 41.189 .811 1.9371 2000/ 11 1.00000 42.000 42.106 -.106 -.2572 2000/ 12 1.00000 41.000 41.471 -.471 -1.1573 2001/ 1 1.00000 41.000 40.485 .515 1.2674 2001/ 2 1.00000 41.000 41.053 -.526E-01 -.1375 2001/ 3 1.00000 41.000 40.608 .392 .9676 2001/ 4 1.00000 43.000 40.703 2.30 5.3477 2001/ 5 1.00000 42.000 43.393 -1.39 -3.3278 2001/ 6 1.00000 40.000 40.535 -.535 -1.3479 2001/ 7 1.00000 38.000 39.329 -1.33 -3.5080 2001/ 8 1.00000 36.000 37.364 -1.36 -3.7981 2001/ 9 1.00000 35.000 35.377 -.377 -1.0882 2001/ 10 1.00000 35.000 34.882 .118 .3483 2001/ 11 1.00000 33.000 35.017 -2.02 -6.1184 2001/ 12 1.00000 31.000 32.108 -1.11 -3.5785 2002/ 1 1.00000 33.000 30.942 2.06 6.2486 2002/ 2 1.00000 34.000 34.273 -.273 -.8087 2002/ 3 1.00000 34.000 33.576 .424 1.2588 2002/ 4 1.00000 34.000 33.891 .109 .3289 2002/ 5 1.00000 36.000 34.008 1.99 5.5390 2002/ 6 1.00000 37.000 36.568 .432 1.1791 2002/ 7 1.00000 37.000 36.434 .566 1.5392 2002/ 8 1.00000 38.000 36.490 1.51 3.9793 2002/ 9 1.00000 38.000 37.969 .314E-01 .0894 2002/ 10 1.00000 36.000 37.074 -1.07 -2.9895 2002/ 11 1.00000 34.000 34.727 -.727 -2.1496 2002/ 12 1.00000 32.000 33.302 -1.30 -4.0797 2003/ 1 1.00000 32.000 31.185 .815 2.5598 2003/ 2 1.00000 33.000 32.052 .948 2.8799 2003/ 3 1.00000 34.000 32.817 1.18 3.48100 2003/ 4 1.00000 34.000 33.673 .327 .96101 2003/ 5 1.00000 32.000 33.318 -1.32 -4.12102 2003/ 6 1.00000 32.000 30.841 1.16 3.62169

103 2003/ 7 1.00000 33.000 32.140 .860 2.61104 2003/ 8 1.00000 29.000 32.647 -3.65 -12.58105 2003/ 9 1.00000 24.000 24.262 -.262 -1.09106 2003/ 10 1.00000 23.000 23.273 -.273 -1.19107 2003/ 11 1.00000 23.000 23.421 -.421 -1.83108 2003/ 12 1.00000 25.000 25.379 -.379 -1.52109 2004/ 1 1.00000 25.000 24.677 .323 1.29110 2004/ 2 1.00000 26.000 25.155 .845 3.25111 2004/ 3 1.00000 23.000 22.879 .121 .53112 2004/ 4 1.00000 17.000 18.023 -1.02 -6.02113 2004/ 5 1.00000 14.000 16.283 -2.28 -16.31114 2004/ 6 1.00000 13.000 13.176 -.176 -1.35115 2004/ 7 1.00000 14.000 13.362 .638 4.56116 2004/ 8 1.00000 14.000 14.370 -.370 -2.64117 2004/ 9 1.00000 13.000 13.583 -.583 -4.49118 2004/ 10 1.00000 13.000 12.727 .273 2.10119 2004/ 11 1.00000 13.000 13.295 -.295 -2.27120 2004/ 12 1.00000 13.000 12.850 .150 1.15121 2005/ 1 1.00000 14.000 12.946 1.05 7.53122 2005/ 2 1.00000 14.000 14.273 -.273 -1.95123 2005/ 3 1.00000 15.000 13.508 1.49 9.95124 2005/ 4 1.00000 15.000 15.246 -.246 -1.64125 2005/ 5 1.00000 13.000 14.351 -1.35 -10.40126 2005/ 6 1.00000 13.000 12.004 .996 7.66127 2005/ 7 1.00000 12.000 13.303 -1.30 -10.86128 2005/ 8 1.00000 12.000 11.086 .914 7.62129 2005/ 9 1.00000 13.000 12.042 .958 7.37130 2005/ 10 1.00000 13.000 12.959 .407E-01 .31131 2005/ 11 1.00000 12.000 12.324 -.324 -2.70132 2005/ 12 1.00000 12.000 11.338 .662 5.52133 2006/ 1 1.00000 12.000 11.906 .944E-01 .79134 2006/ 2 1.00000 11.000 11.461 -.461 -4.19135 2006/ 3 1.00000 10.000 10.195 -.195 -1.95136 2006/ 4 1.00000 9.0000 9.5299 -.530 -5.89137 2006/ 5 1.00000 11.000 8.4547 2.55 23.14138 2006/ 6 1.00000 13.000 11.594 1.41 10.81139 2006/ 7 1.00000 13.000 12.541 .459 3.53140 2006/ 8 1.00000 13.000 11.995 1.01 7.73141 2006/ 9 1.00000 11.000 12.522 -1.52 -13.84142 2006/ 10 1.00000 9.0000 9.5057 -.506 -5.62143 2006/ 11 1.00000 9.0000 8.2102 .790 8.78144 2006/ 12 1.00000 9.0000 8.8175 .182 2.03145 2007/ 1 1.00000 9.0000 8.2216 .778 8.65146 2007/ 2 1.00000 8.0000 8.4465 -.447 -5.58147 2007/ 3 1.00000 7.0000 7.0506 -.506E-01 -.72148 2007/ 4 1.00000 5.0000 6.3858 -1.39 -27.72149 2007/ 5 1.00000 4.0000 3.9488 .512E-01 1.28150 2007/ 6 1.00000 4.0000 3.7342 .266 6.65151 2007/ 7 1.00000 2.0000 3.7399 -1.74 -86.99152 2007/ 8 1.00000 2.0000 .83073 1.17 58.46153 2007/ 9 1.00000 3.0000 2.3884 .612 20.39154 2007/ 10 1.00000 2.0000 2.8952 -.895 -44.76155 2007/ 11 1.00000 2.0000 1.0272 .973 48.64156 2007/ 12 1.00000 1.0000 2.1347 -1.13 -113.47MODEL MEAN ABSOLUTE ERROR = .06 RSQ= .99 PromNovillVienNAIVE MEAN ABSOLUTE ERROR = .06 PromNovillVienAVERAGE MEAN ABSOLUTE ERROR = 1.12 PromNovillVienAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 .005 .06 * .005 .06 *2 -.043 -.53 * -.043 -.54 *3 .103 1.27 ** .103 1.29 **4 -.107 -1.31 ** -.112 -1.40 **170

5 .021 .25 * .034 .43 *6 -.026 -.31 * -.049 -.61 *7 -.017 -.20 * .011 .14 *8 -.022 -.27 * -.046 -.57 *9 .054 .65 ** .072 .90 **10 -.055 -.66 ** -.074 -.92 **11 -.078 -.93 ** -.060 -.74 **12 .027 .32 * .001 .01 *13 -.001 -.02 * .021 .26 *14 -.081 -.96 ** -.090 -1.13 **15 -.026 -.31 * -.032 -.39 *16 -.056 -.66 ** -.068 -.85 **17 -.060 -.71 ** -.046 -.57 *18 .025 .30 * -.001 -.01 *19 -.191 -2.24 *** -.194 -2.43 ***20 -.037 -.42 * -.034 -.42 *21 .127 1.44 ** .085 1.07 **22 -.053 -.60 ** -.037 -.46 *23 .013 .15 * -.013 -.16 *24 -.063 -.70 ** -.105 -1.31 **Section 4model forecasting for Time Series Variable Y = PromNovillVien: NEWLY IDENTIFIED VARIABLE X1 = I~T00001 1995/ 1 TIME: NEWLY IDENTIFIED VARIABLE X2 = I~T00057 1999/ 9 TIME: NEWLY IDENTIFIED VARIABLE X3 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE X4 = I~P00111 2004/ 3 PULSE: NEWLY IDENTIFIED VARIABLE X5 = I~P00106 2003/ 10 PULSE: NEWLY IDENTIFIED VARIABLE X6 = I~P00107 2003/ 11 PULSE: NEWLY IDENTIFIED VARIABLE X7 = I~P00105 2003/ 9 PULSESection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT .2642 Autoregressive-Factor # 1 1 1.363 2 -.4304 Autoregressive-Factor # 2 2 -.301INPUT SERIES X1 I~T00001 1995/ 1TIME5 Omega (input) -Factor # 3 0 .804INPUT SERIES X2 I~T00057 1999/ 96 Omega (input) -Factor # 4 0 -1.19INPUT SERIES X3 I~L00112 2004/ 47 Omega (input) -Factor # 5 0 -7.90INPUT SERIES X4 I~P00111 2004/ 38 Omega (input) -Factor # 6 0 -3.30INPUT SERIES X5 I~P00106 2003/ 109 Omega (input) -Factor # 7 0 -3.22INPUT SERIES X6 I~P00107 2003/ 1110 Omega (input) -Factor # 8 0 -2.86INPUT SERIES X7 I~P00105 2003/ 9TIMELEVELPULSEPULSEPULSEPULSE11 Omega (input) -Factor # 9 0 -2.43Y(T) = 2.9906+[X1(T)][(+ .804)]+[X2(T)][(- 1.1902 )]171

+[X3(T)][(- 7.8998 )]+[X4(T)][(- 3.2953 )]+[X5(T)][(- 3.2237 )]+[X6(T)][(- 2.8647 )]+[X7(T)][(- 2.4318 )]+ [(1- 1.3618 B** 1+ .430B** 2)(1+ .301B** 2)]**-1 [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = PromNovillVienF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 22.0001995/ 2 A 22.0001995/ 3 A 22.0001995/ 4 A 23.0001995/ 5 A 22.0001995/ 6 A 22.0001995/ 7 A 21.0001995/ 8 A 21.0001995/ 9 A 21.0001995/ 10 A 22.0001995/ 11 A 23.0001995/ 12 A 22.0001996/ 1 A 21.0001996/ 2 A 21.0001996/ 3 A 22.0001996/ 4 A 22.0001996/ 5 A 21.0001996/ 6 A 19.0001996/ 7 A 18.0001996/ 8 A 17.0001996/ 9 A 18.0001996/ 10 A 19.0001996/ 11 A 19.0001996/ 12 A 19.0001997/ 1 A 19.0001997/ 2 A 20.0001997/ 3 A 21.0001997/ 4 A 21.0001997/ 5 A 22.0001997/ 6 A 25.0001997/ 7 A 27.0001997/ 8 A 28.0001997/ 9 A 29.0001997/ 10 A 30.0001997/ 11 A 31.0001997/ 12 A 33.0001998/ 1 A 34.0001998/ 2 A 33.0001998/ 3 A 34.0001998/ 4 A 36.0001998/ 5 A 38.0001998/ 6 A 39.0001998/ 7 A 41.0001998/ 8 A 44.0001998/ 9 A 45.0001998/ 10 A 45.0001998/ 11 A 45.0001998/ 12 A 46.0001999/ 1 A 47.0001999/ 2 A 46.000172

1999/ 3 A 46.0001999/ 4 A 46.0001999/ 5 A 47.0001999/ 6 A 48.0001999/ 7 A 49.0001999/ 8 A 50.0001999/ 9 A 50.0001999/ 10 A 48.0001999/ 11 A 46.0001999/ 12 A 45.0002000/ 1 A 45.0002000/ 2 A 44.0002000/ 3 A 43.0002000/ 4 A 45.0002000/ 5 A 44.0002000/ 6 A 42.0002000/ 7 A 42.0002000/ 8 A 41.0002000/ 9 A 41.0002000/ 10 A 42.0002000/ 11 A 42.0002000/ 12 A 41.0002001/ 1 A 41.0002001/ 2 A 41.0002001/ 3 A 41.0002001/ 4 A 43.0002001/ 5 A 42.0002001/ 6 A 40.0002001/ 7 A 38.0002001/ 8 A 36.0002001/ 9 A 35.0002001/ 10 A 35.0002001/ 11 A 33.0002001/ 12 A 31.0002002/ 1 A 33.0002002/ 2 A 34.0002002/ 3 A 34.0002002/ 4 A 34.0002002/ 5 A 36.0002002/ 6 A 37.0002002/ 7 A 37.0002002/ 8 A 38.0002002/ 9 A 38.0002002/ 10 A 36.0002002/ 11 A 34.0002002/ 12 A 32.0002003/ 1 A 32.0002003/ 2 A 33.0002003/ 3 A 34.0002003/ 4 A 34.0002003/ 5 A 32.0002003/ 6 A 32.0002003/ 7 A 33.0002003/ 8 A 29.0002003/ 9 A 24.0002003/ 10 A 23.0002003/ 11 A 23.0002003/ 12 A 25.0002004/ 1 A 25.0002004/ 2 A 26.0002004/ 3 A 23.0002004/ 4 A 17.0002004/ 5 A 14.0002004/ 6 A 13.0002004/ 7 A 14.0002004/ 8 A 14.0002004/ 9 A 13.0002004/ 10 A 13.000173

2004/ 11 A 13.0002004/ 12 A 13.0002005/ 1 A 14.0002005/ 2 A 14.0002005/ 3 A 15.0002005/ 4 A 15.0002005/ 5 A 13.0002005/ 6 A 13.0002005/ 7 A 12.0002005/ 8 A 12.0002005/ 9 A 13.0002005/ 10 A 13.0002005/ 11 A 12.0002005/ 12 A 12.0002006/ 1 A 12.0002006/ 2 A 11.0002006/ 3 A 10.0002006/ 4 A 9.00002006/ 5 A 11.0002006/ 6 A 13.0002006/ 7 A 13.0002006/ 8 A 13.0002006/ 9 A 11.0002006/ 10 A 9.00002006/ 11 A 9.00002006/ 12 A 9.00002007/ 1 A 9.00002007/ 2 A 8.00002007/ 3 A 7.00002007/ 4 A 5.00002007/ 5 A 4.00002007/ 6 A 4.00002007/ 7 A 2.00002007/ 8 A 2.00002007/ 9 A 3.00002007/ 10 A 2.00002007/ 11 A 2.00002007/ 12 A 1.00002008/ 1 F++++++++++++++++++++++++++++++++++++++++++++++++++++++++174

Anexo L. Resumen estadístico del ARIMA para el indicador promedio mensualde novillas de vientreSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = PromNovillVien: NEWLY IDENTIFIED VARIABLE X1 = I~T00001 1995/ 1 TIME: NEWLY IDENTIFIED VARIABLE X2 = I~T00057 1999/ 9 TIME: NEWLY IDENTIFIED VARIABLE X3 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE X4 = I~P00111 2004/ 3 PULSE: NEWLY IDENTIFIED VARIABLE X5 = I~P00106 2003/ 10 PULSE: NEWLY IDENTIFIED VARIABLE X6 = I~P00107 2003/ 11 PULSE: NEWLY IDENTIFIED VARIABLE X7 = I~P00105 2003/ 9 PULSEMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 152Number of Degrees of Freedom =n-m 141Residual Mean =Sum R / n .395227E-08Sum of Squares =Sum R**2 148.330Variance var=SOS/(n) .975852Adjusted Variance =SOS/(n-m) 1.05198Standard Deviation =SQRT(Adj Var) 1.02566Standard Error of the Mean =Standard Dev/ .863763E-01Mean / its Standard Error =Mean/SEM .457564E-07Mean Absolute Deviation =Sum(ABS(R))/n .773154AIC Value ( Uses var ) =nln +2m 18.2845SBC Value ( Uses var ) =nln +m*lnn 51.5472BIC Value ( Uses var ) =see Wei p153 82.4098R Square = .994636Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 1.98217D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT .264 .501 .5987 .532 Autoregressive-Factor # 1 1 1.36 .793E-01 .0000 17.183 2 -.430 .765E-01 .0000 -5.614 Autoregressive-Factor # 2 2 -.301 .885E-01 .0009 -3.41INPUT SERIES X1 I~T00001 1995/ 1TIME5 Omega (input) -Factor # 3 0 .804 .108 .0000 7.45INPUT SERIES X2 I~T00057 1999/ 9 TIME6 Omega (input) -Factor # 4 0 -1.19 .131 .0000 -9.10175

INPUT SERIES X3 I~L00112 2004/ 4LEVEL7 Omega (input) -Factor # 5 0 -7.90 1.72 .0000 -4.60INPUT SERIES X4 I~P00111 2004/ 3 PULSE8 Omega (input) -Factor # 6 0 -3.30 1.01 .0014 -3.27INPUT SERIES X5 I~P00106 2003/ 10 PULSE9 Omega (input) -Factor # 7 0 -3.22 1.29 .0136 -2.50INPUT SERIES X6 I~P00107 2003/ 11 PULSE10 Omega (input) -Factor # 8 0 -2.86 .914 .0021 -3.13INPUT SERIES X7 I~P00105 2003/ 9 PULSE11 Omega (input) -Factor # 9 0 -2.43 .935 .0103 -2.60Y(T) = 2.9906+[X1(T)][(+ .804)]+[X2(T)][(- 1.1902 )]+[X3(T)][(- 7.8998 )]+[X4(T)][(- 3.2953 )]+[X5(T)][(- 3.2237 )]+[X6(T)][(- 2.8647 )]+[X7(T)][(- 2.4318 )]+ [(1- 1.3618 B** 1+ .430B** 2)(1+ .301B** 2)]**-1 [A(T)]Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 22.000 NA NA NA2 1995/ 2 1.00000 22.000 NA NA NA3 1995/ 3 1.00000 22.000 NA NA NA4 1995/ 4 1.00000 23.000 NA NA NA5 1995/ 5 1.00000 22.000 22.530 -.530 -2.416 1995/ 6 1.00000 22.000 20.508 1.49 6.787 1995/ 7 1.00000 21.000 21.721 -.721 -3.438 1995/ 8 1.00000 21.000 19.890 1.11 5.299 1995/ 9 1.00000 21.000 20.822 .178 .8510 1995/ 10 1.00000 22.000 20.482 1.52 6.9011 1995/ 11 1.00000 23.000 22.045 .955 4.1512 1995/ 12 1.00000 22.000 22.747 -.747 -3.3913 1996/ 1 1.00000 21.000 21.135 -.135 -.6414 1996/ 2 1.00000 21.000 20.857 .143 .6815 1996/ 3 1.00000 22.000 21.119 .881 4.0016 1996/ 4 1.00000 22.000 22.271 -.271 -1.2317 1996/ 5 1.00000 21.000 21.740 -.740 -3.5318 1996/ 6 1.00000 19.000 20.860 -1.86 -9.7919 1996/ 7 1.00000 18.000 18.809 -.809 -4.5020 1996/ 8 1.00000 17.000 18.570 -1.57 -9.2421 1996/ 9 1.00000 18.000 17.319 .681 3.7822 1996/ 10 1.00000 19.000 19.332 -.332 -1.7523 1996/ 11 1.00000 19.000 19.753 -.753 -3.9624 1996/ 12 1.00000 19.000 19.633 -.633 -3.3325 1997/ 1 1.00000 19.000 19.985 -.985 -5.1826 1997/ 2 1.00000 20.000 19.927 .735E-01 .3727 1997/ 3 1.00000 21.000 21.359 -.359 -1.7128 1997/ 4 1.00000 21.000 22.061 -1.06 -5.0529 1997/ 5 1.00000 22.000 21.812 .188 .8630 1997/ 6 1.00000 25.000 23.525 1.47 5.90176

31 1997/ 7 1.00000 27.000 26.821 .179 .6632 1997/ 8 1.00000 28.000 27.833 .167 .6033 1997/ 9 1.00000 29.000 28.906 .944E-01 .3334 1997/ 10 1.00000 30.000 30.040 -.397E-01 -.1335 1997/ 11 1.00000 31.000 30.893 .107 .3536 1997/ 12 1.00000 33.000 31.876 1.12 3.4137 1998/ 1 1.00000 34.000 34.220 -.220 -.6538 1998/ 2 1.00000 33.000 34.472 -1.47 -4.4639 1998/ 3 1.00000 34.000 33.141 .859 2.5340 1998/ 4 1.00000 36.000 35.457 .543 1.5141 1998/ 5 1.00000 38.000 36.980 1.02 2.6842 1998/ 6 1.00000 39.000 38.853 .147 .3843 1998/ 7 1.00000 41.000 39.515 1.49 3.6244 1998/ 8 1.00000 44.000 42.140 1.86 4.2345 1998/ 9 1.00000 45.000 44.986 .141E-01 .0346 1998/ 10 1.00000 45.000 44.917 .832E-01 .1847 1998/ 11 1.00000 45.000 45.229 -.229 -.5148 1998/ 12 1.00000 46.000 45.322 .678 1.4749 1999/ 1 1.00000 47.000 46.625 .375 .8050 1999/ 2 1.00000 46.000 47.327 -1.33 -2.8951 1999/ 3 1.00000 46.000 45.716 .284 .6252 1999/ 4 1.00000 46.000 46.799 -.799 -1.7453 1999/ 5 1.00000 47.000 46.330 .670 1.4354 1999/ 6 1.00000 48.000 47.893 .107 .2255 1999/ 7 1.00000 49.000 48.594 .406 .8356 1999/ 8 1.00000 50.000 49.707 .293 .5957 1999/ 9 1.00000 50.000 49.499 .501 1.0058 1999/ 10 1.00000 48.000 49.551 -1.55 -3.2359 1999/ 11 1.00000 46.000 46.739 -.739 -1.6160 1999/ 12 1.00000 45.000 45.469 -.469 -1.0461 2000/ 1 1.00000 45.000 44.714 .286 .6462 2000/ 2 1.00000 44.000 44.849 -.849 -1.9363 2000/ 3 1.00000 43.000 43.302 -.302 -.7064 2000/ 4 1.00000 45.000 42.767 2.23 4.9665 2000/ 5 1.00000 44.000 45.777 -1.78 -4.0466 2000/ 6 1.00000 42.000 42.638 -.638 -1.5267 2000/ 7 1.00000 42.000 41.562 .438 1.0468 2000/ 8 1.00000 41.000 42.320 -1.32 -3.2269 2000/ 9 1.00000 41.000 40.233 .767 1.8770 2000/ 10 1.00000 42.000 41.189 .811 1.9371 2000/ 11 1.00000 42.000 42.106 -.106 -.2572 2000/ 12 1.00000 41.000 41.471 -.471 -1.1573 2001/ 1 1.00000 41.000 40.485 .515 1.2674 2001/ 2 1.00000 41.000 41.053 -.526E-01 -.1375 2001/ 3 1.00000 41.000 40.608 .392 .9676 2001/ 4 1.00000 43.000 40.703 2.30 5.3477 2001/ 5 1.00000 42.000 43.393 -1.39 -3.3278 2001/ 6 1.00000 40.000 40.535 -.535 -1.3479 2001/ 7 1.00000 38.000 39.329 -1.33 -3.5080 2001/ 8 1.00000 36.000 37.364 -1.36 -3.7981 2001/ 9 1.00000 35.000 35.377 -.377 -1.0882 2001/ 10 1.00000 35.000 34.882 .118 .3483 2001/ 11 1.00000 33.000 35.017 -2.02 -6.1184 2001/ 12 1.00000 31.000 32.108 -1.11 -3.5785 2002/ 1 1.00000 33.000 30.942 2.06 6.2486 2002/ 2 1.00000 34.000 34.273 -.273 -.8087 2002/ 3 1.00000 34.000 33.576 .424 1.2588 2002/ 4 1.00000 34.000 33.891 .109 .3289 2002/ 5 1.00000 36.000 34.008 1.99 5.5390 2002/ 6 1.00000 37.000 36.568 .432 1.1791 2002/ 7 1.00000 37.000 36.434 .566 1.5392 2002/ 8 1.00000 38.000 36.490 1.51 3.9793 2002/ 9 1.00000 38.000 37.969 .314E-01 .0894 2002/ 10 1.00000 36.000 37.074 -1.07 -2.9895 2002/ 11 1.00000 34.000 34.727 -.727 -2.1496 2002/ 12 1.00000 32.000 33.302 -1.30 -4.0797 2003/ 1 1.00000 32.000 31.185 .815 2.5598 2003/ 2 1.00000 33.000 32.052 .948 2.87177

99 2003/ 3 1.00000 34.000 32.817 1.18 3.48100 2003/ 4 1.00000 34.000 33.673 .327 .96101 2003/ 5 1.00000 32.000 33.318 -1.32 -4.12102 2003/ 6 1.00000 32.000 30.841 1.16 3.62103 2003/ 7 1.00000 33.000 32.140 .860 2.61104 2003/ 8 1.00000 29.000 32.647 -3.65 -12.58105 2003/ 9 1.00000 24.000 24.262 -.262 -1.09106 2003/ 10 1.00000 23.000 23.273 -.273 -1.19107 2003/ 11 1.00000 23.000 23.421 -.421 -1.83108 2003/ 12 1.00000 25.000 25.379 -.379 -1.52109 2004/ 1 1.00000 25.000 24.677 .323 1.29110 2004/ 2 1.00000 26.000 25.155 .845 3.25111 2004/ 3 1.00000 23.000 22.879 .121 .53112 2004/ 4 1.00000 17.000 18.023 -1.02 -6.02113 2004/ 5 1.00000 14.000 16.283 -2.28 -16.31114 2004/ 6 1.00000 13.000 13.176 -.176 -1.35115 2004/ 7 1.00000 14.000 13.362 .638 4.56116 2004/ 8 1.00000 14.000 14.370 -.370 -2.64117 2004/ 9 1.00000 13.000 13.583 -.583 -4.49118 2004/ 10 1.00000 13.000 12.727 .273 2.10119 2004/ 11 1.00000 13.000 13.295 -.295 -2.27120 2004/ 12 1.00000 13.000 12.850 .150 1.15121 2005/ 1 1.00000 14.000 12.946 1.05 7.53122 2005/ 2 1.00000 14.000 14.273 -.273 -1.95123 2005/ 3 1.00000 15.000 13.508 1.49 9.95124 2005/ 4 1.00000 15.000 15.246 -.246 -1.64125 2005/ 5 1.00000 13.000 14.351 -1.35 -10.40126 2005/ 6 1.00000 13.000 12.004 .996 7.66127 2005/ 7 1.00000 12.000 13.303 -1.30 -10.86128 2005/ 8 1.00000 12.000 11.086 .914 7.62129 2005/ 9 1.00000 13.000 12.042 .958 7.37130 2005/ 10 1.00000 13.000 12.959 .407E-01 .31131 2005/ 11 1.00000 12.000 12.324 -.324 -2.70132 2005/ 12 1.00000 12.000 11.338 .662 5.52133 2006/ 1 1.00000 12.000 11.906 .944E-01 .79134 2006/ 2 1.00000 11.000 11.461 -.461 -4.19135 2006/ 3 1.00000 10.000 10.195 -.195 -1.95136 2006/ 4 1.00000 9.0000 9.5299 -.530 -5.89137 2006/ 5 1.00000 11.000 8.4547 2.55 23.14138 2006/ 6 1.00000 13.000 11.594 1.41 10.81139 2006/ 7 1.00000 13.000 12.541 .459 3.53140 2006/ 8 1.00000 13.000 11.995 1.01 7.73141 2006/ 9 1.00000 11.000 12.522 -1.52 -13.84142 2006/ 10 1.00000 9.0000 9.5057 -.506 -5.62143 2006/ 11 1.00000 9.0000 8.2102 .790 8.78144 2006/ 12 1.00000 9.0000 8.8175 .182 2.03145 2007/ 1 1.00000 9.0000 8.2216 .778 8.65146 2007/ 2 1.00000 8.0000 8.4465 -.447 -5.58147 2007/ 3 1.00000 7.0000 7.0506 -.506E-01 -.72148 2007/ 4 1.00000 5.0000 6.3858 -1.39 -27.72149 2007/ 5 1.00000 4.0000 3.9488 .512E-01 1.28150 2007/ 6 1.00000 4.0000 3.7342 .266 6.65151 2007/ 7 1.00000 2.0000 3.7399 -1.74 -86.99152 2007/ 8 1.00000 2.0000 .83073 1.17 58.46153 2007/ 9 1.00000 3.0000 2.3884 .612 20.39154 2007/ 10 1.00000 2.0000 2.8952 -.895 -44.76155 2007/ 11 1.00000 2.0000 1.0272 .973 48.64156 2007/ 12 1.00000 1.0000 2.1347 -1.13 -113.47MODEL MEAN ABSOLUTE ERROR = .06 RSQ= .99 PromNovillVienNAIVE MEAN ABSOLUTE ERROR = .06 PromNovillVienAVERAGE MEAN ABSOLUTE ERROR = 1.12 PromNovillVien178

AN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 .005 .06 * .005 .06 *2 -.043 -.53 * -.043 -.54 *3 .103 1.27 ** .103 1.29 **4 -.107 -1.31 ** -.112 -1.40 **5 .021 .25 * .034 .43 *6 -.026 -.31 * -.049 -.61 *7 -.017 -.20 * .011 .14 *8 -.022 -.27 * -.046 -.57 *9 .054 .65 ** .072 .90 **10 -.055 -.66 ** -.074 -.92 **11 -.078 -.93 ** -.060 -.74 **12 .027 .32 * .001 .01 *13 -.001 -.02 * .021 .26 *14 -.081 -.96 ** -.090 -1.13 **15 -.026 -.31 * -.032 -.39 *16 -.056 -.66 ** -.068 -.85 **17 -.060 -.71 ** -.046 -.57 *18 .025 .30 * -.001 -.01 *19 -.191 -2.24 *** -.194 -2.43 ***20 -.037 -.42 * -.034 -.42 *21 .127 1.44 ** .085 1.07 **22 -.053 -.60 ** -.037 -.46 *23 .013 .15 * -.013 -.16 *24 -.063 -.70 ** -.105 -1.31 **Section 4Model Forecasting for Time Series Variable Y = PromNovillVien: NEWLY IDENTIFIED VARIABLE X1 = I~T00001 1995/ 1 TIME: NEWLY IDENTIFIED VARIABLE X2 = I~T00057 1999/ 9 TIME: NEWLY IDENTIFIED VARIABLE X3 = I~L00112 2004/ 4 LEVEL: NEWLY IDENTIFIED VARIABLE X4 = I~P00111 2004/ 3 PULSE: NEWLY IDENTIFIED VARIABLE X5 = I~P00106 2003/ 10 PULSE: NEWLY IDENTIFIED VARIABLE X6 = I~P00107 2003/ 11 PULSE: NEWLY IDENTIFIED VARIABLE X7 = I~P00105 2003/ 9 PULSESection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT .2642 Autoregressive-Factor # 1 1 1.363 2 -.4304 Autoregressive-Factor # 2 2 -.301INPUT SERIES X1 I~T00001 1995/ 1TIME5 Omega (input) -Factor # 3 0 .804INPUT SERIES X2 I~T00057 1999/ 96 Omega (input) -Factor # 4 0 -1.19INPUT SERIES X3 I~L00112 2004/ 4TIMELEVEL7 Omega (input) -Factor # 5 0 -7.90INPUT SERIES X4 I~P00111 2004/ 3PULSE179

8 Omega (input) -Factor # 6 0 -3.30INPUT SERIES X5 I~P00106 2003/ 10PULSE9 Omega (input) -Factor # 7 0 -3.22INPUT SERIES X6 I~P00107 2003/ 11 PULSE10 Omega (input) -Factor # 8 0 -2.86INPUT SERIES X7 I~P00105 2003/ 9 PULSE11 Omega (input) -Factor # 9 0 -2.43Y(T) = 2.9906+[X1(T)][(+ .804)]+[X2(T)][(- 1.1902 )]+[X3(T)][(- 7.8998 )]+[X4(T)][(- 3.2953 )]+[X5(T)][(- 3.2237 )]+[X6(T)][(- 2.8647 )]+[X7(T)][(- 2.4318 )]+ [(1- 1.3618 B** 1+ .430B** 2)(1+ .301B** 2)]**-1 [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = PromNovillVienF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 22.0001995/ 2 A 22.0001995/ 3 A 22.0001995/ 4 A 23.0001995/ 5 A 22.0001995/ 6 A 22.0001995/ 7 A 21.0001995/ 8 A 21.0001995/ 9 A 21.0001995/ 10 A 22.0001995/ 11 A 23.0001995/ 12 A 22.0001996/ 1 A 21.0001996/ 2 A 21.0001996/ 3 A 22.0001996/ 4 A 22.0001996/ 5 A 21.0001996/ 6 A 19.0001996/ 7 A 18.0001996/ 8 A 17.0001996/ 9 A 18.0001996/ 10 A 19.0001996/ 11 A 19.0001996/ 12 A 19.0001997/ 1 A 19.0001997/ 2 A 20.0001997/ 3 A 21.0001997/ 4 A 21.0001997/ 5 A 22.0001997/ 6 A 25.0001997/ 7 A 27.0001997/ 8 A 28.0001997/ 9 A 29.0001997/ 10 A 30.0001997/ 11 A 31.0001997/ 12 A 33.000180

1998/ 1 A 34.0001998/ 2 A 33.0001998/ 3 A 34.0001998/ 4 A 36.0001998/ 5 A 38.0001998/ 6 A 39.0001998/ 7 A 41.0001998/ 8 A 44.0001998/ 9 A 45.0001998/ 10 A 45.0001998/ 11 A 45.0001998/ 12 A 46.0001999/ 1 A 47.0001999/ 2 A 46.0001999/ 3 A 46.0001999/ 4 A 46.0001999/ 5 A 47.0001999/ 6 A 48.0001999/ 7 A 49.0001999/ 8 A 50.0001999/ 9 A 50.0001999/ 10 A 48.0001999/ 11 A 46.0001999/ 12 A 45.0002000/ 1 A 45.0002000/ 2 A 44.0002000/ 3 A 43.0002000/ 4 A 45.0002000/ 5 A 44.0002000/ 6 A 42.0002000/ 7 A 42.0002000/ 8 A 41.0002000/ 9 A 41.0002000/ 10 A 42.0002000/ 11 A 42.0002000/ 12 A 41.0002001/ 1 A 41.0002001/ 2 A 41.0002001/ 3 A 41.0002001/ 4 A 43.0002001/ 5 A 42.0002001/ 6 A 40.0002001/ 7 A 38.0002001/ 8 A 36.0002001/ 9 A 35.0002001/ 10 A 35.0002001/ 11 A 33.0002001/ 12 A 31.0002002/ 1 A 33.0002002/ 2 A 34.0002002/ 3 A 34.0002002/ 4 A 34.0002002/ 5 A 36.0002002/ 6 A 37.0002002/ 7 A 37.0002002/ 8 A 38.0002002/ 9 A 38.0002002/ 10 A 36.0002002/ 11 A 34.0002002/ 12 A 32.0002003/ 1 A 32.0002003/ 2 A 33.0002003/ 3 A 34.0002003/ 4 A 34.0002003/ 5 A 32.0002003/ 6 A 32.0002003/ 7 A 33.0002003/ 8 A 29.000181

2003/ 9 A 24.0002003/ 10 A 23.0002003/ 11 A 23.0002003/ 12 A 25.0002004/ 1 A 25.0002004/ 2 A 26.0002004/ 3 A 23.0002004/ 4 A 17.0002004/ 5 A 14.0002004/ 6 A 13.0002004/ 7 A 14.0002004/ 8 A 14.0002004/ 9 A 13.0002004/ 10 A 13.0002004/ 11 A 13.0002004/ 12 A 13.0002005/ 1 A 14.0002005/ 2 A 14.0002005/ 3 A 15.0002005/ 4 A 15.0002005/ 5 A 13.0002005/ 6 A 13.0002005/ 7 A 12.0002005/ 8 A 12.0002005/ 9 A 13.0002005/ 10 A 13.0002005/ 11 A 12.0002005/ 12 A 12.0002006/ 1 A 12.0002006/ 2 A 11.0002006/ 3 A 10.0002006/ 4 A 9.00002006/ 5 A 11.0002006/ 6 A 13.0002006/ 7 A 13.0002006/ 8 A 13.0002006/ 9 A 11.0002006/ 10 A 9.00002006/ 11 A 9.00002006/ 12 A 9.00002007/ 1 A 9.00002007/ 2 A 8.00002007/ 3 A 7.00002007/ 4 A 5.00002007/ 5 A 4.00002007/ 6 A 4.00002007/ 7 A 2.00002007/ 8 A 2.00002007/ 9 A 3.00002007/ 10 A 2.00002007/ 11 A 2.00002007/ 12 A 1.00002008/ 1 F++++++++++++++++++++++++++++++++++++++++++++++++++++++++182

Anexo M. Resumen estadístico del ARIMA para el indicador Vacas enproducciónSection 1THE MAXIMUM NUMBER OF OBSERVATIONS ALLOWED IN A SERIES IS: 1000THE MAXIMUM NUMBER OF SERIES ALLOWED IN A MODEL IS: 30THE SERIAL NUMBER IS: 90004THE PRODUCT NUMBER IS: 6PRODUCT: 3ABBREVIATED OUTPUT*MODEL STATISTICS AND EQUATION FOR THE CURRENT EQUATION (DETAILS FOLLOW).Estimation/Diagnostic Checking for Variable Y = VacasenProd: NEWLY IDENTIFIED VARIABLE X1 = I~L00030 1997/ 6 LEVELMODEL STATISTICS IN TERMS OF THE ORIGINAL DATANumber of Residuals (R) =n 152Number of Degrees of Freedom =n-m 147Residual Mean =Sum R / n .145629E-11Sum of Squares =Sum R**2 925.926Variance var=SOS/(n) 6.09162Adjusted Variance =SOS/(n-m) 6.29882Standard Deviation =SQRT(Adj Var) 2.50974Standard Error of the Mean =Standard Dev/ .207000Mean / its Standard Error =Mean/SEM .703519E-11Mean Absolute Deviation =Sum(ABS(R))/n 2.01281AIC Value ( Uses var ) =nln +2m 284.651SBC Value ( Uses var ) =nln +m*lnn 299.770BIC Value ( Uses var ) =see Wei p153 -176.954R Square = .877299Durbin-Watson Statistic =[A-A(T-1)]**2/A**2 2.00940D-W STATISTIC SUGGESTS NO SIGNIFICANT AUTOCORRELATION for lag1.Section 2THE ESTIMATED MODEL PARAMETERSMODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 1.49 .978 .1298 1.522 Autoregressive-Factor # 1 1 .982 .134E-01 .0000 73.193 Autoregressive-Factor # 2 2 -.184 .669E-01 .0067 -2.754 3 -.521 .669E-01 .0000 -7.79INPUT SERIES X1 I~L00030 1997/ 6LEVEL5 Omega (input) -Factor # 3 0 -13.5 2.22 .0000 -6.11Y(T) = 47.307+[X1(T)][(- 13.5355 )]183

+ [(1- .982B** 1)(1+ .184B** 2+ .521B** 3)]**-1 [A(T)]Section 3WE ARE FINISHED MODELLING AND NOW REPORT THE FITTED VALUES AND RESIDUALSVALUES ARE IN THE ORIGINAL METRICTIME DATE WEIGHTS TO ACTUAL RESIDUAL %(T) STABILIZE OBSERVATION FORECAST(FIT) ERROR1 1995/ 1 1.00000 32.000 NA NA NA2 1995/ 2 1.00000 32.000 NA NA NA3 1995/ 3 1.00000 28.000 NA NA NA4 1995/ 4 1.00000 29.000 NA NA NA5 1995/ 5 1.00000 29.000 30.274 -1.27 -4.396 1995/ 6 1.00000 29.000 31.451 -2.45 -8.457 1995/ 7 1.00000 28.000 29.065 -1.07 -3.808 1995/ 8 1.00000 26.000 28.595 -2.60 -9.989 1995/ 9 1.00000 25.000 26.816 -1.82 -7.2610 1995/ 10 1.00000 22.000 26.543 -4.54 -20.6511 1995/ 11 1.00000 23.000 23.951 -.951 -4.1412 1995/ 12 1.00000 26.000 24.803 1.20 4.6013 1996/ 1 1.00000 26.000 28.073 -2.07 -7.9714 1996/ 2 1.00000 28.000 25.647 2.35 8.4015 1996/ 3 1.00000 28.000 27.100 .900 3.2116 1996/ 4 1.00000 26.000 28.266 -2.27 -8.7217 1996/ 5 1.00000 26.000 25.623 .377 1.4518 1996/ 6 1.00000 29.000 27.013 1.99 6.8519 1996/ 7 1.00000 33.000 30.638 2.36 7.1620 1996/ 8 1.00000 34.000 32.990 1.01 2.9721 1996/ 9 1.00000 35.000 32.214 2.79 7.9622 1996/ 10 1.00000 33.000 33.185 -.185 -.5623 1996/ 11 1.00000 28.000 32.742 -4.74 -16.9424 1996/ 12 1.00000 31.000 28.374 2.63 8.4725 1997/ 1 1.00000 32.000 33.430 -1.43 -4.4726 1997/ 2 1.00000 32.000 34.538 -2.54 -7.9327 1997/ 3 1.00000 31.000 30.777 .223 .7228 1997/ 4 1.00000 29.000 30.989 -1.99 -6.8629 1997/ 5 1.00000 29.000 29.722 -.722 -2.4930 1997/ 6 1.00000 16.000 16.894 -.894 -5.5931 1997/ 7 1.00000 17.000 17.589 -.589 -3.4732 1997/ 8 1.00000 17.000 17.450 -.450 -2.6433 1997/ 9 1.00000 18.000 17.083 .917 5.0934 1997/ 10 1.00000 16.000 17.998 -2.00 -12.4935 1997/ 11 1.00000 17.000 16.363 .637 3.7536 1997/ 12 1.00000 19.000 17.372 1.63 8.5737 1998/ 1 1.00000 19.000 20.343 -1.34 -7.0738 1998/ 2 1.00000 19.000 18.612 .388 2.0439 1998/ 3 1.00000 18.000 18.443 -.443 -2.4640 1998/ 4 1.00000 16.000 18.484 -2.48 -15.5241 1998/ 5 1.00000 16.000 16.705 -.705 -4.4042 1998/ 6 1.00000 18.000 17.413 .587 3.2643 1998/ 7 1.00000 19.000 19.545 -.545 -2.8744 1998/ 8 1.00000 19.000 19.136 -.136 -.7245 1998/ 9 1.00000 18.000 18.272 -.272 -1.5146 1998/ 10 1.00000 19.000 17.972 1.03 5.4147 1998/ 11 1.00000 19.000 19.649 -.649 -3.4248 1998/ 12 1.00000 17.000 19.805 -2.81 -16.5049 1999/ 1 1.00000 19.000 16.991 2.01 10.5750 1999/ 2 1.00000 20.000 19.833 .167 .8351 1999/ 3 1.00000 20.000 21.127 -1.13 -5.6452 1999/ 4 1.00000 18.000 19.240 -1.24 -6.8953 1999/ 5 1.00000 20.000 17.959 2.04 10.20184

54 1999/ 6 1.00000 23.000 20.802 2.20 9.5655 1999/ 7 1.00000 24.000 24.059 -.588E-01 -.2556 1999/ 8 1.00000 24.000 22.785 1.21 5.0657 1999/ 9 1.00000 24.000 22.603 1.40 5.8258 1999/ 10 1.00000 28.000 23.796 4.20 15.0159 1999/ 11 1.00000 30.000 28.234 1.77 5.8960 1999/ 12 1.00000 32.000 29.461 2.54 7.9361 2000/ 1 1.00000 30.000 29.695 .305 1.0262 2000/ 2 1.00000 31.000 28.728 2.27 7.3363 2000/ 3 1.00000 33.000 30.420 2.58 7.8264 2000/ 4 1.00000 36.000 33.902 2.10 5.8365 2000/ 5 1.00000 38.000 35.116 2.88 7.5966 2000/ 6 1.00000 40.000 36.357 3.64 9.1167 2000/ 7 1.00000 38.000 37.954 .458E-01 .1268 2000/ 8 1.00000 37.000 36.476 .524 1.4269 2000/ 9 1.00000 34.000 36.205 -2.20 -6.4870 2000/ 10 1.00000 33.000 35.147 -2.15 -6.5171 2000/ 11 1.00000 34.000 34.035 -.355E-01 -.1072 2000/ 12 1.00000 40.000 35.711 4.29 10.7273 2001/ 1 1.00000 38.000 40.222 -2.22 -5.8574 2001/ 2 1.00000 39.000 36.304 2.70 6.9175 2001/ 3 1.00000 37.000 36.123 .877 2.3776 2001/ 4 1.00000 37.000 37.724 -.724 -1.9677 2001/ 5 1.00000 40.000 36.729 3.27 8.1878 2001/ 6 1.00000 38.000 40.865 -2.87 -7.5479 2001/ 7 1.00000 38.000 37.328 .672 1.7780 2001/ 8 1.00000 36.000 36.675 -.675 -1.8881 2001/ 9 1.00000 32.000 36.926 -4.93 -15.3982 2001/ 10 1.00000 32.000 32.346 -.346 -1.0883 2001/ 11 1.00000 38.000 33.762 4.24 11.1584 2001/ 12 1.00000 35.000 39.990 -4.99 -14.2685 2002/ 1 1.00000 35.000 33.896 1.10 3.1586 2002/ 2 1.00000 29.000 32.407 -3.41 -11.7587 2002/ 3 1.00000 29.000 30.606 -1.61 -5.5488 2002/ 4 1.00000 29.000 30.176 -1.18 -4.0689 2002/ 5 1.00000 31.000 32.218 -1.22 -3.9390 2002/ 6 1.00000 33.000 31.113 1.89 5.7291 2002/ 7 1.00000 31.000 32.708 -1.71 -5.5192 2002/ 8 1.00000 32.000 29.697 2.30 7.2093 2002/ 9 1.00000 32.000 31.388 .612 1.9194 2002/ 10 1.00000 31.000 32.907 -1.91 -6.1595 2002/ 11 1.00000 34.000 30.563 3.44 10.1196 2002/ 12 1.00000 36.000 34.203 1.80 4.9997 2003/ 1 1.00000 33.000 35.954 -2.95 -8.9598 2003/ 2 1.00000 30.000 31.110 -1.11 -3.7099 2003/ 3 1.00000 34.000 29.570 4.43 13.03100 2003/ 4 1.00000 34.000 36.092 -2.09 -6.15101 2003/ 5 1.00000 33.000 34.843 -1.84 -5.58102 2003/ 6 1.00000 29.000 30.966 -1.97 -6.78103 2003/ 7 1.00000 27.000 29.269 -2.27 -8.40104 2003/ 8 1.00000 32.000 28.382 3.62 11.30105 2003/ 9 1.00000 33.000 34.508 -1.51 -4.57106 2003/ 10 1.00000 35.000 33.205 1.80 5.13107 2003/ 11 1.00000 35.000 32.260 2.74 7.83108 2003/ 12 1.00000 35.000 34.108 .892 2.55109 2004/ 1 1.00000 31.000 33.939 -2.94 -9.48110 2004/ 2 1.00000 26.000 31.035 -5.04 -19.37111 2004/ 3 1.00000 29.000 26.864 2.14 7.37112 2004/ 4 1.00000 40.000 32.089 7.91 19.78113 2004/ 5 1.00000 44.000 41.990 2.01 4.57114 2004/ 6 1.00000 39.000 40.315 -1.32 -3.37115 2004/ 7 1.00000 31.000 32.463 -1.46 -4.72116 2004/ 8 1.00000 30.000 29.793 .207 .69117 2004/ 9 1.00000 36.000 34.030 1.97 5.47118 2004/ 10 1.00000 40.000 40.269 -.269 -.67119 2004/ 11 1.00000 39.000 39.341 -.341 -.87120 2004/ 12 1.00000 37.000 35.071 1.93 5.21121 2005/ 1 1.00000 30.000 34.998 -5.00 -16.66185

122 2005/ 2 1.00000 36.000 30.881 5.12 14.22123 2005/ 3 1.00000 36.000 38.227 -2.23 -6.19124 2005/ 4 1.00000 43.000 38.483 4.52 10.51125 2005/ 5 1.00000 38.000 39.733 -1.73 -4.56126 2005/ 6 1.00000 34.000 36.605 -2.60 -7.66127 2005/ 7 1.00000 32.000 31.217 .783 2.45128 2005/ 8 1.00000 33.000 35.270 -2.27 -6.88129 2005/ 9 1.00000 36.000 35.424 .576 1.60130 2005/ 10 1.00000 37.000 36.820 .180 .49131 2005/ 11 1.00000 37.000 35.887 1.11 3.01132 2005/ 12 1.00000 34.000 35.194 -1.19 -3.51133 2006/ 1 1.00000 30.000 33.442 -3.44 -11.47134 2006/ 2 1.00000 27.000 30.580 -3.58 -13.26135 2006/ 3 1.00000 29.000 29.392 -.392 -1.35136 2006/ 4 1.00000 33.000 31.734 1.27 3.84137 2006/ 5 1.00000 37.000 34.268 2.73 7.38138 2006/ 6 1.00000 32.000 35.244 -3.24 -10.14139 2006/ 7 1.00000 28.000 29.262 -1.26 -4.51140 2006/ 8 1.00000 28.000 26.940 1.06 3.79141 2006/ 9 1.00000 34.000 31.422 2.58 7.58142 2006/ 10 1.00000 39.000 36.116 2.88 7.40143 2006/ 11 1.00000 41.000 37.874 3.13 7.62144 2006/ 12 1.00000 40.000 36.876 3.12 7.81145 2007/ 1 1.00000 35.000 36.893 -1.89 -5.41146 2007/ 2 1.00000 32.000 34.045 -2.04 -6.39147 2007/ 3 1.00000 38.000 33.383 4.62 12.15148 2007/ 4 1.00000 45.000 41.014 3.99 8.86149 2007/ 5 1.00000 44.000 45.245 -1.25 -2.83150 2007/ 6 1.00000 45.000 39.400 5.60 12.44151 2007/ 7 1.00000 35.000 41.252 -6.25 -17.86152 2007/ 8 1.00000 33.000 35.171 -2.17 -6.58153 2007/ 9 1.00000 34.000 34.197 -.197 -.58154 2007/ 10 1.00000 35.000 39.460 -4.46 -12.74155 2007/ 11 1.00000 34.000 35.826 -1.83 -5.37156 2007/ 12 1.00000 31.000 33.298 -2.30 -7.41MODEL MEAN ABSOLUTE ERROR = .06 RSQ= .88 VacasenProdNAIVE MEAN ABSOLUTE ERROR = .08 VacasenProdAVERAGE MEAN ABSOLUTE ERROR = .21 VacasenProdAN ANALYSIS OF THE RESIDUALS FROM THE FINAL MODEL.LAG ACF T PACF TVALUE RATIO -1 0 +1 VALUE RATIO -1 0 +11 -.008 -.09 * -.008 -.09 *2 .011 .14 * .011 .14 *3 .084 1.03 ** .084 1.05 **4 -.071 -.87 ** -.070 -.87 **5 .157 1.91 *** .156 1.95 ***6 .054 .64 ** .050 .62 *7 .038 .45 * .049 .61 *8 .006 .07 * -.026 -.33 *9 -.111 -1.32 ** -.102 -1.27 **10 -.119 -1.39 ** -.151 -1.89 ***11 -.038 -.44 * -.054 -.67 **12 -.008 -.09 * -.011 -.13 *13 .084 .97 ** .100 1.25 **14 -.151 -1.74 *** -.132 -1.65 **15 -.137 -1.55 ** -.099 -1.23 **16 .032 .36 * .054 .68 **17 .052 .57 ** .123 1.54 **18 .076 .84 ** .056 .70 **19 .015 .16 * .001 .02 *20 -.024 -.26 * -.026 -.32 *21 -.016 -.18 * -.020 -.25 *186

22 -.115 -1.26 ** -.131 -1.64 **23 .010 .11 * -.033 -.41 *24 .040 .43 * -.032 -.40 *Section 4Model Forecasting for Time Series Variable Y = VacasenProd: NEWLY IDENTIFIED VARIABLE X1 = I~L00030 1997/ 6 LEVELSection 5MODEL COMPONENT LAG COEFF STANDARD P T# (BOP) ERROR VALUE VALUE1 CONSTANT 1.492 Autoregressive-Factor # 1 1 .9823 Autoregressive-Factor # 2 2 -.1844 3 -.521INPUT SERIES X1 I~L00030 1997/ 6LEVEL5 Omega (input) -Factor # 3 0 -13.5Y(T) = 47.307+[X1(T)][(- 13.5355 )]+ [(1- .982B** 1)(1+ .184B** 2+ .521B** 3)]**-1 [A(T)]Section 6PLOT OF THE OBSERVED (ACTUAL) & THE FORECAST SERIESGRAPH KEYA = VacasenProdF = FORECASTSDATE ++++++++++++++++++++++++++++++++++++++++++++++++++++++++1995/ 1 A 32.0001995/ 2 A 32.0001995/ 3 A 28.0001995/ 4 A 29.0001995/ 5 A 29.0001995/ 6 A 29.0001995/ 7 A 28.0001995/ 8 A 26.0001995/ 9 A 25.0001995/ 10 A 22.0001995/ 11 A 23.0001995/ 12 A 26.0001996/ 1 A 26.0001996/ 2 A 28.0001996/ 3 A 28.0001996/ 4 A 26.0001996/ 5 A 26.0001996/ 6 A 29.0001996/ 7 A 33.0001996/ 8 A 34.0001996/ 9 A 35.0001996/ 10 A 33.0001996/ 11 A 28.000187

1996/ 12 A 31.0001997/ 1 A 32.0001997/ 2 A 32.0001997/ 3 A 31.0001997/ 4 A 29.0001997/ 5 A 29.0001997/ 6 A 16.0001997/ 7 A 17.0001997/ 8 A 17.0001997/ 9 A 18.0001997/ 10 A 16.0001997/ 11 A 17.0001997/ 12 A 19.0001998/ 1 A 19.0001998/ 2 A 19.0001998/ 3 A 18.0001998/ 4 A 16.0001998/ 5 A 16.0001998/ 6 A 18.0001998/ 7 A 19.0001998/ 8 A 19.0001998/ 9 A 18.0001998/ 10 A 19.0001998/ 11 A 19.0001998/ 12 A 17.0001999/ 1 A 19.0001999/ 2 A 20.0001999/ 3 A 20.0001999/ 4 A 18.0001999/ 5 A 20.0001999/ 6 A 23.0001999/ 7 A 24.0001999/ 8 A 24.0001999/ 9 A 24.0001999/ 10 A 28.0001999/ 11 A 30.0001999/ 12 A 32.0002000/ 1 A 30.0002000/ 2 A 31.0002000/ 3 A 33.0002000/ 4 A 36.0002000/ 5 A 38.0002000/ 6 A 40.0002000/ 7 A 38.0002000/ 8 A 37.0002000/ 9 A 34.0002000/ 10 A 33.0002000/ 11 A 34.0002000/ 12 A 40.0002001/ 1 A 38.0002001/ 2 A 39.0002001/ 3 A 37.0002001/ 4 A 37.0002001/ 5 A 40.0002001/ 6 A 38.0002001/ 7 A 38.0002001/ 8 A 36.0002001/ 9 A 32.0002001/ 10 A 32.0002001/ 11 A 38.0002001/ 12 A 35.0002002/ 1 A 35.0002002/ 2 A 29.0002002/ 3 A 29.0002002/ 4 A 29.0002002/ 5 A 31.0002002/ 6 A 33.0002002/ 7 A 31.000188

2002/ 8 A 32.0002002/ 9 A 32.0002002/ 10 A 31.0002002/ 11 A 34.0002002/ 12 A 36.0002003/ 1 A 33.0002003/ 2 A 30.0002003/ 3 A 34.0002003/ 4 A 34.0002003/ 5 A 33.0002003/ 6 A 29.0002003/ 7 A 27.0002003/ 8 A 32.0002003/ 9 A 33.0002003/ 10 A 35.0002003/ 11 A 35.0002003/ 12 A 35.0002004/ 1 A 31.0002004/ 2 A 26.0002004/ 3 A 29.0002004/ 4 A 40.0002004/ 5 A 44.0002004/ 6 A 39.0002004/ 7 A 31.0002004/ 8 A 30.0002004/ 9 A 36.0002004/ 10 A 40.0002004/ 11 A 39.0002004/ 12 A 37.0002005/ 1 A 30.0002005/ 2 A 36.0002005/ 3 A 36.0002005/ 4 A 43.0002005/ 5 A 38.0002005/ 6 A 34.0002005/ 7 A 32.0002005/ 8 A 33.0002005/ 9 A 36.0002005/ 10 A 37.0002005/ 11 A 37.0002005/ 12 A 34.0002006/ 1 A 30.0002006/ 2 A 27.0002006/ 3 A 29.0002006/ 4 A 33.0002006/ 5 A 37.0002006/ 6 A 32.0002006/ 7 A 28.0002006/ 8 A 28.0002006/ 9 A 34.0002006/ 10 A 39.0002006/ 11 A 41.0002006/ 12 A 40.0002007/ 1 A 35.0002007/ 2 A 32.0002007/ 3 A 38.0002007/ 4 A 45.0002007/ 5 A 44.0002007/ 6 A 45.0002007/ 7 A 35.0002007/ 8 A 33.0002007/ 9 A 34.0002007/ 10 A 35.0002007/ 11 A 34.0002007/ 12 A 31.0002008/ 1 F++++++++++++++++++++++++++++++++++++++++++++++++++++++++189