مقایسه برخی مدل های ریاضی غیرخطی برای توصیف منحنی رشد گوساله های سیستانی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

هدف از این پژوهش، برازش مدل های غیرخطی مختلف برای توصیف منحنی رشد و انتخاب مناسب ترین مدل توصیف کننده منحنی رشد برای گوساله های گاو سیستانی بود. از رکوردهای وزن بدن 241 گوساله (118 راس نر و 123 راس ماده) که توسط ایستگاه تحقیقات گاو سیستانی زهک بین سال های 1389 تا 1396 جمع آوری شده بود، استفاده شد. چهار مدل غیرخطی (گمپرتز، لجستیک، ریچاردز، و ویبول) بر روری رکوردهای وزن بدن برازش و مناسب ترین مدل توسط معیار-های برازش نیکویی (جذر میانگین مربعات خطا، معیار اطلاعات بیزی، معیار اطلاعات آکاییک و ضریب تعیین تصحیح شده) مورد ارزیابی قرار گرفت. براساس معیار-های برازش نکویی، مدل ریچاردز مناسب ترین تابع برای توصیف منحنی رشد در گوساله های نر و ماده بود. اثر جنس بر روی فراسنجه های منحنی ها در بسیاری از توابع معنی دار بود (0/05>P). مدل های لجستیک و ریچاردز به ترتیب بالاترین و پایین ترین مقدار فراسنجه مرتبط با وزن ابتدایی را داشتند. گوساله های نر در سن و وزن بالاتری نسبت به گوساله های ماده به نقطه عطف رسیدند. با توجه به نتایج حاصل برای مدیریت بهتر تغذیه ای و انتخاب برای رشد سریع با صحت بالا، می توان از مدل مناسب جهت بررسی الگوی رشد این نژاد استفاده نمود.

زبان:
فارسی
صفحات:
691 تا 700
لینک کوتاه:
magiran.com/p2376621 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!