Resulta complicado evaluar el ajuste de los modelos de riesgos proporcionales dado que los tests disponibles actualmente, en su mayoría gráficos, adolecen de un importante grado de subjetividad. En este sentido, hemos desarrollado un procedimiento de bootstrap paramétrico para testar el ajuste de los modelos de supervivencia. El procedimiento se fundamenta en la generación de réplicas de la base de datos mediante simulaciones de Monte Carlo a partir de las estimaciones obtenidas para los diferentes parámetros de cada modelo, y la subsiguiente delimitación de los intervalos de bootstrap para la supervivencia estimada mediante Kaplan-Meier a lo largo del espacio paramétrico estudiado. Las deficiencias de ajuste se evidencian cuando la supervivencia real no se encuentra dentro del intervalo de bootstrap. Este procedimiento se contrastó sobre datos de supervivencia hasta el destete de terneros de raza Bruna dels Pirineus, asumiendo cuatro distribuciones paramétricas de riesgo base distintas (exponencial, Weibull, exponencial dependiente del tiempo y Weibull dependiente del tiempo) así como el modelo semiparamétrico de Cox. En este contexto, los modelos exponencial dependiente del tiempo y Cox no mostraron desajustes significativos, al contrario que los tres modelos restantes. Dadas las ventajas computacionales de los modelos paramétricos, el modelo exponencial dependiente del tiempo parece preferible para el análisis de la supervivencia de los terneros de raza Bruna dels Pirineus.