ÁLLATTENYÉSZTÉSI GENETIKA
|
|
- Péter Hajdu
- 4 évvel ezelőtt
- Látták:
Átírás
1 TÁMOP //A project ÁLLATTENYÉSZTÉSI GENETIKA University of Debrecen University of West Hungary University of Pannonia The project is supported by the European Union and co-financed by European Social Found.
2 2. témakör Rokonok közötti hasonlóság
3 Örökölhetőség Alapvető a kvantitatív genetikában A genetikai (additív) variancia hányada (Tenyészérték) h 2 = V A /V P A fenotípus (V P )közvetlenül mérhető A tenyészérték (additív genetikai variancia V A ) csak becsülhető A genetikai variancia (V A ) becsléséhez a rokonok ismeretére van szükség
4 Származási rokonság (szülő-ivadék) X X 2 2 X 3 3 o o o o 2 o. 3 o k o 2 o. 3 o k o 2 o. 3 o k
5 Oldalági rokonság (testvér, féltestvér) X X 2 2 X 3 3 o o o o 2 o. 3 o k o 2 o. 3 o k o 2 o. 3 o k
6 Teljes testvérek n 2 n 2 n * * *... * * * o 2. 3 k o 2. 3 k o 2. 3 k o 2. 3 k o 2. 3 k o 2. 3 k
7 Féltestvérek n 2 n 2 n * * *... * * * o 2. 3 k o 2. 3 k o 2. 3 k o 2. 3 k o 2. 3 k o 2. 3 k
8 Alapelvek A rokonok közötti fenotípusos hasonlóság adott tulajdonságban lehetőséget nyújt a tulajdonság genetikai varianciájának becslésére. Ha a tulajdonság varianciája genetikai eredetű, minél közelebbiek a rokonok, annál jobban hasonlítanak egymásra.
9 Geneikai kovariancia a rokonok között A genetikai kovariancia abból ered, hogy a rokon egyedek nagyobb valószinűséggel hordozzák ugyanazokat az alléleket, mint a nem rokonok. Vagyis az allélek származásilag azonosak (identical by descent (IBD), másolatai a közös ős alléljainak.
10 Genetikai kovariancia a rokonok között Father Mother Nincs közös allél (0 IBD) Mindkét allél közos (2 IBD) Egy allél közös ( IBD)
11 Regresszió- és Vaianciaanalizis (ANOVA) Szülő- ivadék regresszió Egy szűlő-,vagy két szülő átlag - ivadék regresszió. Szülő-ivadék (intraclass, ivadék csoportok közötti) kovariancia. Testvérek regressziója Testvérek közötti kovariancia (interclass, (ivadékcsoporton belüli) kovariancia.
12 Varianciaanalízis (ANOVA) A hasonlóság vizsgálatának alapelvei Teljes (total =T) variancia = rokoni csoportok közötti (between-group=b) variancia + rokoni csoporton belüli (within-group=w) variancia. Var(T) = Var(B) + Var(W) Variancia a rokoni csoportok között = kovariancia a rokoni csoportokon belül. Rokoni csoporton belüli korreláció t = Var(B)/Var(T)
13 . példa 2. példa Var(B) = 2.5 Var(W) = 0.2 Var(T) = 2.7 t = 2.5/2.7 = 0.93 Var(B) = 0 Var(W) = 2.7 Var(T) = 2.7 t = 0
14 Szülő-ivadék genetikai kovariancia Cov(G p, G o ) --- A szülőnek és ivadéknak egy közs (IBD) allélja van A közös allél az A G p = A p + D p = α + α 2 + σ 2 G o = A o + D o = α + α 3 + σ 3 Van közös allél Nincs közös allél
15 ) Cov (G o,g p ) =Cov (α,α 2 ) + Cov (α,α 3 ) + Cov (α,σ 3 ) + Cov (α 2,α ) + Cov (α 2,α 3 ) + Cov (α 2,σ 3 ) + Cov (σ 2 α ) + Cov (σ 2 α 3 ) + Cov (σ 2 σ 3 ) A vörös színűek kovarianciája nulla. Tehát az és a D are nem állnak kapcsolatban.
16 ) Cov (G o,g p ) =Cov (α,α 2 ) + Cov (α,α 3 ) + Cov (α,σ 3 ) + Cov (α 2,α ) + Cov (α 2,α 3 ) + Cov (α 2,σ 3 ) + Cov (σ 2 α ) + Cov (σ 2 α 3 ) + Cov (σ 2 σ 3 ) A vörös színűek kovarianciája nulla. Az a nem hordoz közös allélt, nics kapcsolat.
17 ) Cov (G o,g p ) =Cov (α,α 2 ) + Cov (α,α 3 ) + Cov (α,σ 3 ) + Cov (α 2,α ) + Cov (α 2,α 3 ) + Cov (α 2,σ 3 ) + Cov (σ 2 α ) + Cov (σ 2 α 3 ) + Cov (σ 2 σ 3 ) A vörös színűek kovarianciája nulla. A D értékek között nincs kapcsolat.
18 Cov( x y ) 0 ha Var( A) / x 2 y ha x y Var(A) = Var(α + α 2 ) = 2 Var(α ) Var(α ) = Cov(α, α ) = Var(A)/2 Mivel a rokonok egy közös alléllal rendelkeznek a genetikai kovariancia = Var(A)/2 Végeredményben a szülő-ivadék genetikai kovariancia Cov(G p,g o ) = Var(A)/2
19 Féltestvérek Minden féltestvérnek van egy közös allélja a közös apától, és különböző alléljai a különböző anyáktól. o o 2 2 Annak a valószínűsége, hogy féltestvérek egy közös alléllal rendelkeznek /2
20 Féltestvérek Minden féltestvérnek van egy közös allélja a közös apától, és különböző alléljai a különböző anyáktól. o o 2 2 Annak a valószínűsége, hogy a féltestvéreknek nincs közös allélja /2
21 Féltestvérek Minden féltestvérnek van egy közös allélja a közös apától, és különböző alléljai a különböző anyáktól. o o 2 2 Ennélfogva a genetikai kovariancia a féltestvérek között (/2)Var(A)/2 = Var(A)/4
22 Teljes testvérek Father Mother Mindegyik testvér kap egy allélt mindegyik szülőtől. Full Sibs Apai allél nem közös [ Valószínűség = /2 ] Anyai allél nem közös [ Valószínűség = /2 ] -> Annak a valószínűsége, hogy nincs közös alléljuk = /2*/2 = /4
23 Teljes testvérek Father Mother Mindegyik testvér kap egy allélt mindegyik szülőtől. Full Sibs Közös apai allél [ valószínűség = /2 ] Közös anyai allél [ Prob = /2 ] -> Annak a valószínűsége, hogy mindkét allél közös = /2*/2 = /4
24 Teljes testvérek Father Mother Mindegyik testvér kap egy allélt mindegyik szülőtől. Full Sibs Annak a valószínűsége, hogy egy allél közös = /2 = - val. nincs közös allél - val. két közös allél
25 Rokonok közötti kovariancia általában Legyen r = (/2)val. közös allél + val. 2 közös allél Legyen u = val. mindkét allél közös Általános genetikai kovariancia a rokonok között Cov(G) = rvar(a) + uvar(d) Ha episztázis is van, a képlet kiegészül r 2 Var(AA) + ruvar(ad) + u 2 Var(DD) + r 3 Var(AAA) +
26 A környezeti variancia komponensei E = E c + E s Tejes környezeti érték
27 A környezeti variancia komponensei E = E c + E s Közös környezeti érték, amely a család minden tagjában megjelenik (pl. közös anyai hatás).
28 A környezeti variancia komponensei E = E c + E s Specifikus környezeti érték, amely egyes állatoknál jelentkezik
29 A környezeti variancia komponensei E = E c + E s Tehát a környezeti variancia formulája az alábbi: V E = V Ec + V Es Mindegyiket továbbiakra lehet bontani. Pl. a növénytermesztők használják a parcella, az év varianciáját és a kettő kovarianciáját.
30 A közös környezeti hatás hozzájárulása a rokonok fenotípusos kovarianciájához Cov(P,P 2 ) = Cov(G +E,G 2 +E 2 ) = Cov(G,G 2 ) + Cov(E,E 2 ) Közös környezeti hatás, ha az anya közös a cov(teljes testvér) és a cov(anyai féltestvérek) nemcsak genetikai kovarianciát, hanem környezeti kovarianciát is tartalmaznak, V Ec
31 Rokonsági koefficiens Feltételezzük, hogy véletlenszerűen egy allél két rokonéval közös. Annak a valószínűségét, hogy az alélok közösek, rokonsági koefficiensnek nevezzük. xy az X és a Y rokonsági koefficiense Feltételezzünk egy z ivadékot az X és Y szülők keresztezésből xy = f z, a z beltenyésztési koefficiense
32 : Egy egyed rokonsági xx koefficiense önmagával Egyed x, mekkora az ivadéka rokonsági koiefficiense? xx, az x két allélja az az A től és A 2 től A A A 2 közös f x A 2 f x közös Így, a nem beltenyésztett egyed xx = 2/4 = /2 Ha az x beltenyésztett, f x = annak a valószínűsége, hogy A és A 2 közös, xx = (+ f x )/2
33 op = Szülő-ivadék Beltenyésztett szülő Anya Ivadék f p Belt. ivadék f o Szülői allél µ po = 4 µ po = + f p 4 µ po = + 2f o 4
34 op = Szülő-ivadék /2 = a valószínűsége, hogy az allél az apától származik Qmf = f o, ( f o /2), Annak valószínűsége, hogy az anyától kapott allé közös f o /2 µ po = 4 ( + f p + 2f o ) mf
35 Teljes testvérek (x és y) m és f szülőktől = /8 + /8 = /4 /2 /2 (+f m )/2 (2+f m +f f )/8 (+f f )/2 (2+f m +f f +4 mf mf)/8 m f m f m f (/2)(/2)(/2) (/2)(/2)(/2) [( +f f )/2] (/2)(/2) mf (/2)(/2) mf /4 [( +f m )/2] (/2)(/2)
36 Teljes testvérek (x és y) m és f szülőktől xy = (2 + f m + f f + 4 mf )/8 f f = sf,df f m = sm,dm xy = (2 + sm,dm + sf,df + 4 mf )/8
37 xy értéke xy i ii 2 ni n jk 2 jk j j k 2 Az egyedek száma ( beleértve x és y) x és y kapcsolata i-vel Az egyik közös ős (i) elérése mind az x mind az y ágról
38 xy értéke xy i ii 2 ni n jk 2 jk j j k 2 Az i rokonsági koefficiense A j és k ős közötti távolság
39 xy értéke xy i ii 2 ni n jk 2 jk j j k 2 Az egyedek száma (beleértve x és y), amelyek két, rokon szülőtől (j és k) származnak
40 xy értéke xy i ii 2 ni n jk 2 jk j j k 2 A j és k rokonsági koefficiense
41 xy, Testvérek rokonsági koefficiense xy = annak a valószínűsége, hogy a két allél közös fxfy fxmy mxmy f x m x f y m y mxfy x y xy = mxmy fxfy + mxfy fxmy
42 Példa a testvér rokonsági koefficiensre xy xy = mxmy fxfy + mxfy fxmy () x és y édestestvérek: m x = m y = m, f x = f y = f xy = mm ff + mf 2 Ha a szülők nem rokonok, mf = 0 xy = /4 Ha a szülők nem beltenyésztettek, mm = ff = /2 (2) x és y apai féltestvérek: f x = f y = f xy = mxmy ff + mxf myf Ha a szülők nem rokonok, mxf = myf = mxmy = 0 xy = 0
43 A rokonok közötti hasonlóság általános kifejezése 2Θ xy = r xy u xy =Δ xy Cov(G x,g y ) = 2Θ xy V A + Δ xy V D Cov( G x, G y ) r xy V A u xy V D r 2 xy V AA r xy u xy V AD u 2 xy V DD...
ÁLLATTENYÉSZTÉSI GENETIKA
TÁMOP-4..-08//A-009-000 project ÁLLATTENYÉSZTÉSI GENETIKA University of Debrecen University of West Hungary University of Pannonia The project is supported by the European Union and co-financed by European
RészletesebbenÁLLATTENYÉSZTÉSI GENETIKA
TÁMOP-4.1.2-08/1/A-2009-0010 project ÁLLATTENYÉSZTÉSI GENETIKA University of Debrecen University of West Hungary University of Pannonia The project is supported by the European Union and co-financed by
RészletesebbenÁLLATTENYÉSZTÉSI GENETIKA FERENC SZABÓ
ÁLLATTENYÉSZTÉSI GENETIKA FERENC SZABÓ ÁLLATTENYÉSZTÉSI GENETIKA FERENC SZABÓ Publication date 2011 Table of Contents Fedlap... vi 1. A POPULÁCIÓ ÉS A KVANTITATÍV GENETIKA ALAPJAI, ÁLLAT-TENYÉSZTÉSI ALKALMAZÁSI
RészletesebbenÁLLATTENYÉSZTÉSI GENETIKA DR. SZABÓ FERENC DR. KOMLÓSI ISTVÁN DR. POSTA JÁNOS
ÁLLATTENYÉSZTÉSI GENETIKA DR. SZABÓ FERENC DR. KOMLÓSI ISTVÁN DR. POSTA JÁNOS ÁLLATTENYÉSZTÉSI GENETIKA DR. SZABÓ FERENC DR. KOMLÓSI ISTVÁN DR. POSTA JÁNOS Publication date 2011 Table of Contents Fedlap...
RészletesebbenÁLLATTENYÉSZTÉSI GENETIKA
TÁMOP-4.1.2-08/1/A-2009-0010 project ÁLLATTENYÉSZTÉSI GENETIKA University of Debrecen University of West Hungary University of Pannonia The project is supported by the European Union and co-financed by
RészletesebbenKvantitatív genetikai alapok április
Kvantitatív genetikai alapok 2018. április A vizsgálható tulajdonságok köre: egyed - szám Egyedek morfológiai tulajdonságai: testméretek, arányok, testtömeg Egyedek fiziológiai tulajdonságai: vérnyomás,
Részletesebben2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
RészletesebbenKvantitatív genetika Nagy, István
Kvantitatív genetika Nagy, István Kvantitatív genetika írta Nagy, István Publication date 2011 Tartalom... iv... v... vi... vii 1. Bevezetés a kvantitatív genetikába... 1 2. Statisztikai fogalmak... 3
RészletesebbenBiomatematika 13. Varianciaanaĺızis (ANOVA)
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:
RészletesebbenANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26
ANOVA,MANOVA Márkus László 2013. március 30. Márkus László ANOVA,MANOVA 2013. március 30. 1 / 26 ANOVA / MANOVA One-Way ANOVA (Egyszeres ) Analysis of Variance (ANOVA) = szóráselemzés A szórásokat elemezzük,
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
RészletesebbenDNS viszgálatok, számítási módszerek
DNS viszgálatok, számítási módszerek Apasági vizsgálatok Kizárás: -a gyereknél az apától örökölt allél nem egyezik a feltételezett apáéval - 3 kizárás esetén az apaság kizárható -100% Anya: 12-13, kk.
RészletesebbenÁltalános állattenyésztés
Általános állattenyésztés 10. Előadás Tenyésztési (párosítási) eljárások 1. Előadás-vázlat Fajtatiszta tenyésztés Kombinációs párosítás Vérfrissítés Rokontenyésztés, beltenyésztés Vérvonaltenyésztés Szintetikus
Részletesebben[Biomatematika 2] Orvosi biometria. Visegrády Balázs
[Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
RészletesebbenA BREEDPLAN-t a nagy húsmarhatenyésztı országok széles körben használják Magyarország
BSI.1 1 A BREEDPLAN-t a nagy húsmarhatenyésztı országok széles körben használják Magyarország BSI.2 2 MI A TENYÉSZÉRTÉK? Egy állat GENETIKAI ÉRTÉKÉNEK becslése egy adott tulajdonságban pl. 400-napos súlyban,
RészletesebbenPrincipal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
RészletesebbenPopulációgenetika. 2. Egy populáció egyedeinek a 90%-a AA, 10%-a aa genotípusú. Mekkorák az allélgyakoriságok?
Populációgenetika 1. Egy populáció egyedeinek genotípus szerinti megoszlása a következő: 10 AA, 50 Aa, 30 aa. Mekkorák az allélgyakoriságok? Követi-e a Hardy-Weinberg eloszlást a populáció? p = D+H/ alapján
RészletesebbenHátterükben egyetlen gén áll, melynek általában számottevő a viselkedésre gyakorolt hatása, öröklési mintázata jellegzetes.
2 Egygénes, mendeli öröklődésű betegségek Mendel borsóval végzett keresztezési kísérletei alapján 1866-ben tette közzé az öröklődés alapvető törvényszerűségeinek összefoglalását: Kísérletek növényhibridekkel,
RészletesebbenLine aris f uggv enyilleszt es m arcius 19.
Lineáris függvényillesztés 2018. március 19. Illesztett paraméterek hibája Eddig azt néztük, hogy a mérési hiba hogyan propagál az illesztett paraméterekbe, ha van egy konkrét függvényünk. a hibaterjedés
RészletesebbenStatisztika I. 11. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenA bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:
A. Matematikai Statisztika 2.MINTA ZH. 2003 december Név (olvasható) :... A feladatmegoldásnak az alkalmazott matematikai modell valószínűségszámítási ill. statisztikai szóhasználat szerinti megfogalmazását,
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenA a normál allél (vad típus), a a mutáns allél A allél gyakorisága 50% a allél gyakorisága 50%
Lehetséges tesztfeladatok: Tudjuk, hogy egy családban az anya Huntington érintett (heterozigóta), az apa nem. Ugyanakkor az apa heterozigóta formában hordozza a Fenilketonúria mutáns allélját (az anya
RészletesebbenMódszertani hozzájárulás a Szegénység
Módszertani hozzájárulás a Szegénység Többváltozós Statisztikai Méréséhez MTA doktori értekezés főbb eredményei Hajdu ottó BCE KTK Statisztika Tanszék BME GTK Pénzügyek Tanszék Hajdu Ottó 1 Egyváltozós
RészletesebbenHátterükben egyetlen gén áll, melynek általában számottevő a viselkedésre gyakorolt hatása, öröklési mintázata jellegzetes.
Múlt órán: Lehetséges tesztfeladatok: Kitől származik a variáció-szelekció paradigma, mely szerint az egyéni, javarészt öröklött különbségek között a társadalmi harc válogat? Fromm-Reichmann Mill Gallton
RészletesebbenDomináns-recesszív öröklődésmenet
Domináns-recesszív öröklődésmenet Domináns recesszív öröklődés esetén tehát a homozigóta domináns és a heterozigóta egyedek fenotípusa megegyezik, így a három lehetséges genotípushoz (példánkban AA, Aa,
RészletesebbenVarianciaanalízis 4/24/12
1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenPOPULÁCIÓGENETIKA GYAKORLAT
POPULÁCIÓGENETIKA GYAKORLAT Az S vércsoport esetében három genotípus figyelhető meg: - SS homozigóták (az antigént normál mennyiségben tartalmazzák) - Ss heterozigóták (plazmájuk fele mennyiségű antigént
RészletesebbenA maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
RészletesebbenPopulációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb
Populációbecslések és monitoring 1. gyakorlat Nem minden állat látható fogásos módszerek Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb 1. Egyszerű arányváltozás - zárt populáció,
Részletesebben++ mm. +m +m +m +m. Hh,fF Hh,fF hh,ff hh,ff. ff Ff. Hh hh. ff ff ff ff. Hh Hh hh hh
Múlt órán: Genetikai alapelvek, monogénes öröklődés Elgondolkodtató feladat Vajon miért nem halnak ki az olyan mendeli öröklődésű rendellenességek, mint a Phenylketonuria, vagy a Huntington kór? A PKU
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenDiszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. (
FELADATOK A LEKÉPEZÉSEK, PERMUTÁCIÓK TÉMAKÖRHÖZ Diszkrét Matematika 4. LEKÉPEZÉSEK Értelmezési tartomány és értékkészlet meghatározása : Összefoglaló feladatgyűjtemény matematikából ( zöld könyv ): XIII.
RészletesebbenA PKU azért nem hal ki, mert gyógyítják, és ezzel növelik a mutáns allél gyakoriságát a Huntington kór pedig azért marad fenn, mert csak későn derül
1 Múlt órán: Genetikai alapelvek, monogénes öröklődés Elgondolkodtató feladat Vajon miért nem halnak ki az olyan mendeli öröklődésű rendellenességek, mint a Phenylketonuria, vagy a Huntington kór? A PKU
RészletesebbenPopulációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb
Populációbecslések és monitoring 1. gyakorlat Nem minden állat látható fogásos módszerek Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb 1. Egyszerű arányváltozás - zárt populáció,
Részletesebben-Vese körüli zsír tömege (g) (12) ,68 2,18
KUTATÁSI JELENTÉS a Kvantitatív genetikai vizsgálatok a Pannon fehér nyúlpopulációban c. ifjúsági OTKA téma (2005-2007) eredményeiről. A kutasási munka célkitűzése, hogy a Kaposvári Egyetem Pannon fehér
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet
Kettőnél több csoport vizsgálata Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Gyógytápszerek (kilokalória/adag) Három gyógytápszer A B C 30 5 00 10 05 08 40 45 03 50 35 190 Kérdések: 1. Van-e
RészletesebbenLineáris regressziószámítás 1. - kétváltozós eset
Lineáris regressziószámítás 1. - kétváltozós eset Orlovits Zsanett 2019. február 6. Adatbázis - részlet eredmény- és magyarázó jellegű változók Cél: egy eredményváltozó alakulásának jellemzése a magyarázó
RészletesebbenDiszkriminancia-analízis
Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
RészletesebbenAnimal welfare, etológia és tartástechnológia
Animal welfare, etológia és tartástechnológia Animal welfare, ethology and housing systems Volume 4 Issue 2 Különszám Gödöllı 2008 209 HÚSHASZNÚ MAGYAR TARKA BORJAK VÁLASZTÁSI TELJESÍTMÉNYE Szabó Ferenc,
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
RészletesebbenMatematikai geodéziai számítások 5.
Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP
RészletesebbenÖ Á Í Í ű ű ú ű ű ű ű ú ú ú ú ű ű ű ű ű ű ű ű ű ú ű ú ú ú ű ú Á ú ű ű Ó ú ű ű ű ú Ó ú ű ú É ú ú ú ű ű ú ű ú Ú Á ú É ú Ó ú ú ú ú ű ű ű ú É Á É É ű ű Í ú ú Ó Í ű Í ű ű ú ű ű ű É ű ú Á ű ű ú Í ű Á ű ú ú É
Részletesebbenö ö ö ö ö ö ö ű ű ö ö ö ö ö Ő ö Ó Ú ö Ö ö ö ö ö Ö Ő ö ö Í Ó Ó Ő ö ö ö ö ö Ő Ő Ó Ő É ö Ú ö ö Ő ö ö ö ö ö ö ö Ő ö Ő É ö Ő ö ö Ő ö ö ö Ó ű ö ö ö Ő ö ö ö Í Ő Ó Í ö ö ö ö Ő Ő Ő Ő Í Ó Ő Ő Í Ő ö ö ö ö ö Ő Ő ö
RészletesebbenÚ ű ü ü Ü ű É É Ö Ö Á ü ü ü ű É ú Á Ö Ü ü ü ű É Á É Ű ű Ü Ü ű ü ű ü ű ü Ü ü ü Ű Á Á Á ű ú ű Á Ó Ó É Á Ó Á Ó ű ü ü ű ű ü ú ú ü ü ü ű ü ű Ü ű ü ü ú ü Ö ü ú ú ü ü ü ü ű ú ü Ó ü Ó Ó ü ü Ó ü ü Ó ű ű ú ű ű ü
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenTermészetes szelekció és adaptáció
Természetes szelekció és adaptáció Amiről szó lesz öröklődő és variábilis fenotípus természetes szelekció adaptáció evolúció 2. Természetes szelekció Miért fontos a természetes szelekció (TSZ)? 1. C.R.
RészletesebbenTöbbváltozós Regresszió-számítás
Töváltozós Regresszió-számítás 3. előadás Döntéselőkészítés módszertana Dr. Szilágyi Roland Korreláció Célja a kacsolat szorosságának mérése. Regresszió Célja a kacsolatan megfigyelhető törvényszerűség
Részletesebbenc adatpontok és az ismeretlen pont közötti kovariancia vektora
1. MELLÉKLET: Alkalmazott jelölések A mintaterület kiterjedése, területe c adatpontok és az ismeretlen pont közötti kovariancia vektora C(0) reziduális komponens varianciája C R (h) C R Cov{} d( u, X )
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenHatározatlansági relációk származtatása az
az állapottér BME TTK Matematikus MSc. 1. évf. 2012. november 14. Vázlat: Történeti áttekintés Nemkommutatív (kvantum) valószín ségelmélet Az állapottér geometriája: Az állapottér mint Riemann-sokaság
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség
RészletesebbenHipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018
Hipotézisvizsgálat az Excel adatelemző eljárásaival Dr. Nyéki Lajos 2018 Egymintás t-próba Az egymintás T-próba azt vizsgálja, hogy különbözik-e a változó M átlaga egy megadott m konstanstól. Az a feltételezés,
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenBIOLÓGIA HÁZIVERSENY 1. FORDULÓ BIOKÉMIA, GENETIKA BIOKÉMIA, GENETIKA
BIOKÉMIA, GENETIKA 1. Nukleinsavak keresztrejtvény (12+1 p) 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 1. A nukleinsavak a.-ok összekapcsolódásával kialakuló polimerek. 2. Purinvázas szerves bázis, amely az
RészletesebbenJohann Gregor Mendel Az olmüci (Olomouc) és bécsi egyetem diákja Brünni ágostonrendi apát (nem szovjet tudós) Tudatos és nagyon alapos kutat
10.2.2010 genmisk1 1 Áttekintés Mendel és a mendeli törvények Mendel előtt és körül A genetika törvényeinek újbóli felfedezése és a kromoszómák Watson és Crick a molekuláris biológoa központi dogmája 10.2.2010
RészletesebbenMarkov-láncok stacionárius eloszlása
Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius
RészletesebbenÖsszetett vizsgálati tervek és kiértékelésük. Kettő és több szempontos variancia analizis modellek
Összetett vizsgálati tervek és kiértékelésük Kettő és több szempontos variancia analizis modellek A kezelések osztályozása Ha legalább két féle beavatkozást vizsgálunk és azokat egymással kombinálva is
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
RészletesebbenGeokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka
Geokémia gyakorlat 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek Geológus szakirány (BSc) Dr. Lukács Réka MTA-ELTE Vulkanológiai Kutatócsoport e-mail: reka.harangi@gmail.com ALAPFOGALMAK:
Részletesebben4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
RészletesebbenSztochasztikus kapcsolatok
Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.
RészletesebbenStatisztika I. 10. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 10. előadás Előadó: Dr. Ertsey Imre Varianciaanalízis A különböző tényezők okozta szórás illetőleg szórásnégyzet összetevőire bontásán alapszik Segítségével egyszerre több mintát hasonlíthatunk
RészletesebbenBiometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem
Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,
RészletesebbenMinőség-képességi index (Process capability)
Minőség-képességi index (Process capability) Folyamatképesség 68 12. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ250.727 egység, a variancia négyzetgyökének becslése σ 1.286
RészletesebbenMatematikai geodéziai számítások 9.
Matematikai geodéziai számítások 9 Szabad álláspont kiegyenlítése Dr Bácsatyai, László Created by XMLmind XSL-FO Converter Matematikai geodéziai számítások 9: Szabad álláspont kiegyenlítése Dr Bácsatyai,
Részletesebben1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.
IX. ESEMÉNYEK, VALÓSZÍNŰSÉG IX.1. Események, a valószínűség bevezetése 1. A kísérlet naiv fogalma. Kísérlet nek nevezzük egy olyan jelenség előidézését vagy megfigyelését, amelynek kimenetelét az általunk
Részletesebben10. GYAKORLÓ FELADATSOR MEGOLDÁSA
10. GYAKORLÓ FELADATSOR MEGOLDÁSA 1. Egy vállalatnál 180 férfi és 120 nő dolgozik. A férfiak közül 70-en, a nők közül 30-an hordanak szemüveget. Kiválasztunk véletlenszerűen egy dolgozót. (a) Mi a valószínűsége
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenEvolúció. Dr. Szemethy László egyetemi docens Szent István Egyetem VadVilág Megőrzési Intézet
Evolúció Dr. Szemethy László egyetemi docens Szent István Egyetem VadVilág Megőrzési Intézet Mi az evolúció? Egy folyamat: az élőlények tulajdonságainak változása a környezethez való alkalmazkodásra Egy
RészletesebbenKvantitatív statisztikai módszerek
Kvantitatív statisztikai módszerek 1. konzultáció tárgyjegyző Dr. Szilágyi Roland Mérési skálák Számok meghatározott szabályok szerinti hozzárendelése jelenségekhez, bizonyos tulajdonságokhoz. 4 féle szabály
RészletesebbenMatematikai statisztika szorgalmi feladatok
Matematikai statisztika szorgalmi feladatok 1. Feltételes várható érték és konvolúció 1. Legyen X és Y független és azonos eloszlású valószín ségi változó véges második momentummal. Mutassuk meg, hogy
RészletesebbenFaktoranalízis az SPSS-ben
Faktoranalízis az SPSS-ben = Adatredukciós módszer Petrovics Petra Doktorandusz Feladat Megnyitás: faktoradat_msc.sav Forrás: Sajtos-Mitev 250.oldal Fogyasztók materialista vonásai (Richins-skála) Faktoranalízis
RészletesebbenMAGYAR JUHTENYÉSZTŐK ÉS KECSKETENYÉSZTŐK SZÖVETSÉGE
MAGYAR JUHTENYÉSZTŐK ÉS KECSKETENYÉSZTŐK SZÖVETSÉGE Cím: 34 Budapest, Lőportár u. 6., Levélcím: 242 Bp. Pf. 365 Tel.: (06) 42-5030, Fax: (06) 42-503, E-mail: iroda@mjksz.hu www.mjksz.hu Beltenyésztettség
RészletesebbenEloszlások jellemzése. Momentumok. Medián és kvantilis. Karakterisztikus függvény
Karakterisztikus függvény Eloszlások jellemzése Momentumok Karakterisztikus függvény Medián és kvantilis Medián Kvantilis Módusz Hogyan lehetne általánosítani a generátorfüggvényt folytonos okra? Karakterisztikus
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenMatematikai geodéziai számítások 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról
RészletesebbenHaladó lineáris algebra
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Haladó lineáris algebra BMETE90MX54 Lineáris leképezések 2017-02-21 IB026 Wettl Ferenc
Részletesebben4. A méréses ellenırzı kártyák szerkesztése
4. A méréses ellenırzı kártyák szerkesztése A kártyákat háromféle módon alkalmazhatjuk. Az elızetes adatfelvétel során a fı feladat az eloszlás paramétereinek (µ és σ ) becslése a további ellenırzésekhez.
RészletesebbenA Markowitz modell: kvadratikus programozás
A Markowitz modell: kvadratikus programozás Losonczi László Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar Debrecen, 2011/12 tanév, II. félév Losonczi László (DE) A Markowitz modell 2011/12 tanév,
Részletesebben