Stochastic economic evaluation of dairy farm reproductive performance
Notice bibliographique
Résumé
Kalantari, A. S. and Cabrera, V. E. 2015. Stochastic economic evaluation of dairy farm reproductive performance. Can. J. Anim. Sci. 95: 59–70. The objective of this study was to assess the economic value of reproductive performance in dairy farms under uncertain and variable conditions. Consequently, the study developed methods to introduce stochasticity into transition probabilities of a Markov chain model. A robust Markov chain model with 21-d stage length and three state variables, parity, days in milk, and days in pregnancy, was developed. Uncertainty was added to all transition probabilities, milk production level, and reproductive costs. The model was run for 10 000 replications after introducing each random variable. The expected net return (US$ cow−1 yr−1±standard deviation) was $3192±75.0 for the baseline scenario that had 15% 21-d pregnancy rate (21-d PR). After verifying the model's behavior, it was run for 2000 replications to study the effect of changing 21-d PR from 10 to 30% with one-unit-percentage interval. The economic gain of changing 21-d PR from 10 to 30% resulted in a US$75 cow−1 yr−1, and this overall increase in the net return was observed mainly due to the lower reproductive and culling cost and higher calf value. The gain was even greater when milk price and milk cut-off threshold decreased.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».