model {
for (i in 1:5) {
y[i] ~ dnorm(mu[i], tau)
mu[i] <- alpha + beta*(x[i] - mean(x[]))
}
alpha ~ dflat()
beta ~ dflat()
tau <- 1/sigma2
log(sigma2) <- 2*log.sigma
log.sigma ~ dflat()
}

Data:
list(y = c(177,236,285,350,NA), x = c(8,15,22,29,36))

Inits:
list(alpha=250,beta=0,log.sigma=0)

   node   mean   sd   MC error   2.5%   median   97.5%   start   sample
   alpha   290.3   7.029   0.06709   279.4   290.4   300.8   4001   10000
   beta   8.104   0.8881   0.007908   6.79   8.11   9.355   4001   10000
   mu[1]   176.8   11.3   0.0925   161.2   176.8   193.2   4001   10000
   mu[2]   233.6   7.063   0.05886   223.1   233.6   243.9   4001   10000
   mu[3]   290.3   7.029   0.06709   279.4   290.4   300.8   4001   10000
   mu[4]   347.0   11.24   0.108   329.4   347.2   363.0   4001   10000
   mu[5]   403.8   16.74   0.158   377.6   404.0   427.7   4001   10000
   sigma2   188.1   2915.0   58.29   5.72   29.08   926.0   4001   10000
   y[5]   403.6   20.52   0.2122   371.5   404.0   434.2   4001   10000

[example-9_1_1-growth-ignorable0]