انتخاب و ارزیابی پارامترها در تابعیت مولفه های اصلی و تابعیت خطی چندگانه برای پیش بینی وزن دنبه

Authors

  • حسین مرادی شهر بابک استادیار گروه علوم دامی پردیس کشاورزی و منابع طبیعی کرج
  • سید رضا میرایی آشتیانی استاد گروه علوم دامی پردیس کشاورزی و منابع طبیعی کرج
  • عباس پاکدل دانشیار گروه علوم دامی پردیس کشاورزی و منابع طبیعی کرج
Abstract:

هدف از مطالعه حاضر بررسی ارتباط بین وزن بدن و اندازه­گیری­های ابعاد دنبه با وزن دنبه با استفاده از تابعیت چندگانه و تحلیل مولفه­های اصلی بود. در کل 11 صفت قبل از کشتار شامل، وزن بدن، طول دنبه، محیط، عرض و قطرهای دنبه در 3 موقعیت بالا، وسط و پایین و نیز وزن دنبه بعد از کشتار، در 120 راس گوسفند نژاد ترکی- قشقایی مورد اندازه­گیری قرار گرفتند. بعد از آنالیز داده­ها 5 مولفه اصلی اول (PC) مجموعا 69/89 درصد از واریانس وزن دنبه به ترتیب 02/45، 81/19، 58/11، 27/7، 1/6 را تشریح کردند. بالاترین ضرایب در PC1 مربوط به محیط و عرض­های دنبه (036/0 ± 362/0) و در PC2 مربوط به قطرهای دنبه (34/0 ± 50/0) بود. وزن بدن در 3 مولفه اصلی بعدی دارای بیشترین ضریب بود. طول دنبه در PC3 و PC4 بالاترین ضریب را داشت. در آنالیز تابعیت مولفه­های اصلی، طول دنبه (071/0)، محیط بالای دنبه (041/0) و وزن بدن (040/0) بالاترین ضرایب را داشتند. درحالی که در روش حداقل مربعات عمومی محیط وسط دنبه (083/0)، طول دنبه (077/0) و وزن بدن (042/0) بالاترین ضرایب را داشتند. همچنین، تابعیت مولفه­های اصلی منجر به برآورد مقادیر بسیار پایین­تر خطای استاندارد (006/0 تا 02/0) نسبت به روش حداقل مربعات عمومی (01/0 تا 08/0) شد. نتایج حاصل از این تحقیق نشان داد، تخمین وزن دنبه با استفاده از تجزیه مولفه­های اصلی صحّت بالاتری داشته که می­تواند برای متخصصان اصلاح نژاد در هنگام اعمال مدیریت، انتخاب و اجرای برنامه های اصلاح نژادی مفید باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد روش تحلیل مؤلفۀ اصلی برای پیش بینی وزن دنبه و وزن لاشه در بره‎های ماکوئی

هدف از این مطالعه بررسی ارتباط 18 صفت وزن زنده، ارتفاع جدوگاه، محیط دور سینه، محیط دور گردن، طول بدن حیوان، محیط دور حفرۀ بطنی، عرض بالای دنبه، عرض وسط دنبه، عرض پایین دنبه، طول طرف راست دنبه، طول شکاف دنبه، طول طرف چپ دنبه، قطر بالای دنبه، قطر وسط دنبه، قطر پایین دنبه، محیط بالای دنبه، محیط وسط و پایین دنبه با صفات اوزان لاشه با دنبه، لاشه، و دنبه و پیش بینی عملکرد این صفات با روش تابعیت خطی چ...

full text

استفاده از روش تحلیل مولفه های اصلی برای پیش بینی صفت وزن دنبه در گوسفندان نژاد لری بختیاری

به منظور بررسی ارتباط 11 صفت وزن زنده، طول بدن حیوان، محیط دور بدن، قد حیوان، عرض وسط دنبه، عرض پایین دنبه، عرض بالای دنبه، طول دنبه، طول شکاف دنبه، عمق دنبه و محیط دور دنبه با صفت وزن دنبه از اطلاعات 731 راس گوسفندان لری بختیاری و با هدف از بین بردن مشکل هم راستایی چندگانه، از روش های تحلیل مولفه های اصلی و حداقل مربعات معمولی استفاده گردید. وجود هم راستایی چندگانه با استفاده از عامل تورم واری...

full text

استفاده از روش تحلیل مولفه‌های اصلی برای پیش بینی صفت وزن دنبه در گوسفندان نژاد لری بختیاری

به منظور بررسی ارتباط 11 صفت وزن زنده، طول بدن حیوان، محیط دور بدن، قد حیوان، عرض وسط دنبه، عرض پایین دنبه، عرض بالای دنبه، طول دنبه، طول شکاف دنبه، عمق دنبه و محیط دور دنبه با صفت وزن دنبه از اطلاعات 731 راس گوسفندان لری بختیاری و با هدف از بین بردن مشکل هم‌راستایی چندگانه، از روش‌های تحلیل مولفه‌های اصلی و حداقل مربعات معمولی استفاده گردید. وجود هم‌راستایی چندگانه با استفاده از عامل تورم ...

full text

مقایسه کارآیی شبکه عصبی مصنوعی و رگرسیون چندگانه در پیش بینی وزن دنبه گوسفند

در این مطالعه ارتباط بین وزن­های تولد، از شیرگیری و پایان پروار با وزن دنبه 69 رأس گوسفند بلوچی توسط روش­های شبکه عصبی مصنوعی و رگرسیون چندگانه بررسی شد. هر دو روش با دقت بالایی وزن دنبه را پیش­بینی کردند. هر چند که میانگین خطا به صورت معنی­داری در روش شبکه عصبی مصنوعی کمتر از رگرسیون چندگانه بود. ضریب تعیین برآورد شده در روش شبکه عصبی مصنوعی (93/0) بالاتر از رگرسیون چندگانه (81/0) به دست آمد. ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 27  issue 104

pages  91- 100

publication date 2014-10-23

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023