پديد آورندگان :
ميرحسيني، ضياالدين دانشگاه گيلان - گروه علوم دامي , قوي حسيني، نويد دانشگاه گيلان - گروه علوم دامي , هادي نژاد، فاطمه دانشگاه گيلان - گروه علوم دامي
كليدواژه :
بز مرخز , توابع رشد , مدل هاي غير خطي , منحني رشد , وزن بدن
چكيده فارسي :
هدف از اين مطالعه انتخاب بهترين مدل از بين پنج تابع رشد غيرخطي برودي (Brody)، گومپرتز (Gompertz)، لجستيك (Logistic)، ون برتالانفي (Von Bertalanffy) و نمايي منفي (Negative Exponential) جهت توصيف منحني رشد در بز مرخز بود. داده ها مشتمل بر ركوردهاي وزن بدن از تولد تا يك سالگي 5557 راس بزغاله بود كه طي سال هاي 85 تا 92 از ايستگاه تحقيقات بز مرخز واقع در سنندج جمع آوري شد. برآورد پارامترهاي منحني رشد A،B،K با استفاده از رويه NLIN برنامه SAS انجام شد و جهت مقايسه مدل هاي مختلف به منظور انتخاب بهترين مدل، آماره هاي ضريب تبيين تصحيح شده (R2adj)، جذر ميانگين مربعات خطا (RMSE)، معيار اطلاعات آكاييك (AIC)، معيار اطلاعات بيزي (BIC) و معيار دوربين-واتسون (DW) محاسبه شد. در كل حيوانات، مدل رشد لجستيك با داشتن بالاترين ميزان R2adj و كمترين ميزان RMSE، AIC و معيار BIC نسبت به ساير مدل ها مي تواند بهترين پيش بيني رشد در بز مرخز را نشان دهد. مدل هاي برودي، گومپرتز به ترتيب براي نرها و ماده ها و مدل لجستيك هم براي تك قلوها و هم براي دوقلوها به عنوان بهترين مدل پيش بيني رشد انتخاب شد. در همه موارد چه براي كل حيوانات و چه براي نرها، ماده ها، تك قلوها و دوقلوها مدل نمايي منفي به عنوان نامناسب ترين مدل شناخته شد. مدل لجستيك مي تواند بهترين توصيف از روند رشد بز مرخز در محدوده زماني مشخص را ارائه كند.
چكيده لاتين :
The objective of this study was to select the best model among five non-linear growth
functions, i.e., Brody, Gompertz, Logistic, Von Bertalanffy and Negative exponential for
describing the growth curve in Markhoz goat. The data included 5557 body weight records of
goats from birth to yearling which were collected during 2006 to 2013 at Sanandaj Research
Station. Growth curve parameters (A, B, K) were estimated by the NLIN procedure of SAS
program and in order to compare different models for selecting the best model, statistics of
coefficient of determination (R2
adj), Akaike´s Information Criterion (AIC), Bayesian
Information Criterion (BIC), Root Mean Squares Error (RMSE) and Durbin-Watson were
calculated. For all animals, Logistic model was the best model as provided the greatest R2
adj and
the lowest values of RMSE, AIC and BIC than other models and this model could indicate the
best prediction of growth in Markhoz goat. The best selected models for predicting growth of
males and females were Brody and Gompertz models, respectively; and Logistic model was
selected as the best model for both singles and twins. The negative exponential model provided
the worst fit of growth curve for all animals, males, females, singles and twins. Logistic model
can provide the best prediction of growth pattern of Markhoz goat over a definite time period
