Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón
Ilustraciones, tablas
- Autores:
-
Pinzón López, Julio Cesar
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/79473
- Palabra clave:
- 630 - Agricultura y tecnologías relacionadas::636 - Producción animal
Gallina ponedora
Layer chickens
Producción de huevos
Egg production
Cría de aves de corral
Poultry farming
Crecimiento
Desarrollo
Producción de huevos
Gallinas de postura
Modelo matemático
Growth
Development
egg production
Laying hen
Mathematical model
- Rights
- openAccess
- License
- Atribución-SinDerivadas 4.0 Internacional
| id |
UNACIONAL2_06652d5bbc2f4016bbcb6ca15ddfc7d8 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/79473 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón |
| dc.title.translated.eng.fl_str_mv |
Use of mathematical models in the analysis of growth and commercial performance of brown layers |
| title |
Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón |
| spellingShingle |
Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón 630 - Agricultura y tecnologías relacionadas::636 - Producción animal Gallina ponedora Layer chickens Producción de huevos Egg production Cría de aves de corral Poultry farming Crecimiento Desarrollo Producción de huevos Gallinas de postura Modelo matemático Growth Development egg production Laying hen Mathematical model |
| title_short |
Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón |
| title_full |
Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón |
| title_fullStr |
Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón |
| title_full_unstemmed |
Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón |
| title_sort |
Uso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrón |
| dc.creator.fl_str_mv |
Pinzón López, Julio Cesar |
| dc.contributor.advisor.none.fl_str_mv |
Afanador Téllez, Germán Betancourt López, Liliana Lucía |
| dc.contributor.author.none.fl_str_mv |
Pinzón López, Julio Cesar |
| dc.subject.ddc.spa.fl_str_mv |
630 - Agricultura y tecnologías relacionadas::636 - Producción animal |
| topic |
630 - Agricultura y tecnologías relacionadas::636 - Producción animal Gallina ponedora Layer chickens Producción de huevos Egg production Cría de aves de corral Poultry farming Crecimiento Desarrollo Producción de huevos Gallinas de postura Modelo matemático Growth Development egg production Laying hen Mathematical model |
| dc.subject.agrovoc.none.fl_str_mv |
Gallina ponedora Layer chickens Producción de huevos Egg production Cría de aves de corral Poultry farming |
| dc.subject.proposal.spa.fl_str_mv |
Crecimiento Desarrollo Producción de huevos Gallinas de postura Modelo matemático |
| dc.subject.proposal.eng.fl_str_mv |
Growth Development egg production Laying hen Mathematical model |
| description |
Ilustraciones, tablas |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-05-04T17:46:34Z |
| dc.date.available.none.fl_str_mv |
2021-05-04T17:46:34Z |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_71e4c1898caa6e32 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/79473 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/79473 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Aguilar, F. Modelos matemáticos no lineales como herramienta para evaluar el crecimiento de tilapia roja (oreochromis spp.) y tilapia nilótica (oreochromis niloticus var. chitralada)” alimentadas con dietas peletizadas o extruidas. Tesis de maestría. Bogotá DC. Universidad Nacional de Colombia. 2010. 135p Adams, C. J., y Bell, D. D. (1980). Predicting poultry egg production. Poultry Science, 59(4), 937–938 Aggrey, S. E. (2002). Comparison of three nonlinear and spline regression models for describing chicken growth curves. Poultry Science, 81(12), 1782-1788 Agudelo, D. A., Cerón, M. F., y Restrepo, L. F. (2007). Modelación de funciones de crecimiento aplicadas a la producción animal. Revista Colombiana de Ciencias Pecuarias, 20(2), 157-173 Agudelo, D., Cerón, M., y Restrepo, L. (2008). Modelación de las funciones de crecimiento aplicadas a la producción animal. Revista Colombiana de Ciencias Pecuarias 21(1), 39-58 Aguilar, C., Cortés, H., y Allende, R. (2002). Los modelos de simulación. Una herramienta de apoyo a la gestión pecuaria. Archivos latinoamericanos de producción animal, 10(3), 226-231 Aguilar, C., Friedli, C., & Canas, R. (1983). The growth curve of animals. Agricultural Systems, 10(3), 133-147 Ahmad, H. A. (2009). Poultry growth modeling using neural networks and simulated data. The Journal of Applied Poultry Research, 18(3), 440-446 Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723 Alves, W. J., Malheiros, E. B., Sakomura, N. K., da Silva, E. P., da Silva Viana, G., de Paula Reis, M., ... y Suzuki, R. M. (2019). In vivo description of body growth and chemical components of egg-laying pullets. Livestock Science, 220, 221-229 Arcila, C., Barbosa, E., y Cabezuelo, F. (2016). Técnicas big data: análisis de textos a gran escala para la investigación científica y periodística. El profesional de la información, 25(4), 623-631 Ayala, C. (2018). Crecimiento y desarrollo de los mamíferos domésticos. Revista de Investigación e Innovación Agropecuaria y de Recursos Naturales, 5(ESPECIAL), 34-42 Bedetti, I., y Van de Braak, T. (2021). Una visión general de 60 años de pruebas “North Carolina Random Sample Layer Test” del desempeño de ponedoras. Avinews. 46. 21-25 Belyavin, C.G. (1988) Application of computer technology in poultry houses. World’s Poultry Science Journal 44(3), 217-218 Brody, T. B., Eitan, Y., Soller, M., Nir, I., y Nitsan, Z. (1980). Compensatory growth and sexual maturity in broiler females reared under severe food restriction from day of hatching. British Poultry Science, 21(6), 437-446 Brody, T. B., Siegel, P. B., y Cherry, J. A. (1984). Age, body weight and body composition requirements for the onset of sexual maturity of dwarf and normal chickens. British Poultry Science, 25(2), 245-252 Brody, S. (1945). Bioenergetics and growth; with special reference to the efficiency complex in domestic animals. Reinhold Buchwald, P. (2007). A general bilinear model to describe growth or decline time profiles. Mathematical biosciences, 205(1), 108-136 Buzala, M., y Janicki, B. (2016). Effects of different growth rates in broiler breeder and layer hens on some productive traits. Poultry Science, 95(9), 2151–2159 Camargo, J. J., Camargo, J. F., y Joyanes, L. (2015). Conociendo Big Data. Facultad de Ingeniería, 24(38), 63-77 Carrizo, J., Lozano, J. M., y Universonal, S. S. (2007). Alimentación de las pollitas e inicio de puesta. XXIII Cursos de especialización FEDNA, Madrid, 25 y 26 octubre Cason, J. A. (1990). Comparison of linear and curvilinear decreasing terms in logistic flock egg production models. Poultry Science, 69(9), 1467–1470 Celis De La Rosa, A., y Labrada, V. (2014). Bioestadística, Bogotá, Colombia, El Manual Moderno, S.A. de C.V Cox, E. (2005). Fuzzy Modeling and Genetic Algorithms for Data Mining and Exploration. New York, USA: Morgan Kaufmann Publishers Di Riezo, J., Casanoves, F., Gonzales, L., Tablada E., Díaz, M., Robledo, C.,y Balzarini, M. (2005). Estadística para las ciencias agropecuarias, Córdoba, Argentina, Brujas Díaz, G. (2019). La crisis de las 18 a las 35 semanas en ponedoras comerciales. Nutrinews América Latina. Recuperado de https://issuu.com/grupoagrinews/docs/revista-nutrinews-latam-4trimestre2019 Dos Santos, A. L., de Faria, D. E., De Oliveira, R. P., Pavesi, M., Y Silva, M. F. R. (2017). Growth and Body Composition of Laying Hens under Different Feeding Programs up to 72 Weeks. Journal of Animal Science and Research, 1(1), 1-6 Druyan, S. (2010). The effects of genetic line (broilers vs. layers) on embryo development. Poultry Science, 89(7), 1457-1467 Dunnington, E. A., Siegel, P. B., Cherry, J. A., y Soller, M. (1983). Relationship of age and body weight at sexual maturity in selected lines of chickens. Archiv fuer Gefluegelkunde (Germany, FR). 47, 85–89 Dunnington, E. A., y Siegel, P. B. (1984). Age and body weight at sexual maturity in female White Leghorn chickens. Poultry Science, 63(4), 828-830 Dunnington, E. A., y Siegel, P. B. (1985). Long-term selection for 8-week body weight in chickens-direct and correlated responses. Theoretical and applied genetics, 71(2), 305-313 Durán, Felipe., (2009). Manejo y nutrición en aves de corral. Bogotá, Colombia:Grupo latino editores. Lesson, Steve., Summers, John y Diaz, Gonzalo., (2000). Nutrición aviar comercial. Bogotá, Colombia: Universidad Nacional de Colombia. ISBN:958-33-1300-9 Eitan, Y., y Soller, M. (1992, September). Effect of light and selection on weight and age at first egg. Proceedings of the 19th World's Poultry Congress, World's Poultry Science Association (pp. 413-416) Emmans, G. C. (1981). A model of the Growth and Feed Intake of Ad Libitum Fed Animals, Particularly Poultry. BSAP Occasional Publication, 5, 103-110 Emmans, G.C. y Oldham, J.D.(1988) Modelling of growth and nutrition in different species. Modelling of Livetock Production Systems (Eds Korver, S. and van Arrendonk, J.A.M.), Kluwer Academic Publishers, Dordrecht, Netherlands, pp. 13-21 Emmerson, D. A. (1997). Commercial approaches to genetic selection for growth and feed conversion in domestic poultry. Poultry Science, 76(8), 1121-1125 Emmerson, D. A. (1997). Commercial approaches to genetic selection for growth and feed conversion in domestic poultry. Poultry Science, 76(8), 1121-1125 Fialho, F. B., Ledur, M. C., y Avila, V. S. (2001). Mathematical Model to Compare Egg Production Curves. Brazilian Journal of Poultry Science, 3(3), 211-217 Field, A. (2009). Discovering Statistics Using SPSS. 3ra Edición. Sage Publications Ltd., Londres Fitzhugh, H. A., y Taylor, S. C. (1971). Genetic analysis of degree of maturity. Journal of Animal Science, 33(4), 717-725 France, J., López, S., Kebreab, E., y Dijkstra, J. (2013). Interpreting experimental data on egg production-Applications of dynamic differential equations. Poultry Science, 92(9), 2498–2508 France, J., y Thornley, J. (1984). Mathematical Models in Agriculture. London, England: Butterworths Gómez, J., Fraga, L., Pedraza, R., Montes de Oca, R., Guerra, L., y Valdivié, M. (2017). Modelación de curvas de puesta de los tres últimos años en gallinas White Leghorn en la provincia Ciego de Ávila. Revista de Producción Animal, 29(2), 42-49 Gous, R. Morris, T. Fisher, C. (2006). Mechanistic modelling in pig and poultry production. Massachusetts, USA: CABI Groen, A. F., Jiang, X., Emmerson, D. A., y Vereijken, A. (1998). A deterministic model for the economic evaluation of broiler production systems. Poultry Science, 77(7), 925-933 Grossman, M., Gossman, T., y Koops, W. (2000). A Model for Persistency of Egg Production. Poultry Science, 79(12), 1715–1724 Heymsfield, S., Lohman, T., Wang, Z., y Going, S. (2005). Human Body Composition (2a ed). United States: Human Kinetics Publishers Ho, D. H., Reed, W. L., y Burggren, W. W. (2011). Egg yolk environment differentially influences physiological and morphological development of broiler and layer chicken embryos. Journal of Experimental Biology, 214(4), 619-628 Hocking, P. M. (2004). Roles of body weight and feed intake in ovarian follicular dynamics in broiler breeders at the onset of lay and after a forced molt. Poultry Science, 83(12), 2044-2050 Hu, H., Wen, Y., Chua, T., y Li, X. (2014). Toward Scalable Systems for Big Data Analytics: A Technology Tutorial. IEEE Access, 2, 652-687 Hy Line International. (2009-2011). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. https://www.hyline.com/ Hy Line International. (2014). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. https://www.hyline.com/ Hy Line International. (2015). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. https://www.hyline.com/ Hy Line International. (2016). Boletin técnico: entendiendo la función del esqueleto en la producción dl huevo. [Archivo PDF]. Recuperado de https://www.hyline.com/spanish/recursos Hy Line International. (2016). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. https://www.hyline.com/ Hy Line International. (2018). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. Recuperado de https://www.hyline.com/userdocs/pages/BRN_COM_SPN.pdf Hy Line International. (2019). Boletín de manejo de las aves comerciales durante el crecimiento. [Archivo PDF]. Recuperado de https://www.hyline.com/userdocs/pages/TU_PULLET_MGMT_SPN.pdf Instituto de Hidrología, Meteorología y Estudios Ambientales., y Universidad Nacional de Colombia. (2018). La variabilidad climática y el cambio climático en Colombia, Bogotá, Colombia: Backroom Designers S.A.S. IDEAM – UNAL (2018). Variabilidad Climática y Cambio Climático en Colombia, Bogotá, D.C. Jacob, J. P., Wilson, H. R., Miles, R. D., Butcher, G. D., y Mather, F. B. (2014). Factors affecting egg production in backyard chicken flocks. US Department of Agriculture, UF/IFAS Extension Service, University of Florida, IFAS, Florida A & M University Cooperative Extension Program, and Boards of County Commissioners Cooperating. Nick T. Place, dean for UF/IFAS Extension (FACT SHEET PS-35FACT SHEET PS-35) http://edis. ifas. ufl. edu. Retrieved On, 25(4), 15 Janke, O., Tzschentke, B., y Boerjan, M. (2004). Comparative investigations of heat production and body temperature in embryos of modern chicken breeds. Avian and Poultry Biology Reviews. 15,191–196 Johnson, P. A., Dickerman, R. W., y Bahr, J. M. (1986). Decreased granulosa cell luteinizing hormone sensitivity and altered thecal estradiol concentration in the aged hen, Gallus domesticus. Biology of Reproduction, 35(3), 641–646 Johnston, S., y Gous, R. (2007). A mechanistic, stochastic, population model of egg production. British Poultry Science, 48(2), 224– 232 Juárez, A., Delgado, I., Gutiérrez, E., Salas, G., Rodriguez, R. O., y Correa, J. (2019). Descripción de la curva de crecimiento de pavos locales usando modelos no lineales. Revista MVZ Córdoba, 24(1), 7104-7107 Julian, R. J. (2005). Production and growth related disorders and other metabolic diseases of poultry–a review. The Veterinary Journal, 169(3), 350-369 Kambatla, K., Kollias, G., Kumar, V., y Grama, A. (2014). Trends in big data analytics. Journal of Parallel and Distributed Computing, 74(7), 2561–2573 Karkach, S. (2006). Trajectories and models of individual growth. Demographic Research, 15, 347-400 Khamis, A., Ismail, Z., Muhammad, A. (2005). Nonlinear growth models for modeling oil palm yield growth. Journal of mathematics and statistics, 1(3), 225-233 Kirkwood, J. K. (1991). Energy requirements for maintenance and growth of wild mammals, birds and reptiles in captivity. The Journal of nutrition, 121(suppl_11), 29-34 Kirkwood, J. K., y Webster, A. J. F. (1984). Energy-budget strategies for growth in mammals and birds. Animal Science, 38(2), 147-155 Kooijman, S. (2000). Dynamic energy and mass budgets in biological systems. (2a ed). Cambridge university press Koops, W. Multiphasic Analysis of Growth. Tesis de doctorado. Wageningen Holanda. Wageningen Agricultural University. 1989.121p. Kwakkel, R., Ducro, B., y W, Koops. (1993). Multiphasic analysis of growth of the body and its chemical components in white leghorn pullets. Poultry Science, 72(8), 1421-1432 Kwakkel, R., Van Esch, J., Ducro, B., y Koops, W. (1995). Onset of Lay Related to Multiphasic Growth and Body Composition in White Leghorn Pullets Provided Ad Libitum and Restricted Diets. Poultry Science, 74(5), 821-832 Lara, A. (2000). Diseño estadístico de experimentos, análisis de la varianza y temas relacionados: tratamiento informático mediante SPSS. Proyecto Sur de Ediciones Leeson, S., Julian, R., y Summers, J. (1986). Influence of prelay and early-lay dietary calcium concentration on performance and bone integrity of Leghorn pullets. Canadian Journal of Animal Science, 66(4), 1087-1095 Leeson, S., Summers, J. D., y Caston, L. J. (1993). Growth response of immature brown egg strain pullets to varying nutrient density and lysine. Poultry Science, 72(7), 1349-1358 Leeson, S., Summers, J., y Diaz, G., (2000). Nutrición aviar commercial. Bogotá, Colombia: Universidad Nacional de Colombia. ISBN:958-33-1300-9 Lera, R. (2018). El inicio de la puesta un periodo clave para el éxito de un lote de ponedoras. Avinews. 29. 85-94 Lokhorst, C. (1996). Mathematical Curves for the Description of Input and Output Variables of the Daily Production Process in Aviary Housing Systems for Laying Hens. Poultry Science, 75(7), 838-848 López, S., France, J., Gerrits, W., Dhanoa, M., Humphries, D., y Dijkstra, J. (2000). A generalized Michaelis-Menten equation for the analysis of growth. Journal of Animal Science, 78(7), 1816–1828 Luiting, P. (1991). The value of feed consumption data for breeding in laying hens (tesis de doctorado). Universidad de Wageningen, Holanda Martínez, C., Rodríguez, A., Jiménez, A., y Manrique, C. (2010). Descripción matemática de la función Gompertz aplicada al crecimiento de animales. Revista de la Facultad de Medicina Veterinaria y de Zootecnia, 57(1), 76-80 Maruyama, K., Potts, W., Bacon, W., y Nestor, K. (1998). Modeling turkey growth with the relative growth rate. Growth, Development and Aging. 62(4), 123–139 Maruyama, K., Vinyard, B., Akbar, M. K., Shafer, D. J., y Turk, C. M. (2001). Growth curve analyses in selected duck lines. British Poultry Science, 42(5), 574–582 Mc Millan, I. (1981). Compartmental model analysis of poultry egg production curve. Poultry Science, 60(7), 1549–1551 Mc Nally, D. (1971). Mathematical model for poultry egg production. Biometrics, 27(3), 735–738 Medina, S., Vargas, L., Navarro, J., Canul, C., y Peraza, S. (2010). Comparación de medidas de desviación para validar modelos sin sesgo, sesgo constante o proporcional. Universidad y ciencia, 26(3), 255-263 Melillanca, E. (2018). Coeficiente de determinación corregido o R-cuadrado ajustado: Welcome to the Jungle. Recuperado el 22 de Septiembre de 2020, disponible en http://www.ericmelillanca.cl/content/coeficiente-determinaci-n-corregido-o-r-cuadrado-ajustado Melillanca, E. (2018). Coeficiente de determinación corregido o R-cuadrado ajustado: Welcome to the Jungle. Recuperado el 22 de Septiembre de 2020, disponible en http://www.ericmelillanca.cl/content/coeficiente-determinaci-n-corregido-o-r-cuadrado-ajustado Monzo, J.F. (Junio de 2018). ¿Cómo lograr la persistencia del pico de puesta en ponedoras?. Avinews. Recuperado de https://avicultura.info/download/pico-puesta.pdf Narinç, D., Narinç, N. Ö., y Aygün, A. (2017). Growth curve analyses in poultry science. World's Poultry Science Journal, 73(2), 395-408 Narushin, V., y Takma, C. (2003). Sigmoid Model for the Evaluation of Growth and Production Curves in Laying Hens. Biosystems Engineering 84(3), 343–348 Nelder, J. (1961). The fitting of a generalization of the logistic curve. Biometrics, 17(1), 89–110 O´Shea, C. (Junio de 2019). Focus on extended laying cycles. En A. Rutkowski (Presidencia). 22° European Symposium on Poultry Nutrition. Simposio llevado a cabo en Gdańsk, Polonia Oliveira, C., Tavares, J., Correa, G., Vieira, B. Barbosa, S., Correa, A., y Lima, C. (2018). Mathematical models to describe the growth curves of white-egg layers. Semina: Ciências Agrárias, 39(3), 1327-1334 Organización de las Naciones Unidas para la alimentación y la agricultura. (2019). FAOSTAT. Recuperado de http://www.fao.org/faostat/es/#data/QL Perni, S., Andrew, P. W., y Shama, G. (2005). Estimating the maximum growth rate from microbial growth curves: definition is everything. Food microbiology, 22(6), 491-495 Posada, S. L., y Noguera, R. R. (2007). Comparación de modelos matemáticos: una aplicación en la evaluación de alimentos para animales. Revista Colombiana de Ciencias Pecuarias, 20(2), 141-148 Ricklefs, R. E. (1968). Patterns of growth in birds. International Journal of Avian Science, 110(4), 419-451 Sakomura, N. K., Hauschild, L., Silva, E. P., y Araujo, J. A. (2011). Factorial model to estimate poultry nutritional requirements. En Proc. III International Symposium on Nutritional Requirements of Poultry and Swine. Vicosa, Brazil (pp. 45-76) SAS Institute. (2015). Base SAS 9.4 procedures guide. SAS Institute Sato, M., Tachibana, T., y Furuse, M. (2006). Heat production and lipid metabolism in broiler and layer chickens during embryonic development. Comparative Biochemistry and Physiology Part A: Molecular & Integrative Physiology, 143(3), 382-388 Savegnago, R. P., Cruz, V. A. R., Ramos, S. B., Caetano, S. L., Schmidt, G. S., Ledur, M. C., ... y Munari, A. D. (2012). Egg production curve fitting using nonlinear models for selected and nonselected lines of White Leghorn hens. Poultry science, 91(11), 2977-2987 Siegel, P. B., y E. A. Dunnington. (1985). Reproductive complications associated with selection for broiler growth. En W. G. Hill, J. M. Manson, y D. Hewitt (Ed.), Poultry Genetics and Breeding (pp. 59‒72). British Poultry Science Ltd, Longman Group, Harlow, UK Silva, E. P., Malheiros, E. B., Sakomura, N. K., Venturini, K. S., Hauschild, L., Dorigam, J. C. P., y Fernandes, J. B. K. (2015). Lysine requirements of laying hens. Livestock Science, 173, 69–77 Solís, M. E. P. (2003). Crecimiento y desarrollo de las especies pecuarias. Agrofaz: publicación semestral de investigación científica, 3(1), 213-220 Srivastava, A. K., Srivastava, V. K., & Ullah, A. (1995). The coefficient of determination and its adjusted version in linear regression models. Econometric reviews, 14(2), 229-240 Summers, J. D., Leeson, S., y D. Spratt. (1987). Rearing early maturing pullets. Poultry Science, 66(11), 1750-1757 Taylor, C. S. (1965). A relation between mature weight and time taken to mature in mammals. Animal Science, 7(2), 203-220 Taylor, C. S. (1968). Time taken to mature in relation to mature weight for sexes, strains and species of domesticated mammals and birds. Animal Science, 10(2), 157-169 Taylor, S. C. (1980). Genetic size-scaling rules in animal growth. Animal Production, 30, 161-165 Taylor, S. C. (1985). Use of genetic size-scaling in evaluation of animal growth. Journal of Animal Science, 61(suppl_2), 118-143 Tedeschi, L. (2004). Assessment of the Adequacy of Mathematical Models. Workshop on Mathematical Model Analysis and Evaluation. Sassary Italia Thornley J, France J. (2007). Mathematical models in agriculture: quantitative methods for the plant, animal and ecological sciences (2aed). Walling-ford, UK: CABI Tjørve, K. M., y Tjørve, E. (2010). Shapes and functions of bird growth models: how to characterise chick postnatal growth. Zoology, 113(6), 326-333 Tjørve, K. M., y Underhill, L. (2009). Growth, sibling rivalry and their relationship to fledging success in African black oystercatchers Haematopus moquini. Zoology, 112(1), 27-37 Torres, M. Paz, K. Salazar, F. (2019). Métodos de recolección de datos para una investigación. Facultad de Ingeniería - Universidad Rafael Landívar. Boletín Electrónico No. 03 Torres, V., Barbosa, I., Meyer, R., Noda, A., & Sarduy, L. (2012). Criterios de bondad de ajuste en la selección de modelos no lineales en la descripción de comportamientos biológicos. Revista Cubana de Ciencia Agrícola, 46(4), 345-350 Unver, Y. (2000). Parameter estımations of partial egg production records in layers (tesis de maestría). Universidad del Egeo. Turquía Vo, K. V., Boone, M. A., Hughes, B.L., y Knechtges, J. F. (1980). Effects of ambient temperature on sexual maturity. Poultry Science, 59(11), 2532-2537 Wang, Z., y Zuidhof, M. (2004). Estimation of Growth Parameters Using a Nonlinear Mixed Gompertz Model. Poultry Science, 83(6), 847–852 Watt, G. (2020). Producción avícola a nivel nacional 2019. Revista Industria Avícola, 67(3), 8. Recuperado de https://www.industriaavicola-digital.com/industriaavicola/april2020/MobilePagedReplica.action?pm=1&folio=8#pg10 Williams, M.R. (1995). An extreme value function model of the species incidence and species–area relations. Ecology, 76(8), 2607–2616 Winsor, C. P. (1932). The Gompertz curve as a growth curve. Proceedings of the National Academy of Sciences of the United States of America, 18(1), 1-7 Wright, D., Rubin, C., Schutz, K., Kerje, S., Kindmark, A., Brandström, H., ... y Jensen, P. (2012). Onset of sexual maturity in female chickens is genetically linked to loci associated with fecundity and a sexual ornament. Reproduction in domestic animals, 47, 31-36 Yang, N., Wu, C., y McMillan, I. (1989). New mathematical model of poultry egg production. Poultry Science, 68(4), 476–481 Zelenka, D. J., Jones, D. E., Dunnington, E. A., y Siegel, P. B. (1987). Selection for Body Weight at Eight Weeks of Age: 18. Comparisons Between Mature and Immature Pullets at the Same Live Weight and Age. Poultry science, 66(1), 41-46 Zelenka, D. J., Siegel, P. B., Dunnington, E. A., y Cherry, J. A. (1986). Inheritance of traits associated with sexual maturity when populations of chickens reach 50% lay. Poultry Science, 65(2), 233-240 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-SinDerivadas 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
1 recurso en línea (125 páginas) |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Bogotá - Medicina Veterinaria y de Zootecnia - Maestría en Salud y Producción Animal |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Medicina Veterinaria y de Zootecnia |
| dc.publisher.place.spa.fl_str_mv |
Bogotá |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/79473/4/1026574561.pdf https://repositorio.unal.edu.co/bitstream/unal/79473/2/license.txt https://repositorio.unal.edu.co/bitstream/unal/79473/3/license_rdf https://repositorio.unal.edu.co/bitstream/unal/79473/5/1026574561.pdf.jpg |
| bitstream.checksum.fl_str_mv |
aeb50c4799d1e7058be7e69e0d3df4a2 cccfe52f796b7c63423298c2d3365fc6 f7d494f61e544413a13e6ba1da2089cd 3e4a424c65e6e18ee6131ad3d229e9a5 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089836407029760 |
| spelling |
Atribución-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Afanador Téllez, Germán109ef47832e83d30d2cec2afbf671d92Betancourt López, Liliana Lucíaf6fa586d64a33a18624888876fa13399Pinzón López, Julio Cesar60ab6cad759003fbaa763adbc95829892021-05-04T17:46:34Z2021-05-04T17:46:34Z2021https://repositorio.unal.edu.co/handle/unal/79473Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/Ilustraciones, tablasEl uso de modelos matemáticos permitió definir puntos críticos del crecimiento y la producción comercial de huevos marrón. El modelo Gompertz mostró parámetros caracterizados por su precisión y exactitud. La tasa de maduración fue de 0.02 %/día, la cual se relacionó inversamente con el peso corporal adulto. La tasa máxima de crecimiento (14.8-17.3 g/d) fue alcanzada entre 8 y 10 semanas de edad y el peso adulto a las 35 semanas de edad. El modelo matemático para producción fue el modelo logístico de Yang con una definición del punto de inflexión al 50% del pico de producción (parámetro d del modelo) a una edad de 21 días luego de comenzar la postura, el % de producción ave/día al pico (96.5%) a los 52 días de producción y la tasa de disminución de la producción hasta finalizar el ciclo de vida de 0.0005 huevos/ave/día. La tasa máxima de crecimiento se relacionó con una mayor producción al inicio de la postura, la edad al 50% de producción, el número de huevos por ave alojada y la masa de huevo acumulada (30 y 50 semanas de edad). El valor teta se asoció con la producción de masa de huevo acumulada y el número de huevos por ave alojada durante el ciclo de postura. Maximizar el peso corporal y las uniformidades de los lotes durante el crecimiento (3, 8, 9, 12 y 16 semanas) producen efectos sobre: la edad a la madurez sexual, la edad al 50% y al pico de producción, el pico de producción y el número de huevos por ave alojada (semanas 30, 50 y 80 de edad). La conversión alimenticia a la semana 8 se asoció con la masa de huevo acumulada por ave alojada (30 y 50 semanas de edad).The use of mathematical models made it possible to define critical points for the growth and commercial production of brown egg layers. The Gompertz model showed parameters characterized by their precision and accuracy. The maturation rate was 0.02 %/day, which was inversely related to adult body weight. The maximum growth rate (14.8-17.3 g/d) was reached between 8 and 10 weeks of age and the adult body weight at 35 weeks of age. The mathematical model for production was the Yang logistic model with a definition of the inflection point at 50% of the production peak (parameter d of the model) at 21 days of the beginning of laying cycle, hen/day production (%) at peak (96.5%, 52 days of production) and the rate of decline until the end of the life cycle was 0.0005 eggs/hen/day. The maximum growth rate was related to a higher production at the beginning of the laying, the age at 50% of production, the number of hen housed eggs and the cumulative egg mass (30 and 50 weeks of age). The theta value was associated with the cumulative egg mass production and the number of hen housed eggs during the laying cycle. Maximizing body weight and flock uniformities during growth (3, 8, 9, 12 and 16 weeks) produced effects on: age at sexual maturity, age at both 50% and peak production, peak production (%) and the number of hen housed eggs (30, 50 and 80 weeks of age). Feed conversion at week 8 was associated with cumulative egg mass per hen housed (30 and 50 weeks of age).MaestríaNutrición animal1 recurso en línea (125 páginas)application/pdfspaUniversidad Nacional de ColombiaBogotá - Medicina Veterinaria y de Zootecnia - Maestría en Salud y Producción AnimalFacultad de Medicina Veterinaria y de ZootecniaBogotáUniversidad Nacional de Colombia - Sede Bogotá630 - Agricultura y tecnologías relacionadas::636 - Producción animalGallina ponedoraLayer chickensProducción de huevosEgg productionCría de aves de corralPoultry farmingCrecimientoDesarrolloProducción de huevosGallinas de posturaModelo matemáticoGrowthDevelopmentegg productionLaying henMathematical modelUso de modelos matemáticos en el análisis de crecimiento y desempeño comercial de ponedoras marrónUse of mathematical models in the analysis of growth and commercial performance of brown layersTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_71e4c1898caa6e32Texthttp://purl.org/redcol/resource_type/TMAguilar, F. Modelos matemáticos no lineales como herramienta para evaluar el crecimiento de tilapia roja (oreochromis spp.) y tilapia nilótica (oreochromis niloticus var. chitralada)” alimentadas con dietas peletizadas o extruidas. Tesis de maestría. Bogotá DC. Universidad Nacional de Colombia. 2010. 135pAdams, C. J., y Bell, D. D. (1980). Predicting poultry egg production. Poultry Science, 59(4), 937–938Aggrey, S. E. (2002). Comparison of three nonlinear and spline regression models for describing chicken growth curves. Poultry Science, 81(12), 1782-1788Agudelo, D. A., Cerón, M. F., y Restrepo, L. F. (2007). Modelación de funciones de crecimiento aplicadas a la producción animal. Revista Colombiana de Ciencias Pecuarias, 20(2), 157-173Agudelo, D., Cerón, M., y Restrepo, L. (2008). Modelación de las funciones de crecimiento aplicadas a la producción animal. Revista Colombiana de Ciencias Pecuarias 21(1), 39-58Aguilar, C., Cortés, H., y Allende, R. (2002). Los modelos de simulación. Una herramienta de apoyo a la gestión pecuaria. Archivos latinoamericanos de producción animal, 10(3), 226-231Aguilar, C., Friedli, C., & Canas, R. (1983). The growth curve of animals. Agricultural Systems, 10(3), 133-147Ahmad, H. A. (2009). Poultry growth modeling using neural networks and simulated data. The Journal of Applied Poultry Research, 18(3), 440-446Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723Alves, W. J., Malheiros, E. B., Sakomura, N. K., da Silva, E. P., da Silva Viana, G., de Paula Reis, M., ... y Suzuki, R. M. (2019). In vivo description of body growth and chemical components of egg-laying pullets. Livestock Science, 220, 221-229Arcila, C., Barbosa, E., y Cabezuelo, F. (2016). Técnicas big data: análisis de textos a gran escala para la investigación científica y periodística. El profesional de la información, 25(4), 623-631Ayala, C. (2018). Crecimiento y desarrollo de los mamíferos domésticos. Revista de Investigación e Innovación Agropecuaria y de Recursos Naturales, 5(ESPECIAL), 34-42Bedetti, I., y Van de Braak, T. (2021). Una visión general de 60 años de pruebas “North Carolina Random Sample Layer Test” del desempeño de ponedoras. Avinews. 46. 21-25Belyavin, C.G. (1988) Application of computer technology in poultry houses. World’s Poultry Science Journal 44(3), 217-218Brody, T. B., Eitan, Y., Soller, M., Nir, I., y Nitsan, Z. (1980). Compensatory growth and sexual maturity in broiler females reared under severe food restriction from day of hatching. British Poultry Science, 21(6), 437-446Brody, T. B., Siegel, P. B., y Cherry, J. A. (1984). Age, body weight and body composition requirements for the onset of sexual maturity of dwarf and normal chickens. British Poultry Science, 25(2), 245-252Brody, S. (1945). Bioenergetics and growth; with special reference to the efficiency complex in domestic animals. ReinholdBuchwald, P. (2007). A general bilinear model to describe growth or decline time profiles. Mathematical biosciences, 205(1), 108-136Buzala, M., y Janicki, B. (2016). Effects of different growth rates in broiler breeder and layer hens on some productive traits. Poultry Science, 95(9), 2151–2159Camargo, J. J., Camargo, J. F., y Joyanes, L. (2015). Conociendo Big Data. Facultad de Ingeniería, 24(38), 63-77Carrizo, J., Lozano, J. M., y Universonal, S. S. (2007). Alimentación de las pollitas e inicio de puesta. XXIII Cursos de especialización FEDNA, Madrid, 25 y 26 octubreCason, J. A. (1990). Comparison of linear and curvilinear decreasing terms in logistic flock egg production models. Poultry Science, 69(9), 1467–1470Celis De La Rosa, A., y Labrada, V. (2014). Bioestadística, Bogotá, Colombia, El Manual Moderno, S.A. de C.VCox, E. (2005). Fuzzy Modeling and Genetic Algorithms for Data Mining and Exploration. New York, USA: Morgan Kaufmann PublishersDi Riezo, J., Casanoves, F., Gonzales, L., Tablada E., Díaz, M., Robledo, C.,y Balzarini, M. (2005). Estadística para las ciencias agropecuarias, Córdoba, Argentina, BrujasDíaz, G. (2019). La crisis de las 18 a las 35 semanas en ponedoras comerciales. Nutrinews América Latina. Recuperado de https://issuu.com/grupoagrinews/docs/revista-nutrinews-latam-4trimestre2019Dos Santos, A. L., de Faria, D. E., De Oliveira, R. P., Pavesi, M., Y Silva, M. F. R. (2017). Growth and Body Composition of Laying Hens under Different Feeding Programs up to 72 Weeks. Journal of Animal Science and Research, 1(1), 1-6Druyan, S. (2010). The effects of genetic line (broilers vs. layers) on embryo development. Poultry Science, 89(7), 1457-1467Dunnington, E. A., Siegel, P. B., Cherry, J. A., y Soller, M. (1983). Relationship of age and body weight at sexual maturity in selected lines of chickens. Archiv fuer Gefluegelkunde (Germany, FR). 47, 85–89Dunnington, E. A., y Siegel, P. B. (1984). Age and body weight at sexual maturity in female White Leghorn chickens. Poultry Science, 63(4), 828-830Dunnington, E. A., y Siegel, P. B. (1985). Long-term selection for 8-week body weight in chickens-direct and correlated responses. Theoretical and applied genetics, 71(2), 305-313Durán, Felipe., (2009). Manejo y nutrición en aves de corral. Bogotá, Colombia:Grupo latino editores. Lesson, Steve., Summers, John y Diaz, Gonzalo., (2000). Nutrición aviar comercial. Bogotá, Colombia: Universidad Nacional de Colombia. ISBN:958-33-1300-9Eitan, Y., y Soller, M. (1992, September). Effect of light and selection on weight and age at first egg. Proceedings of the 19th World's Poultry Congress, World's Poultry Science Association (pp. 413-416)Emmans, G. C. (1981). A model of the Growth and Feed Intake of Ad Libitum Fed Animals, Particularly Poultry. BSAP Occasional Publication, 5, 103-110Emmans, G.C. y Oldham, J.D.(1988) Modelling of growth and nutrition in different species. Modelling of Livetock Production Systems (Eds Korver, S. and van Arrendonk, J.A.M.), Kluwer Academic Publishers, Dordrecht, Netherlands, pp. 13-21Emmerson, D. A. (1997). Commercial approaches to genetic selection for growth and feed conversion in domestic poultry. Poultry Science, 76(8), 1121-1125Emmerson, D. A. (1997). Commercial approaches to genetic selection for growth and feed conversion in domestic poultry. Poultry Science, 76(8), 1121-1125Fialho, F. B., Ledur, M. C., y Avila, V. S. (2001). Mathematical Model to Compare Egg Production Curves. Brazilian Journal of Poultry Science, 3(3), 211-217Field, A. (2009). Discovering Statistics Using SPSS. 3ra Edición. Sage Publications Ltd., LondresFitzhugh, H. A., y Taylor, S. C. (1971). Genetic analysis of degree of maturity. Journal of Animal Science, 33(4), 717-725France, J., López, S., Kebreab, E., y Dijkstra, J. (2013). Interpreting experimental data on egg production-Applications of dynamic differential equations. Poultry Science, 92(9), 2498–2508France, J., y Thornley, J. (1984). Mathematical Models in Agriculture. London, England: ButterworthsGómez, J., Fraga, L., Pedraza, R., Montes de Oca, R., Guerra, L., y Valdivié, M. (2017). Modelación de curvas de puesta de los tres últimos años en gallinas White Leghorn en la provincia Ciego de Ávila. Revista de Producción Animal, 29(2), 42-49Gous, R. Morris, T. Fisher, C. (2006). Mechanistic modelling in pig and poultry production. Massachusetts, USA: CABIGroen, A. F., Jiang, X., Emmerson, D. A., y Vereijken, A. (1998). A deterministic model for the economic evaluation of broiler production systems. Poultry Science, 77(7), 925-933Grossman, M., Gossman, T., y Koops, W. (2000). A Model for Persistency of Egg Production. Poultry Science, 79(12), 1715–1724Heymsfield, S., Lohman, T., Wang, Z., y Going, S. (2005). Human Body Composition (2a ed). United States: Human Kinetics PublishersHo, D. H., Reed, W. L., y Burggren, W. W. (2011). Egg yolk environment differentially influences physiological and morphological development of broiler and layer chicken embryos. Journal of Experimental Biology, 214(4), 619-628Hocking, P. M. (2004). Roles of body weight and feed intake in ovarian follicular dynamics in broiler breeders at the onset of lay and after a forced molt. Poultry Science, 83(12), 2044-2050Hu, H., Wen, Y., Chua, T., y Li, X. (2014). Toward Scalable Systems for Big Data Analytics: A Technology Tutorial. IEEE Access, 2, 652-687Hy Line International. (2009-2011). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. https://www.hyline.com/Hy Line International. (2014). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. https://www.hyline.com/Hy Line International. (2015). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. https://www.hyline.com/Hy Line International. (2016). Boletin técnico: entendiendo la función del esqueleto en la producción dl huevo. [Archivo PDF]. Recuperado de https://www.hyline.com/spanish/recursosHy Line International. (2016). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. https://www.hyline.com/Hy Line International. (2018). Ponedoras comerciales Hy Line Brown guía de manejo. [Archivo PDF]. Recuperado de https://www.hyline.com/userdocs/pages/BRN_COM_SPN.pdfHy Line International. (2019). Boletín de manejo de las aves comerciales durante el crecimiento. [Archivo PDF]. Recuperado de https://www.hyline.com/userdocs/pages/TU_PULLET_MGMT_SPN.pdfInstituto de Hidrología, Meteorología y Estudios Ambientales., y Universidad Nacional de Colombia. (2018). La variabilidad climática y el cambio climático en Colombia, Bogotá, Colombia: Backroom Designers S.A.S.IDEAM – UNAL (2018). Variabilidad Climática y Cambio Climático en Colombia, Bogotá, D.C.Jacob, J. P., Wilson, H. R., Miles, R. D., Butcher, G. D., y Mather, F. B. (2014). Factors affecting egg production in backyard chicken flocks. US Department of Agriculture, UF/IFAS Extension Service, University of Florida, IFAS, Florida A & M University Cooperative Extension Program, and Boards of County Commissioners Cooperating. Nick T. Place, dean for UF/IFAS Extension (FACT SHEET PS-35FACT SHEET PS-35) http://edis. ifas. ufl. edu. Retrieved On, 25(4), 15Janke, O., Tzschentke, B., y Boerjan, M. (2004). Comparative investigations of heat production and body temperature in embryos of modern chicken breeds. Avian and Poultry Biology Reviews. 15,191–196Johnson, P. A., Dickerman, R. W., y Bahr, J. M. (1986). Decreased granulosa cell luteinizing hormone sensitivity and altered thecal estradiol concentration in the aged hen, Gallus domesticus. Biology of Reproduction, 35(3), 641–646Johnston, S., y Gous, R. (2007). A mechanistic, stochastic, population model of egg production. British Poultry Science, 48(2), 224– 232Juárez, A., Delgado, I., Gutiérrez, E., Salas, G., Rodriguez, R. O., y Correa, J. (2019). Descripción de la curva de crecimiento de pavos locales usando modelos no lineales. Revista MVZ Córdoba, 24(1), 7104-7107Julian, R. J. (2005). Production and growth related disorders and other metabolic diseases of poultry–a review. The Veterinary Journal, 169(3), 350-369Kambatla, K., Kollias, G., Kumar, V., y Grama, A. (2014). Trends in big data analytics. Journal of Parallel and Distributed Computing, 74(7), 2561–2573Karkach, S. (2006). Trajectories and models of individual growth. Demographic Research, 15, 347-400Khamis, A., Ismail, Z., Muhammad, A. (2005). Nonlinear growth models for modeling oil palm yield growth. Journal of mathematics and statistics, 1(3), 225-233Kirkwood, J. K. (1991). Energy requirements for maintenance and growth of wild mammals, birds and reptiles in captivity. The Journal of nutrition, 121(suppl_11), 29-34Kirkwood, J. K., y Webster, A. J. F. (1984). Energy-budget strategies for growth in mammals and birds. Animal Science, 38(2), 147-155Kooijman, S. (2000). Dynamic energy and mass budgets in biological systems. (2a ed). Cambridge university pressKoops, W. Multiphasic Analysis of Growth. Tesis de doctorado. Wageningen Holanda. Wageningen Agricultural University. 1989.121p.Kwakkel, R., Ducro, B., y W, Koops. (1993). Multiphasic analysis of growth of the body and its chemical components in white leghorn pullets. Poultry Science, 72(8), 1421-1432Kwakkel, R., Van Esch, J., Ducro, B., y Koops, W. (1995). Onset of Lay Related to Multiphasic Growth and Body Composition in White Leghorn Pullets Provided Ad Libitum and Restricted Diets. Poultry Science, 74(5), 821-832Lara, A. (2000). Diseño estadístico de experimentos, análisis de la varianza y temas relacionados: tratamiento informático mediante SPSS. Proyecto Sur de EdicionesLeeson, S., Julian, R., y Summers, J. (1986). Influence of prelay and early-lay dietary calcium concentration on performance and bone integrity of Leghorn pullets. Canadian Journal of Animal Science, 66(4), 1087-1095Leeson, S., Summers, J. D., y Caston, L. J. (1993). Growth response of immature brown egg strain pullets to varying nutrient density and lysine. Poultry Science, 72(7), 1349-1358Leeson, S., Summers, J., y Diaz, G., (2000). Nutrición aviar commercial. Bogotá, Colombia: Universidad Nacional de Colombia. ISBN:958-33-1300-9Lera, R. (2018). El inicio de la puesta un periodo clave para el éxito de un lote de ponedoras. Avinews. 29. 85-94Lokhorst, C. (1996). Mathematical Curves for the Description of Input and Output Variables of the Daily Production Process in Aviary Housing Systems for Laying Hens. Poultry Science, 75(7), 838-848López, S., France, J., Gerrits, W., Dhanoa, M., Humphries, D., y Dijkstra, J. (2000). A generalized Michaelis-Menten equation for the analysis of growth. Journal of Animal Science, 78(7), 1816–1828Luiting, P. (1991). The value of feed consumption data for breeding in laying hens (tesis de doctorado). Universidad de Wageningen, HolandaMartínez, C., Rodríguez, A., Jiménez, A., y Manrique, C. (2010). Descripción matemática de la función Gompertz aplicada al crecimiento de animales. Revista de la Facultad de Medicina Veterinaria y de Zootecnia, 57(1), 76-80Maruyama, K., Potts, W., Bacon, W., y Nestor, K. (1998). Modeling turkey growth with the relative growth rate. Growth, Development and Aging. 62(4), 123–139Maruyama, K., Vinyard, B., Akbar, M. K., Shafer, D. J., y Turk, C. M. (2001). Growth curve analyses in selected duck lines. British Poultry Science, 42(5), 574–582Mc Millan, I. (1981). Compartmental model analysis of poultry egg production curve. Poultry Science, 60(7), 1549–1551Mc Nally, D. (1971). Mathematical model for poultry egg production. Biometrics, 27(3), 735–738Medina, S., Vargas, L., Navarro, J., Canul, C., y Peraza, S. (2010). Comparación de medidas de desviación para validar modelos sin sesgo, sesgo constante o proporcional. Universidad y ciencia, 26(3), 255-263Melillanca, E. (2018). Coeficiente de determinación corregido o R-cuadrado ajustado: Welcome to the Jungle. Recuperado el 22 de Septiembre de 2020, disponible en http://www.ericmelillanca.cl/content/coeficiente-determinaci-n-corregido-o-r-cuadrado-ajustadoMelillanca, E. (2018). Coeficiente de determinación corregido o R-cuadrado ajustado: Welcome to the Jungle. Recuperado el 22 de Septiembre de 2020, disponible en http://www.ericmelillanca.cl/content/coeficiente-determinaci-n-corregido-o-r-cuadrado-ajustadoMonzo, J.F. (Junio de 2018). ¿Cómo lograr la persistencia del pico de puesta en ponedoras?. Avinews. Recuperado de https://avicultura.info/download/pico-puesta.pdfNarinç, D., Narinç, N. Ö., y Aygün, A. (2017). Growth curve analyses in poultry science. World's Poultry Science Journal, 73(2), 395-408Narushin, V., y Takma, C. (2003). Sigmoid Model for the Evaluation of Growth and Production Curves in Laying Hens. Biosystems Engineering 84(3), 343–348Nelder, J. (1961). The fitting of a generalization of the logistic curve. Biometrics, 17(1), 89–110O´Shea, C. (Junio de 2019). Focus on extended laying cycles. En A. Rutkowski (Presidencia). 22° European Symposium on Poultry Nutrition. Simposio llevado a cabo en Gdańsk, PoloniaOliveira, C., Tavares, J., Correa, G., Vieira, B. Barbosa, S., Correa, A., y Lima, C. (2018). Mathematical models to describe the growth curves of white-egg layers. Semina: Ciências Agrárias, 39(3), 1327-1334Organización de las Naciones Unidas para la alimentación y la agricultura. (2019). FAOSTAT. Recuperado de http://www.fao.org/faostat/es/#data/QLPerni, S., Andrew, P. W., y Shama, G. (2005). Estimating the maximum growth rate from microbial growth curves: definition is everything. Food microbiology, 22(6), 491-495Posada, S. L., y Noguera, R. R. (2007). Comparación de modelos matemáticos: una aplicación en la evaluación de alimentos para animales. Revista Colombiana de Ciencias Pecuarias, 20(2), 141-148Ricklefs, R. E. (1968). Patterns of growth in birds. International Journal of Avian Science, 110(4), 419-451Sakomura, N. K., Hauschild, L., Silva, E. P., y Araujo, J. A. (2011). Factorial model to estimate poultry nutritional requirements. En Proc. III International Symposium on Nutritional Requirements of Poultry and Swine. Vicosa, Brazil (pp. 45-76)SAS Institute. (2015). Base SAS 9.4 procedures guide. SAS InstituteSato, M., Tachibana, T., y Furuse, M. (2006). Heat production and lipid metabolism in broiler and layer chickens during embryonic development. Comparative Biochemistry and Physiology Part A: Molecular & Integrative Physiology, 143(3), 382-388Savegnago, R. P., Cruz, V. A. R., Ramos, S. B., Caetano, S. L., Schmidt, G. S., Ledur, M. C., ... y Munari, A. D. (2012). Egg production curve fitting using nonlinear models for selected and nonselected lines of White Leghorn hens. Poultry science, 91(11), 2977-2987Siegel, P. B., y E. A. Dunnington. (1985). Reproductive complications associated with selection for broiler growth. En W. G. Hill, J. M. Manson, y D. Hewitt (Ed.), Poultry Genetics and Breeding (pp. 59‒72). British Poultry Science Ltd, Longman Group, Harlow, UKSilva, E. P., Malheiros, E. B., Sakomura, N. K., Venturini, K. S., Hauschild, L., Dorigam, J. C. P., y Fernandes, J. B. K. (2015). Lysine requirements of laying hens. Livestock Science, 173, 69–77Solís, M. E. P. (2003). Crecimiento y desarrollo de las especies pecuarias. Agrofaz: publicación semestral de investigación científica, 3(1), 213-220Srivastava, A. K., Srivastava, V. K., & Ullah, A. (1995). The coefficient of determination and its adjusted version in linear regression models. Econometric reviews, 14(2), 229-240Summers, J. D., Leeson, S., y D. Spratt. (1987). Rearing early maturing pullets. Poultry Science, 66(11), 1750-1757Taylor, C. S. (1965). A relation between mature weight and time taken to mature in mammals. Animal Science, 7(2), 203-220Taylor, C. S. (1968). Time taken to mature in relation to mature weight for sexes, strains and species of domesticated mammals and birds. Animal Science, 10(2), 157-169Taylor, S. C. (1980). Genetic size-scaling rules in animal growth. Animal Production, 30, 161-165Taylor, S. C. (1985). Use of genetic size-scaling in evaluation of animal growth. Journal of Animal Science, 61(suppl_2), 118-143Tedeschi, L. (2004). Assessment of the Adequacy of Mathematical Models. Workshop on Mathematical Model Analysis and Evaluation. Sassary ItaliaThornley J, France J. (2007). Mathematical models in agriculture: quantitative methods for the plant, animal and ecological sciences (2aed). Walling-ford, UK: CABITjørve, K. M., y Tjørve, E. (2010). Shapes and functions of bird growth models: how to characterise chick postnatal growth. Zoology, 113(6), 326-333Tjørve, K. M., y Underhill, L. (2009). Growth, sibling rivalry and their relationship to fledging success in African black oystercatchers Haematopus moquini. Zoology, 112(1), 27-37Torres, M. Paz, K. Salazar, F. (2019). Métodos de recolección de datos para una investigación. Facultad de Ingeniería - Universidad Rafael Landívar. Boletín Electrónico No. 03Torres, V., Barbosa, I., Meyer, R., Noda, A., & Sarduy, L. (2012). Criterios de bondad de ajuste en la selección de modelos no lineales en la descripción de comportamientos biológicos. Revista Cubana de Ciencia Agrícola, 46(4), 345-350Unver, Y. (2000). Parameter estımations of partial egg production records in layers (tesis de maestría). Universidad del Egeo. TurquíaVo, K. V., Boone, M. A., Hughes, B.L., y Knechtges, J. F. (1980). Effects of ambient temperature on sexual maturity. Poultry Science, 59(11), 2532-2537Wang, Z., y Zuidhof, M. (2004). Estimation of Growth Parameters Using a Nonlinear Mixed Gompertz Model. Poultry Science, 83(6), 847–852Watt, G. (2020). Producción avícola a nivel nacional 2019. Revista Industria Avícola, 67(3), 8. Recuperado de https://www.industriaavicola-digital.com/industriaavicola/april2020/MobilePagedReplica.action?pm=1&folio=8#pg10Williams, M.R. (1995). An extreme value function model of the species incidence and species–area relations. Ecology, 76(8), 2607–2616Winsor, C. P. (1932). The Gompertz curve as a growth curve. Proceedings of the National Academy of Sciences of the United States of America, 18(1), 1-7Wright, D., Rubin, C., Schutz, K., Kerje, S., Kindmark, A., Brandström, H., ... y Jensen, P. (2012). Onset of sexual maturity in female chickens is genetically linked to loci associated with fecundity and a sexual ornament. Reproduction in domestic animals, 47, 31-36Yang, N., Wu, C., y McMillan, I. (1989). New mathematical model of poultry egg production. Poultry Science, 68(4), 476–481Zelenka, D. J., Jones, D. E., Dunnington, E. A., y Siegel, P. B. (1987). Selection for Body Weight at Eight Weeks of Age: 18. Comparisons Between Mature and Immature Pullets at the Same Live Weight and Age. Poultry science, 66(1), 41-46Zelenka, D. J., Siegel, P. B., Dunnington, E. A., y Cherry, J. A. (1986). Inheritance of traits associated with sexual maturity when populations of chickens reach 50% lay. Poultry Science, 65(2), 233-240ORIGINAL1026574561.pdf1026574561.pdfTesis de Maestría en Producción Animalapplication/pdf2046719https://repositorio.unal.edu.co/bitstream/unal/79473/4/1026574561.pdfaeb50c4799d1e7058be7e69e0d3df4a2MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-83964https://repositorio.unal.edu.co/bitstream/unal/79473/2/license.txtcccfe52f796b7c63423298c2d3365fc6MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8799https://repositorio.unal.edu.co/bitstream/unal/79473/3/license_rdff7d494f61e544413a13e6ba1da2089cdMD53THUMBNAIL1026574561.pdf.jpg1026574561.pdf.jpgGenerated Thumbnailimage/jpeg5175https://repositorio.unal.edu.co/bitstream/unal/79473/5/1026574561.pdf.jpg3e4a424c65e6e18ee6131ad3d229e9a5MD55unal/79473oai:repositorio.unal.edu.co:unal/794732023-07-27 23:04:08.459Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |