Züchtungskunde, 89, (6) S. 401-412, 2017, ISSN 0044-5401
© Verlag Eugen Ulmer, Stuttgart
Scientific Articles
Über die Klassifikation von Schlachtbefunddaten mit Hilfe der Boxplot-Methode sowie deren Weiterentwicklungen
M. Gertz1 ; J. Krieter1 ; 1 Institut für Tierzucht und Tierhaltung, Christian-Albrechts-Universität zu Kiel, 24098 Kiel, Deutschland, mgertz@tierzucht.uni-kiel.de
Das Ziel dieser Untersuchung ist es, die Eignung der allgemein bekannten Boxplot-Methodik zur Klassifikation von landwirtschaftlichen Betrieben auf Basis von Schlachtbefunddaten zu untersuchen. Es ist dabei grundsätzlich möglich, landwirtschaftliche Betriebe anhand individuell beobachteter Organbefund-Prävalenzen in auffällig und unauffällig zu differenzieren, wobei die durchschnittliche Erwartung an auffälligen Betrieben mit der Boxplot-Methode bei 0,35% liegt. Anhand verschiedener Organbefunddaten aus der Organbefunderfassung des Zeitraumes 2015–2016 wurden dazu neben der Boxplot-Methode noch zwei Weiterentwicklungen miteinander verglichen. Trotz der Robustheit der Boxplot-Methode kann es in speziellen Szenarien zu einem Auftreten von überproportional vielen auffälligen Betrieben kommen. Der Standard-Boxplot zeigte dabei eine mittlere Quote auffälliger Betriebe von 3,8%, der Medcouple-Boxplot von 0,53% und der General-Boxplot von 0,28% an. Die hier vorgestellten Ergebnisse illustrieren somit, dass aufgrund der statistischen Charakteristika von Organbefunddaten mehr auffällige Betriebe als erwartet auftreten können, was den Nutzen einer Klassifikation auf Basis der Boxplot-Methodik fragwürdig erscheinen lässt. Es zeigt sich jedoch auch, dass die Weiterentwicklungen der Boxplot-Methode deutlich besser an die statistischen Rahmenbedingungen von Schlachtbefunddaten angepasst sind und somit methodisch fundierte Rückschlüsse auf die Tiergesundheit der landwirtschaftlichen Betriebe ermöglichen.
Organbefunde; Boxplot; Schiefe; Kurtosis; Ausreißer
About the classification of abattoir data by using the boxplot-methodology and its derivatives
The aim of this study is to analyze the commonly known boxplot method eligibility for classification of agricultural farms, whereas the classification criteria was derived from abattoir data. In this context we examine the possibility of classifying farms in normal and abnormal on basis of individual prevalences, give a theoretical expectation of abnormal farms of 0.35%. The available data consisted of the year 2015–2016 and besides the boxplot method, two derivatives of it where compared. Besides the well-known robustness of the boxplot method, certain scenarios will exceed the expected rate of abnormal farms substantially. The common boxplot showed an average of 3.8%, the Medcouple-Boxplot of 0.53% and the General-Boxplot of 0.28% abnormal farms. The here presented results indicate that a high amount of abnormal farms are not necessarily a result of inferior husbandry conditions but are also due to the specific statistical characteristics of abattoir data. Results indicate that the boxplot derivatives are much better adapted to such characteristics and thus capable of sound inferences of the animal health at farm level.
abattoir data; boxplot; skewness; kurtosis; outlier