AU - nezhadali, mahdi AU - alijani, sadegh AU - javanmard, Arash TI - Comparison of Non-Linear Models to Describe of Growth Pattern in Makuie Sheep PT - JOURNAL ARTICLE TA - rap JN - rap VO - 11 VI - 27 IP - 27 4099 - http://rap.sanru.ac.ir/article-1-676-fa.html 4100 - http://rap.sanru.ac.ir/article-1-676-fa.pdf SO - rap 27 AB  - هدف از پژوهش حاضر، توصیف منحنی رشد گوسفند نژاد ماکویی با استفاده از چهار مدل غیرخطی (لجستیک، ون- برتالانفی، گومپرتز و ورهالست) و تخمین پارامترهای این توابع بود. برای این از 14454 رکورد وزنی ثبت شده طی سالهای 1368 تا 1394 در ایستگاه اصلاح نژاد گوسفند نژاد ماکویی استفاده شد. همچنین، از رویه­­ های NLMIXED وNLIN نرم افزار آماری SAS نسخه4/9 به ترتیب برای تعیین مقادیر اولیه پارمترهای توابع و تخمین پارامترهای منحنی­ های رشد استفاده شد. مقدار وزن مجانبی بلوغ برای کل حیوانات 93/25 تا8/36، برای نرها 46/32 تا 23/35 و برای ماده ها از 29/29 تا 15/31 متغیر بود. در نتایج بدست امده در این مطالعه، بیشترین مقدار نرخ رشد برای نرها وماده­ ها با مدل ورهالست بدست آمد (021/0) و مدل برتالانفی کمترین مقدار این پارمتر را برای نرها، ماده ­ها و کل حیوانات داشت (011/0). مضاعفاً، تابع لجستیک نرخ بلوغ نرها را بیشتر از ماده ­ها نشان داد (نرها: 014/0، ماده ها 013/0) ولی تابع گومپرتز نرخ بلوغ ماده ­ها را بالاتر نشان داد (نرها: 011/0، ماده ها: 013/0). برای مقایسه مدل‌ها از شاخص­ های ضریب همبستگی (R)، ضریب تبیین (R2)، شاخص بیزین (BIC)، شاخص آکائیک (AIC)، انحراف میانگین مطلق (MAD)، شاخص واریانس باقیمانده (S2e) و RMSE استفاده شد. بر اساس شاخص ­های مطرح شده، منحنی برتالانفی با دارا بودن پایین‌ترین مقدار AIC، BIC، RMSE، MAD و S2e و بالاترین مقدار R و R2 مناسب ترین مدل بود. زمانیکه داده ­ها براساس جنسیت مورد بررسی قرار گرفتند، دقت برآوردها افزایش یافت و مدل‌ها تطابق بهتری بر داده ­ها نشان دادند. زمانیکه داده ­ها براساس جنسیت مورد بررسی قرار گرفتند، دقت برآوردها افزایش یافت و مدل‌ها تطابق بهتری بر داده ­ها نشان دادند. در نهایت، یافته­های این مطالعه نشان داد که به ویژه، زمانی که نرها و ماده ­ها بطور جداگانه مورد بررسی قرار گیرند.مدل ون­ونبرتالانفی می­تواند برای توصیف دقیق ­تر الگوی رشد گوسفند نژادماکویی استفاده شود. CP - IRAN IN - Agriculture faculty LG - eng PB - rap PG - 88 PT - Research YR - 2020