*Dirección para correspondencia
]]> Resumen

El objetivo del presente estudio fue  determinar el rendimiento bioeconómico de las  razas puras Holstein y Jersey con el  cruce  F1  Holstein×Jersey. Se comparó el rendimiento bioeconómico de estos grupos raciales en la ]]>

Palabras claves: simulación estocástica, cruces lecheros, modelo bioeconómico.
]]> Abstract

The objetcive of this work was to compare the bio-economic performance of Holstein, Jersey and F1 Holstein×Jersey cattle from  the Premontane Wet Forest ]]>

Key  words:  stochastic  simulation,  dairy   crosses, bioeconomic model.
]]>

---

Introducción

A nivel mundial, un sector importante de los productores de leche utilizan el cruzamiento entre razas lecheras con el fin de mejorar la ]]> et al. 1974, López-Villalobos et al. 2000, Madalena 2001, Van Raden y Sanders 2003). En Costa Rica, un estudio sobre cruzamientos rotacionales Holstein×Jersey reportó niveles de heterosis de 3,2%, 4,40%, -2,50%, -6,4% y 7,9% para producción diaria de leche, vida productiva, edad a primer parto, días abiertos y producción de leche por día de vida, respectivamente (Vargas y Romero 2010). Aunque los estimados ]]>

Para poder realizar una evaluación más objetiva del efecto de la heterosis, es necesario utilizar criterios bioeconómicos que reflejen el beneficio agregado de la heterosis sobre los principales rasgos de importancia económica. Entre los ]]> et al. 2000) y por hectárea por año (López-Villalobos et al. 2000). Se han utilizado también con este fin índices bioeconómicos de   mérito neto que ponderan distintos rasgos de acuerdo a su valor económico relativo ]]>

Algunos estudios han presentado comparaciones bioeconómicas entre razas puras lecheras y sus cruces (Touchberry 1992, López-Villalobos et al. 2000, Van Raden y Sanders 2003, Echeverri et al. 2011). ]]> et al. 2000). En otro estudio se reportó que estos cruces presentaron superioridad sobre las razas puras cuando los sistemas de pago son basados en componentes de leche con penalización  ]]> et al. 1998).

]]> En Costa Rica aproximadamente un 20% del ganado lechero especializado tiene algún grado de cruzamiento, principalmente entre razas lecheras Holstein y Jersey (Vargas y Ulloa 2008). Bajo estas circunstancias es importante comparar la rentabilidad de los cruces con el uso de razas puras; con el fin de determinar si las estrategias de cruzamiento son una alternativa favorable desde el punto de vista económico. Por tal motivo, el objetivo del presente estudio fue determinar el rendimiento bioeconómico de las razas puras ]]>

Material y Métodos

Enfoque general
]]> Se efectuó una comparación bioeconómica con base al modelo estocástico de simulación detallado por Vargas y Cuevas (2009). Este modelo fue ampliado y adaptado con el fin de comparar tres alternativas de producción, dos basadas en el uso de razas puras (Holstein y Jersey) y la tercera basada en el rendimiento de la F1 (Holstein×Jersey). Las tres alternativas fueron evaluadas asumiendo condiciones idénticas de manejo que ]]>

El  modelo  fue  ]]> et al. 1989). Otros coeficientes relacionados con parámetros de eficiencia económica o en uso de mano de obra se especificaron con base en las condiciones imperantes en años recientes (Cooperativa Dos Pinos 2007)³.

La descripción de la base matemática y las principales ]]>

En función de los parámetros de entrada y sus interrelaciones, el modelo utiliza una estrategia de muestreo de Hipercubo Latino (Palisade Corporation 2009b) mediante la cual se ]]>

Variables de entrada iguales entre alternativas

El modelo representa un hato base con un sistema de producción de lechería especializada en la zona de vida Bosque Muy Húmedo Premontano, la cual abarca una franja altitudinal entre los 1000 y 2000 msnm, con temperaturas que oscilan entre los 18 y ]]> Pennisetum clandestinum) con suplemento de alimento balanceado y subproductos agrícolas, antes y durante los ordeños.

Con base en el ]]> Cuadro 1 se detallan las variables que fueron comunes entre las alternativas comparadas; estas variables se refieren a características generales del hato, forma de suministro del alimento balanceado, calidad de leche y variables de tipo económico. Los valores de ]]> 3.

Se asumió un tamaño de finca de 35±5 hectáreas con un total de 80±10 vacas adultas. La distancia promedio de la finca a los centros de acopio para la entrega de leche fue de 25±5 km. La eficiencia de la mano de obra se especificó en términos de número de animales por peón, con base en relaciones reales observadas a nivel de finca.

En relación a la alimentación, se asumió un suministro de concentrado con base en una de las prácticas más comunes identificadas en fincas de la región bajo estudio (Herrero et al. 1999). De acuerdo con esta práctica, el alimento balanceado se suministra en función de la producción en relaciones kg leche/kg alimento de 2:1, 3:1 y 4:1 en las etapas 0-100 d, 100-200 d y 200 d-final de lactancia, respectivamente. El consumo durante el periodo seco se asumió fijo en 2 kg. El consumo en la etapa de crianza se consideró como fijo y se utilizó para la estimación de los costos de esta.

Los parámetros de calidad de leche, tales como recuento de células somáticas y recuento bacteriano se especificaron con base en promedios anuales observados en hatos locales.  Asimismo, se asumió una incidencia de mastitis del orden del 15±3%, debido a que no existe un parámetro confiable de referencia al respecto.

Entre las variables de entrada relacionadas al componente económico, se consideraron los precios de insumos tales como alimentos balanceados, fertilizantes, costos de transporte de leche y de mano de obra. Para los precios de los alimentos balanceados y fertilizantes se utilizaron los valores observados al momento del estudio (León 2008). Para la estimación de costos de transporte de leche, no se encontraron datos precisos a nivel local, por lo que se utilizó como base el método de cálculo utilizado por Freije (2011) obteniéndose un costo de $0,31±0,10 por cada 50 kg de leche transportada por cada km de distancia recorrido.

De la misma manera, se contemplaron precios de los principales productos de la finca, tales como los sólidos de la leche y venta de animales de desecho, con su correspondiente variabilidad. Los precios de pago para los sólidos de la leche, lactosa+minerales y porcentaje de bonificación según calidad de la leche fueron tomados de las condiciones imperantes al momento del estudio (González  2010).  Los  salarios  de  peón  calificado y no calificado fueron obtenidos de la lista de salarios mínimos para el sector privado (Ministerio de Trabajo y Seguridad Social 2011). En cuanto a costos de administración, se asumió un costo anual de $10000 por este concepto, igual para las tres   alternativas.

Variables de entrada diferentes entre alternativas

Las variables con valores de base diferentes entre alternativas fueron principalmente los rasgos biológicos, cuyo efecto agregado se desea analizar y para las cuales existe información confiable a nivel de cada tipo racial comparado (Cuadro 2).
]]> Los promedios de rendimiento fueron obtenidos con base en los reales observados en las explotaciones. Para efectos de simplificación del modelo, las desviaciones estándar de cada rasgo fueron asumidas iguales para los tres grupos raciales comparados.

En términos reproductivos, se asumieron diferencias en los parámetros de días abiertos y en las tasas de descarte involuntario de vacas adultas. Las diferencias en días abiertos corresponden a las diferencias reales observadas en la población bajo análisis. Las diferencias en la tasa de descarte involuntario se especificaron de manera que la vida productiva esperada resultante concordara con los valores calculados previamente en la población (Cedeño y Vargas 2004).

Para representar el proceso de crecimiento se utilizó la función de Gompertz W_t=ae^-be-ct (Gompertz 1825), donde W es el peso corporal estimado a edad t, a es un valor asintótico que se interpreta como el peso adulto; b es una constante de integración y c está relacionado con la pendiente de la curva y por tanto con la tasa de crecimiento. Los parámetros a, b y c fueron estimados mediante procedimientos de regresión no lineal aplicados a datos de peso corporal obtenidos del hato base, utilizando el programa estadístico SAS (SAS Inst. Inc. 2009). Este modelo ha sido utilizado previamente con éxito, para tipificar el crecimiento de razas bovinas lecheras a nivel local (Vargas y Ulloa 2008).

Para representar la producción de leche de los animales se utilizó una función gama incompleta, mejor conocida como el modelo de Wood (1967).  Este modelo consta de tres parámetros que describen el patrón de producción de leche durante la lactancia. El parámetro a se relacionó con el nivel de producción, mientras que los b y c definieron el nivel de inclinación de la curva durante las fases ascendente y descendente, respectivamente. En el modelo, los valores de base para los parámetros a, b, c fueron obtenidos mediante procedimientos de regresión no lineal aplicados a promedios de producción diaria observados en cada grupo racial dentro de la zona analizada, utilizando el procedimiento NLIN del programa SAS (SAS Inst. Inc. 2009). El modelo Wood también se ha utilizado previamente con éxito,  para tipificar las curvas de lactancia de razas bovinas lecheras a nivel local (Vargas y Ulloa 2008).

Otros parámetros relacionados con composición de la leche (grasa y proteína) y longitud de la lactancia fueron también asumidos con base en valores obtenidos de la población analizada.

Variables correlacionadas

Para efectos de una mejor aproximación a la realidad, en el modelo se asumen correlaciones entre las distribuciones de probabilidad de tres variables productivas, dos reproductivas y cinco económicas (Cuadros 3, 4 y 5). Estas correlaciones fueron idénticas para las tres alternativas comparadas y son necesarias, ya que de lo contrario, los escenarios de producción obtenidos durante el proceso de muestreo podrían presentar inconsistencias graves.

En el caso de parámetros biológicos, las correlaciones se especificaron con base en valores reales calculados sobre los datos disponibles. Así por ejemplo, las correlaciones entre parámetros de la curva de lactancia y de crecimiento fueron obtenidas durante el procedimiento de ajuste de las funciones Wood y Gompertz a los datos reales (Cuadros 3 y 4).
 
En otros casos (Cuadro 5), no existen datos sobre los cuales se puedan calcular estas correlaciones y la evidencia de interdependencia es principalmente empírica, por lo que estas debieron especificarse con base al criterio de los autores, previa revisión de la consistencia de la matriz.  Siguiendo el mismo criterio se especificaron también correlaciones entre algunos precios de insumos y productos, por ejemplo, entre el costo del alimento balanceado y el costo fijo de la vaca adulta (r= 0,75), entre los precios de los kg de grasa o proteína con precio lactosa + minerales (r=0,90). También se asumió una correlación de r=0,37 entre el recuento de células somáticas y el recuento bacterial, además de una correlación alta negativa de r=-0,78 entre incidencia clínica de mastitis y bonificación sobre el precio de calidad de la leche.

Análisis de sensibilidad

Se realizó un análisis de sensibilidad con el fin de evaluar el efecto relativo de las variables de entrada sobre la variable de salida Beneficio/Costo (B/C). Este análisis cuantifica la asociación entre las distintas variables de entrada y una específica de salida en términos de magnitud y sentido (positivo o negativo), lo cual se representa en un gráfico de tornado con un despliegue jerárquico de las variables de entrada según importancia relativa (Palisade Corporation 2009b). La variable de salida seleccionada para este análisis fue la relación beneficio/costo (B/C), por considerar que es la que mejor refleja los beneficios bioeconómicos de una determinada alternativa de producción. En el gráfico de tornado, los valores comparados corresponden al coeficiente de la regresión parcial de cada variable de entrada, expresada en unidades estandarizadas, sobre la variable de salida B/C. Estos coeficientes se interpretan como el cambio esperado en B/C por cada incremento de una desviación estándar en la variable de entrada respectiva.

Resultados y Discusión

Parámetros de eficiencia técnica

En los parámetros de entrada (Cuadro 2) la raza Holstein fue definida con una mayor longitud de días abiertos y mayor tasa de descarte involuntario de vacas adultas. Estos tienen un impacto  desfavorable sobre varios parámetros de salida del modelo, tales como el número de vacas lactantes y disponibles para descarte voluntario o el número de novillas disponibles para reemplazo o venta (Cuadro 6). Las diferencias en la tasa de reemplazo no se evidenciaron, ya que bajo los parámetros promedio de rendimiento definidos para las tres alternativas, es posible producir el número requerido de novillas para reponer el hato en producción. Sin embargo, el menor rendimiento reproductivo de la raza Holstein se ve reflejado en un margen de maniobra más reducido para la selección de hembras, novillas o vacas adultas, dentro del hato.

En promedio, los grupos F1 y Jersey exceden por más de seis novillas el requerimiento para reposición del hato, en ]]>

Otra desventaja de ]]> Cuadro 6). El promedio de edad a primer parto del grupo Holstein superó por 1,5 meses a la F1 y por 2 meses a Jersey; estas diferencias son similares a las descritas en un estudio previo (Bolívar et al. 2009). También se ]]>

El  mejor  rendimiento  reproductivo  de  la  raza Jersey  en  comparación  con  la  Holstein,  tanto  en edad a primer parto como en días abiertos, ha sido reportado por varios estudios previos a nivel local (Cedeño y Vargas 2004, Vargas y Ulloa 2008). Para ]]> et al. 2008).

En términos de ]]> Cuadro 6). Inicialmente se observó una superioridad marcada de la raza Holstein en cuanto a producción de leche por vaca por año, donde la diferencia se calculó en 1393 kg con respecto a la Jersey y de 448 kg con respecto a la F1. Esta superioridad se mantuvo al calcular la producción por día de vida, donde la Holstein presentó una ventaja de 2,19 kg sobre Jersey y 0,53 kg sobre  F1. Por el contrario, la comparación en ]]> Cuadro 6).  De igual manera, en un estudio realizado en Nueva Zelanda, se reportó una ventaja de la Holstein en producción de leche por vaca de 696 kg/año sobre Jersey y 241 kg/año sobre la F1 (López-Villalobos et al. 2000); en dicho ]]> et al. 2009).

]]> En términos agregados, para un hato base con 80 vacas adultas, la superioridad de la F1 en producción anual de sólidos lácteos con respecto a Holstein sería de 3847 kg y 7366 kg sobre Jersey (Cuadro 6).  Según el modelo habría 64 vacas lactantes en promedio para Jersey y la F1, mientras que para Holstein serían solo 60. La superioridad del F1 con respecto a la Holstein, se explicaría entonces con base en el mayor ]]>

Al igual que sucede con la producción a nivel de hato, la superioridad de la F1 también se mostró en la producción de sólidos en leche (grasa y proteína) por hectárea, donde la F1 sobrepasó por 168 kg a Holstein y por 320 kg a Jersey. Un estudio indica que la F1 supera en ]]> et al. 2000).

Otros  dos  parámetros  técnicos  obtenidos  por el modelo son, la producción de carne en ]]>

Por otro lado, de ]]>

Parámetros de eficiencia económica

La proporción de ingresos por venta de sólidos grasos es superior para Jersey y F1, en comparación con Holstein, mientras que sucede lo contrario para sólidos no  grasos  (Figura  1).  ]]>
En cuanto a la estructura de costos, se observó que el hato Holstein presentó mayores porcentajes en el rubro de alimentación de vacas (alimentos balanceados y suplementación), en comparación con los hatos Jersey y F1. Por el contrario, el Jersey presentó mayor costo en la crianza de reemplazos y otros por vaca (mano de obra, reproducción, salud, mantenimiento de instalaciones, equipo y potreros). Los costos administrativos, como se detalló anteriormente, fueron asumidos iguales entre las tres alternativas.

Los parámetros de eficiencia económica estimados por el modelo de simulación estocástica, se muestran en el Cuadro 7. El ingreso anual para el hato F1 fue superior por US$20644 a Holstein y por US$34434 a Jersey. Este mayor ingreso se debió a la mayor producción de grasa y proteína en la leche de la F1, que superó por US$17439 y US$20811 a las razas puras Holstein y Jersey, respectivamente. La F1 aventajó a la Holstein y a la Jersey por $US227 y US$10882, respectivamente, por concepto de pago por lactosa. En ingresos por producción de carne en canal, el hato Holstein excedió al F1 por US$1690 y al Jersey por US$3493, mientras que por concepto de venta de reemplazos el hato F1 superó por US$4143 a Holstein y US$227 a Jersey.

En Nueva Zelanda se reportó, que los hatos con cruces rotacionales Holstein×Jersey superan en ingreso neto por vaca por año a los hatos con razas puras Holstein y Jersey por US$16 y US$24, respectivamente (López-Villalobos et al. 2000). En otro estudio en Norte América se determinó que el cruce Holstein×Jersey presenta un mayor mérito neto que las razas puras Holstein  y  Jersey,  siempre  y  cuando  el  sistema  de pago de la leche favorezca la producción de grasa y proteína (Van Raden y Sanders 2003).  En Colombia, se encontró mayor rendimiento económico de F1 con respecto a Holstein, pero menor en comparación con la Jersey (Echeverri et al. 2011), con mejores resultados para el grupo con proporción racial 75% Jersey.

El modelo estimó el costo anual de producción por hato por año calendario, donde la F1 superó por US$3697 a Holstein y por US$10848 a Jersey (Cuadro 7). El hato Holstein incurre en mayores gastos en la alimentación, por los mayores consumos de alimento balanceado, donde supera en US$1963 a la F1 y en US$11779 al Jersey. Por el contrario, el hato F1 presenta mayores costos fijos, en comparación a Holstein (US$ 2769) y a Jersey (US$ 551). La F1, también mostró mayores gastos en la crianza de reemplazos que Holstein (US$ 2893) y que Jersey (US$ 487). El mayor costo para la F1 en estos casos, se debe a la mayor cantidad de animales en cada etapa, por su mejor rendimiento reproductivo.

En comparación a los resultados obtenidos por López-Villalobos et al. (2000), el hato Jersey tuvo menores costos por vaca por año (US$663) en comparación con el hato Holstein (US$734), mientras que el costo en el hato con cruce rotacional (US$694) fue intermedio con respecto a las razas puras; en este mismo estudio, al realizar el cálculo del costo por hectárea por año, el hato Jersey superó al Holstein, debido a diferencias en carga animal. A pesar de la diferencia en estrategias de simulación e índices comparados, el estudio de López-Villalobos et al. (2000) también sugiere que la práctica del cruzamiento puede aumentar los ingresos netos en los hatos lecheros.

Con respecto al indicador de margen bruto, la F1 mostró  una  superioridad  de US$16946 y  US$23586 por hato por año con respecto a las razas puras Holstein y  Jersey,  respectivamente  (Cuadro  7).  Sin  embargo es importante señalar que este indicador presentó desviaciones estándares muy altas, incluso superiores a la media. De igual modo, en el indicador de relación beneficio/costo (Figura 2), la F1 mostró una superioridad de 0,10 con respecto a Holstein y 0,15 puntos con respecto a Jersey. Nuevamente, se observó una alta variabilidad dentro de cada raza para este parámetro. ]]>
Con base en el beneficio/costo estimado para las tres alternativas, el porcentaje de heterosis exhibido para este rasgo en el cruce Holstein×Jersey se estimó en 9%; este valor es más alto que el 7,9% obtenido por Vargas y Romero (2010) para producción de leche por día de vida. Otra diferencia importante fue que la producción por día de vida, calculada en dicho estudio, era mayor para Holstein, mientras que el beneficio/ costo obtenido del presente modelo bioeconómico fue más alto para el F1. Es de esperar, que el beneficio/ costo obtenido en este estudio, por provenir de un modelo más complejo e integral, refleje de manera más precisa las verdaderas diferencias bioeconómicas entre las razas comparadas. También, se han reportado niveles de heterosis de al menos 10% para ganancia neta (Sorensen et al. 2008), debidos a incrementos en vida productiva y rasgos funcionales, de manera similar a lo obtenido en el presente estudio.

El modelo también permitió estimar también costos de producción por kilogramo de leche (Cuadro 7), donde el hato Jersey presentó el costo más alto (US$/ kg 0,62), seguido por la F1 (US$/kg 0,52) y Holstein (US$/kg 0,49). Estos costos parecen altos si se comparan con el precio promedio de $0,53 por kg de leche pagado a nivel local (González 2010). Sin embargo, en un estudio realizado en seis fincas lecheras, se calculó los costos por litro de leche entre $0,40 y $0,58 (León 2008); además, se concluyó que el costo de producción varía en función del nivel de manejo y las condiciones específicas de cada hato, o inclusive en distintas épocas durante un mismo año. Otro estudio, reportó un costo promedio de $0,50 por kg leche (González 2010). Con base en estos estudios, es evidente que los costos de producción de estos sistemas son altos y los márgenes de rentabilidad por litro de leche son bajos. Su sostenibilidad parece depender en gran parte de la escala de producción y de otros ingresos adicionales aparte de la leche (p.e venta de animales de cría o desecho).

Es posible también, que las relaciones de alimento balanceado asumidas en el presente modelo de simulación sobreestimen lo que ocurre en la realidad. De acuerdo con el modelo, el costo por alimentación representa un 59% de la inversión operativa por vaca adulta, mientras que un estudio sobre hatos reales, se determinó que el costo por alimentación representó el
52% en el hato lechero (González 2010).

En el modelo, se estimó el costo de crianza de reemplazos y el operativo anual por vaca adulta (Cuadro 7); en el costo de crianza no se observaron mayores diferencias entre los tres grupos comparados, mientras que en el costo operativo por vaca adulta la Holstein presenta una superioridad de US$104 y $267 sobre la F1 y Jersey, respectivamente. Esta diferencia está en función del mayor gasto por alimentación incurrido en la Holstein, de acuerdo a las relaciones leche: alimento balanceado asumidas en el presente modelo.

Análisis de sensibilidad

Indistintamente de la alternativa, las variables con mayor efecto positivo sobre B/C fueron el nivel de producción, la duración de la lactancia, el tamaño del hato y los contenidos de grasa y proteína (Figura 3). A mayor producción y mejor calidad de leche, mejor estimado de B/C. La relación con el tamaño del hato reflejó un efecto de escala (Figura 3), ya que algunos costos fijos tienden a diluirse conforme aumenta el número de vacas en producción (León 2008). Otra variable con asociación positiva aunque de menor magnitud, fue la relación de vacas adultas por vaquero ordeñador, siendo que, a mayor eficiencia de la mano de obra, mejor estimado de B/C.

Por otro lado, las variables de entrada con mayor efecto negativo sobre B/C, indistintamente de la alternativa, fueron los días abiertos, el precio por kg de concentrado y el salario del peón calificado (Figura 3). El aumento en días abiertos se refleja como una disminución en los días productivos por vaca y en la producción de leche anualizada. El precio del alimento balanceado y el salario tienen un impacto directo sobre los costos de alimentación y mano de obra, respectivamente.

También se observaron diferencias entre las alternativas comparadas (Figura 3); por ejemplo, se encontró que un cambio en la variable de entrada tasa de descarte voluntario de novillas, tiene un efecto positivo  sobre  B/C  en  la  F1,  no  así  para  Holstein y Jersey; esto se debe a que la F1 es la opción que permite  hacer  uso  del  excedente  de  novillas,  lo que no puede realizarse con Holstein. Asimismo, se reportó que el aumento en el área de pastoreo, afectó negativamente la relación B/C para F1 y Jersey, mientras que no aparece como variable significativa en Holstein. En realidad, el efecto neto de un incremento en área, de acuerdo a la estrategia de modelación empleada, es negativo para las tres alternativas, por un aumento en la magnitud relativa de los costos debido al mantenimiento de potreros. Sin embargo, en Holstein la magnitud del cambio es más pequeña y no alcanza a ser significativa.

En resumen, el modelo de simulación estocástica, refleja algunas diferencias importantes en los rendimientos bioeconómicos de grupos raciales Holstein, Jersey y F1 (Holstein×Jersey) en la zona agroecológica Bosque Muy Húmedo Premontano. Cabe agregar, que en este estudio se evaluó únicamente el grupo racial F1, mientras que una finca real que practica el cruzamiento estaría compuesta por animales de diversas composiciones raciales; en estas condiciones sería de esperar que los niveles de heterosis alcanzados fueran menores al del presente estudio y las diferencias genéticas aditivas podrían tener mayor preponderancia.

Es importante evaluar los cruzamientos tomando en consideración los beneficios agregados que se pueden obtener para diferentes rasgos de importancia bioeconómica. Desde esta perspectiva, el modelo descrito es una herramienta que permite evaluar de manera integral algunos de los potenciales beneficios que aportan los cruzamientos y la heterosis.

---

Literatura citada

Bolívar, DM; Echeverry, JJ; Restrepo, LF;  Cerón-Muñoz, MF.  2009.  Productividad  de  vacas  Jersey,  Holstein y Jersey×Holstein  en  una zona  de bosque húmedo montano bajo (Bh-MB). (en línea). Livestock Research for Rural development 21(6). Consultado 1 julio 2011. Disponible en  http://www.lrrd.org/lrrd21/6/cont2106.htm.         [ Links ]

Cedeño, DA; Vargas, B. 2004. Efecto de la raza y el manejo sobre la vida productiva del bovino lechero de Costa Rica. Archivos de  Zootecnia 53:129-140.         [ Links ]

Cole, JB; Van Raden, PM. 2010. Net merit as a measure of lifetime profit. AIPL Research  Report (USDA). (en línea). Consultado 1 julio 2011. Disponible en http://aipl.arsusda.gov/reference/nmcalc.htm.         [ Links ]

Echeverri, J; Salazar, V; Parra J. 2011. Análisis comparativo de los grupos genéticos Holstein, Jersey y algunos de sus cruces en un hato lechero del Norte de Antioquia en Colombia. Zootecnia Tropical 29:49-59.         [ Links ]

Freije, C. 2011. Milk hauling charges in the upper midwest marketing area. AIPL-USDA Staff  Paper 11-01. (en línea). Consultado 1 julio 2011. Disponible en http:// www.fmma30.com/StaffPapers/StaffPaper11-01.pdf.         [ Links ]

Gompertz, B. 1825. On the nature of the function expressive of the law of human mortality, and on a new mode of determining the value of  life contingencies. Philos. Trans. Roy. Soc. London 123:513-585.         [ Links ]

González,  J. 2010. Situación actual, desafíos y  oportunidades de la lechería en Costa Rica. Visión de la cámara nacional de productores de leche. In Memorias Congreso Nacional Lechero 2010. San José, Costa Rica. (en línea).  Consultado 1 julio 2011. Disponible en http://www.proleche.com/2010.aspx.         [ Links ]

Heins,  BJ; Hansen, L; Seykora, A; Johnson, D;  Linn, J; Romano, J; Hazel, A. 2008. Crossbreds of Jersey and Holsteins compared with pure  Holsteins for production, fertility and body and udder mesurements during first lactation. Journal of Dairy Science 91:1270-1278.         [ Links ]

Herrero, M; Fawcett, RH; Dent, JB. 1999. An  evaluation of dairy farm management scenarios using integrated simulation and  multiple-criteria models. Agric. Systems 62:169-188.         [ Links ]

Holdridge, LR. 1987.   Ecología basada en zonas de  vida. Traducido por Humberto Jiménez Saa. San José, Costa Rica. IICA. 216 p.         [ Links ]

Kahi, AK; Kosgey, IS; Cardoso, VL; Van Arendonk; JAM. 1998. Influence of production circumstances and economic evaluation criteria on economic comparison of breeds and breed crosses.  Journal of Dairy Science 81:2271-2279.         [ Links ]

León, H. 2008. El enfoque de la productividad y su impacto sobre  la  rentabilidad  en  las  empresas  lecheras.  In Memorias  Congreso  Nacional   Lechero  2008.  San Carlos,  Costa  Rica.  (en  línea).  Consultado  1  julio 2011. Disponible en  http://www.proleche.com/2010.aspx.         [ Links ]

López-Villalobos, N; Garrick, DJ; Holmes, CW; Blair, HT; Spelman, RJ. 2000. Profitabilities of some mating systems for dairy herds in New Zealand. Journal of Dairy Science 83:144-153.         [ Links ]

Madalena, F. 2001. Consideraciones sobre modelos para la predicción del desempeño de  cruzamientos bovinos. Archivos  Latinoamericanos  de  Producción  Animal 9:108-117.         [ Links ]

McAllister,  AJ.  2002.  Is  crossbreeding  the   answer  to questions of dairy breed utilization?. Journal of Dairy Science 85:2352-2357.         [ Links ]

McDowell, RE; Velasco, JA; Van Vleck, LD; Johnson, JC; Brandt, GW; Hollon, BF;  Mcdanieu, BT. 1974. Reproductive efficiency of purebred and crossbred dairy cattle. Journal of Dairy Science 57:220-234.         [ Links ]

Ministerio  de Trabajo y Seguridad Social. 2011.  Salarios mínimos.  Decreto Nº 36637-MTSS. In La Gaceta Nº 123, 27 de junio de 2011. Costa Rica. p. 3.         [ Links ]

Noordhuizen, JPTM; Buurman, J. 1984. Veterinary  automated management and production control  program for dairy farms (VAMPP). The application of MUMPS for data processing. Vet Q. 6, 62-77.         [ Links ]

Palisade Corporation. 2009a. @RISK for Excel. Risk analysis add-in for Microsoft Excel. Version 5.5.0. Palisade Corporation. Newfield, NY, USA.         [ Links ]

Palisade Corporation. 2009b. Guide to using @RISK. Risk analysis and simulation add-in for  Microsoft Excel. Version 5.5.0. Newfield, NY, USA. 693 p.         [ Links ]

Pérez,  E;  Baayen,  MT;  Capella,  E;  Barkema,  H.  1989. Development  of a livestock information system  for Costa Rica. In Kuil, H; Palin, RW; Huhn,  JE. eds. Livestock  Production  and  Diseases  in  the  Tropics. Proc. IV Internl. Conf. Inst. Trop. Vet. Med. Utrecht; The Netherlands. p. 221-224.         [ Links ]

Prendiville, R; Pierce, KM; Buckley, F. 2009. An evaluation of production efficiencies among  lactating HolsteinFriesian, Jersey, and Jersey×Holstein-Friesian cows at pasture. Journal of Dairy Science 92:6176-6185.         [ Links ]

SAS Inst. Inc. 2009. SAS/STAT® User’s guide:  Statistics. Version 9.2. Cary; NC, USA.         [ Links ]

Sorensen, MK; Norberg, E; Pedersen, J; Christensen,  LG. 2008. Crossbreeding in dairy cattle: A danish perspective. Journal of Dairy Science 91:4116-4128.         [ Links ]

Touchberry, RW. 1992. Crossbreeding effect in dairy  cattle: The Illinois experiment, 1949 to 1969. Journal of Dairy Science 75:640-667.         [ Links ]

Van Raden, PM; Sanders, AH. 2003. Economic  merit of crossbred and purebred US dairy  cattle. Journal of Dairy Science 86:1036-1044.         [ Links ]

Vargas, B; Cuevas, M. 2009. Modelo estocástico para estimación de valores económicos de rasgos productivos y funcionales en bovinos  lecheros. Agrociencia 43: 881-893.         [ Links ]

Vargas, B; Romero, J. 2010. Efectos genéticos aditivos y no aditivos en cruces rotacionales  entre razas lecheras. Agronomía Mesoamericana 21:223-234.         [ Links ]

Vargas, B;  Ulloa, J.  2008.  Relación  entre  crecimiento  y curvas de lactancia en grupos raciales lecheros de distintas zonas agroecológicas de Costa Rica. (en línea). Livestock research for rural development 20(8). Consultado 1 julio 2011. Disponible en  http://www.lrrd.org/lrrd20/8/varg20122.htm.         [ Links ]

Wood, PDP. 1967. Algebraic model of the lactation curve in cattle. Nature 216:164-165.         [ Links ]

*Correspondencia a:
Bernardo Vargas-Leitón. Posgrado  Regional en Ciencias Veterinarias Tropicales, Universidad Nacional. Heredia, Costa Rica. Apdo.  postal 304-3000. bvargas@medvet.una.ac.cr.
Yamil Marín-Marín. Posgrado  Regional en Ciencias Veterinarias Tropicales, Universidad Nacional. Heredia, Costa Rica. Apdo.  postal 304-3000. yamilm11@yahoo.com.
Juan José Romero-Zúñiga. Posgrado  Regional en Ciencias Veterinarias Tropicales, Universidad Nacional. Heredia, Costa Rica. Apdo.  postal 304-3000. jromero@medvet.una.ac.cr. ]]> 1. Este estudio fue realizado como parte del proyecto “Evaluación genética y fenotípica de cruces entre razas lecheras de Costa Rica” (IEAG29), Universidad Nacional.
2. Posgrado  Regional en Ciencias Veterinarias Tropicales, Universidad Nacional. Heredia, Costa Rica. Apdo.  postal 304-3000. bvargas@medvet.una.ac.cr; yamilm11@yahoo.com; jromero@medvet.una.ac.cr

---