0:00:00.000,0:00:08.032
V návaznosti na teoretickou přednášku týkající se hodnocení kvality masa si nyní ukážeme praktický příklad.

0:00:08.366,0:00:16.031
Prezentace je součástí modulu 4 Precizní chov zvířat, který je součástí projektu ISAGREED.

0:00:17.030,0:00:25.029
Vytvoření této prezentace bylo podpořeno grantem ERASMUS + KA2 Inovace struktury a obsahu studijních programů

0:00:26.029,0:00:31.028
v oblasti managementu živočišných genetických a potravinových zdrojů s využitím digitalizace.

0:00:35.027,0:00:46.858
Jak již bylo v teoretické přednášce zmíněno, v rámci hodnocení masné užitkovosti je důležité stanovení obsahu tuku a svaloviny v jatečně opracovaném trupu zvířete.

0:00:46.858,0:01:01.855
K tomuto účelu slouží různé přístrojové metody, často se používají vpichové sondy, například fat o meter, jehož použití je vidět na prvním obrázku.

0:01:04.854,0:01:13.019
Tímto přístrojem byla u 20 jatečně opracovaných trupů prasat stanovena výška hřbetního tuku a výška svalu Musculus longissimus dorsi.

0:01:13.019,0:01:26.016
U stejných jatečně opracovaných trupů byl zároveň stanoven disekcí podíl libového masa. Vstupní data jsou uvedena v této tabulce.

0:01:28.016,0:01:37.647
Naším úkolem bude nyní zjistit, zda výška hřbetního tuku a výška svalu koreluje s podílem libového masa

0:01:37.647,0:01:44.646
a tedy, zda je možné tyto naměřené hodnoty pro predikci podílu libového masa použít.

0:01:46.645,0:01:50.644
Úkol vyřešíme pomocí vícerozměrné korelační a regresní analýzy.

0:01:50.644,0:01:56.642
Jako závisle proměnnou v tomto případě zvolíme podíl libového masa,

0:01:56.642,0:02:04.641
nezávisle proměnnými budou naměřené charakteristiky, tedy výška tuku a výška svalu.

0:02:04.641,0:02:15.638
Korelační analýza nám nejprve umožní posoudit těsnost závislosti mezi závisle proměnnou a dvěma nezávislými proměnnými.

0:02:15.638,0:02:27.636
Těsnost závislosti vyjadřuje korelační koeficient, označovaný malým písmenem r, jehož absolutní hodnota se může pohybovat v intervalu od 0 do 1.

0:02:27.636,0:02:39.667
Čím je hodnota korelačního koeficientu vyšší, tím je daná závislost těsnější, říkáme, že proměnné (resp. znaky) spolu korelují.

0:02:39.667,0:02:45.665
Následná regresní analýza nám umožní zjištěnou závislost matematicky popsat.

0:02:45.665,0:02:59.663
Zde vidíme regresní rovnici, kde y je závisle proměnná, v našem případě podíl libového masa,

0:02:59.663,0:03:07.661
x1 a x2 jsou proměnné nezávislé, v našem případě výška tuku a výška svalu

0:03:07.661,0:03:18.659
a b1, b2 jsou příslušné regresní koeficienty, udávající změnu závisle proměnné, při změně nezávislých proměnných o jednotku.

0:03:18.659,0:03:31.657
Absolutní člen nemá přímou biologickou interpretaci, ale v rovnici je důležitý pro správné matematické popsání závislosti.

0:03:31.656,0:03:39.654
Úkol můžeme pohodlně vyřešit např. pomocí běžně dostupného softwaru MS EXCEL.

0:03:39.654,0:03:47.652
V listu, kde již máme připravena vstupní data zvolíme záložku Data,

0:03:47.652,0:03:58.650
poté z panelu nástrojů vybereme funkci Analýza dat a z nabídky zvolíme Regresi a potvrdíme tlačítkem OK.

0:04:00.649,0:04:07.647
V následujícím dialogovém okně zadáme, z jakých dat chceme regresi počítat.

0:04:07.647,0:04:21.645
Jako vstupní oblast Y zvolíme sloupec, kde jsou uvedeny hodnoty závisle proměnné LMP (tedy podílu libového masa)

0:04:21.645,0:04:29.643
jako vstupní oblast X zvolíme a označíme oba sloupečky s hodnotami nezávisle proměnných

0:04:29.643,0:04:34.642
(tedy naměřených hodnot výšky tuku a výšky svalu).

0:04:34.642,0:04:42.640
Po potvrzení tlačítkem OK se nám na novém listu již zobrazí výsledky.

0:04:47.639,0:04:58.638
Vysoká hodnota korelačního koeficientu r = 0,82 značí těsnou závislost mezi podílem libového masa

0:04:58.638,0:05:03.303
a nezávislými proměnnými výškou tuku a výškou svalu.

0:05:03.303,0:05:14.301
Koeficient determinace nám ukazuje jaký podíl variability závisle proměnné se nám podařilo vysvětlit zvoleným regresním modelem.

0:05:14.301,0:05:27.965
Hodnota 66 % je poměrně vysoká a ukazuje, že daný model byl dobře navržen, což potvrzuje i velmi nízká hodnota signifikance F statistiky.

0:05:27.097,0:05:41.961
Pro sestavení regresní rovnice najdeme ve výsledcích hodnoty potřebných parametrů, absolutního členu (61,92)

0:05:41.961,0:05:54.025
a obou regresních koeficientů -  pro výšku tuku je regresní koeficient -0,97 (dosadíme ho do rovnice jako b1)

0:05:54.025,0:06:06.023
a pro výšku svalu je regresní koeficient 0,24 (dosadíme ho do rovnice jako b2).

0:06:06.023,0:06:14.355
A zde již vidíme celou sestavenou rovnici, která nám říká, že

0:06:14.355,0:06:29.352
Podíl libového masa = 61,92 – 0,97 krát výška tuku + 0,24 krát výška svalu.

0:06:32.351,0:06:38.350
Dosazením naměřených hodnot výšky špeku a výšky svalu do regresní rovnice

0:06:38.350,0:06:47.349
můžeme teoreticky dopočítat odhady podílu libového masa pro všech 20 případů.

0:06:48.015,0:07:00.680
Zde pak vidíme porovnání odhadu a skutečné hodnoty podílu libového masa v jednotlivých jatečně opracovaných trupech.

0:07:00.680,0:07:12.678
V posledním sloupečku tabulky jsou uvedena tzv. rezidua neboli rozdíly mezi skutečnými hodnotami a odhadnutým podílem libového masa.

0:07:12.678,0:07:19.010
Kladné hodnoty znamenají, že náš odhad byl o něco nižší než skutečně naměřená hodnota

0:07:20.010,0:07:28.008
a naopak, záporné hodnoty ukazují na nadhodnocení odhadu oproti skutečnosti.

0:07:30.007,0:07:37.006
Jelikož již máme analýzou ověřeno, že je možné podle naměřené výšky tuku a výšky svalu

0:07:37.006,0:07:43.005
poměrně spolehlivě odhadnout podíl libového masa, můžeme přejít na úkol číslo 2.

0:07:46.005,0:07:54.069
Na základě předchozího výpočtu máme odhadnout, jaký bude podíl libového masa u jatečně opracovaného trupu, u kterého byly naměřeny tyto hodnoty:

0:07:54.169,0:08:01.867
•	Výška tuku (BF) = 15 mm
•	Výška svalu (MD) = 62 mm

0:08:01.867,0:08:10.998
Podíl libového masa zjistíme dosazením naměřených hodnot do regresní rovnice a dopočítáním hodnoty y.

0:08:10.031,0:08:20.196
Na tomto jatečně opracovaném trupu lze očekávat podíl libového masa přibližně 63 %.

0:08:21.196,0:08:25.695
Závěrem si shrneme obsah této prezentace.

0:08:25.695,0:08:32.694
K odhadu podílu libového masa byla použita vícenásobná regresní analýza.

0:08:32.694,0:08:42.692
Jako nezávisle proměnné byly zvoleny výška tuku a výška svalu Musculus longissimus dorsi, které se dají poměrně snadno měřit.

0:08:42.692,0:08:51.690
Sestavený model umožnil velmi dobrý odhad podílu libového masa pomocí těchto dvou nezávislých proměnných.

0:08:51.690,0:09:04.688
Korelační koeficient je v tomto případě 0,82 a koeficient determinace 0,67 neboli 67 %.

0:09:04.688,0:09:13.686
Samozřejmě jelikož se jedná o statistickou analýzu bylo by vhodné postup ověřit na větším počtu pozorování.

0:09:15.685,0:09:23.684
Já vám děkuji za pozornost a pokud máte k tématu nějaké otázky, neváhejte využít zde uvedený e-mail.