Nincs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Nincs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy"

Átírás

1 Véges populációméret okozta beltenyésztettség incs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy utódba 2 IBD allél Előadásról: -F t (-/2) t (-F 0 )

2 4. feladat Ha egy zárt populációban 00, és F 0 0, az 5. generációban mekkora lesz a beltenyésztési koiciens? -F t (-/2) t (-F 0 )

3 4. feladat Ha egy zárt populációban 00, és F 0 0, az 5. generációban mekkora lesz a beltenyésztési koiciens? -F t (-/2) t (-F 0 ) F 5 -[-(/2*00 )] 5 -(-/200) 0,025

4 5. feladat Ha 0, mikor lesz F t 0,5? t?

5 5. feladat Ha 0, mikor lesz F t 0,5? -Ft(-/2) (-F 0 ) 0,5(9/20) t ln(0,5)t ln(9/20) t3,5 egy hatvány logaritmusa egyenlő az alap ugyanezen alapú logaritmusának és a hatványkitevőnek a szorzatával ln b t t* ln b

6 hatásos (ektív) populációméret Annak a (véges mérettől eltekintve) ideális populációnak a mérete, amelyben a beltenyésztettségikoiciens olyan mértékben nő, mint a vizsgált populációban. Általában <

7 2 eset: ha az ivararány nem : ha a populációméret változik: f m f m + 4 ha a populációméret változik: t t... 2

8 6. feladat Egy sertéstelepen a kanok száma 0, a kocáké 00. Mekkora az ektív populációméret? Mennyi lesz a beltenyésztési koiciens zárt tenyésztés mellett 4 generáció múlva? (F 0 0)

9 6. feladat Egy sertéstelepen a kanok száma 0, a kocáké 00. Mekkora az ektív populációméret? 4 m m + f f

10 6. feladat Egy sertéstelepen a kanok száma 0, a kocáké 00. Mekkora az ektív populációméret? 4mf , m f

11 6. feladat Mennyi lesz a beltenyésztési koiciens zárt tenyésztés mellett 4 generáció múlva? (F 0 0) -F t (-/2) t (-F 0 )

12 6. feladat Mennyi lesz a beltenyésztési koiciens zárt tenyésztés mellett 4 generáció múlva? (F 0 0) -F t (-/2) t (-F 0 )!!!! F ( ) 4 0, ,36 5,4%

13 Hány kandisznótkellene tartani, hogy F 4 <0,03 maradjon? F 4 0,97 ( ( 0,00765 e 0, ) 0,9924 ) 4 4 ln( 2 ( 0,03 ln 0,97 ) 2 egy hatvány logaritmusa egyenlő az alap ugyanezen alapú logaritmusának és a hatványkitevőnek a szorzatával ln b t t* ln b 4 ln( ) e ln x x 2 ) 65,9 m???

14 Hány kandisznótkellene tartani, hogy F 4 <0,03 maradjon? F 4 0,97 ( ( 0,00765 e 0, ) 0,9924 ) 4 4 ln( 2 ( 0,03 ln 0,97 ) 2 egy hatvány logaritmusa egyenlő az alap ugyanezen alapú logaritmusának és a hatványkitevőnek a szorzatával ln b t t* ln b 4 ln( ) 2 e ln x x ) 65,9 m 9,7 Tehát legalább 20 kandisznóravan szükség.

15 7. feladat 000, bottleneck, 2 0, 3 000; Mekkora? + 2 t t

16 7. feladat 000, bottleneck, 2 0, 3 000; Mekkora? t 29, t

17 Populációk széttagoltsága és távolsága

18 A Wright-féle F st Fixációs index: heterozigóták arányának csökkenése a Wahlund-ekus (a pop. 2 v. több szubpop.-ból áll, ahol nem egyforma az allélgyak.) miatt Ok: sodródás, eltérő szelekció a szubpop.okban Jó migrációs képességú fajok -> kisebb Fst Általában: 0 < F st <

19 . feladat Egy lokusztkét allélel( A és a ) vizsgálva számítsuk ki F st t arra a populációra, amely két egyforma méretű szubpopulációbóláll, és A allél gyakorisága az x szubpopulációban p x 0,, az y szubpopulációbanp y 0,7.

20 F st számításakor a szubpopulációkonbelül HWE-t tételezünk fel kiszámítjuk a heterozigóták H-W gyakoriságát az x és y szubpop-rakülön-külön

21 F st számításakor a szubpopulációkonbelül HWE-t tételezünk fel kiszámítjuk a heterozigóták H-W gyakoriságát az x és y szubpop-rakülön-külön (0,8 és 0,42), ezeket átlagolva kapjuk meg 2 pq 0,3 H S

22 F st számításakor a szubpopulációkonbelül HWE-t tételezünk fel kiszámítjuk a heterozigóták H-W gyakoriságát az x és y szubpop-rakülön-külön (0,8 és 0,42), ezeket átlagolva kapjuk meg 2 pq 0,3 Ez lenne a populációban talált átlagos heterozigóta gyakoriság, ha csak a széttagoltság miatt csökkenne a heterozigóták aránya: H S

23 Ha nem lenne széttagolt a populáció hanem homogén (és amellett még pánmiktikus is, és nincs szelekció és migráció) akkor az átlagos allélgyakoriságból számolt H-W heterozigóta-gyakoriság: 2 pq

24 Ha nem lenne széttagolt a populáció hanem homogén (és amellett még pánmiktikusis, és nincs szelekció és migráció) akkor az átlagos allélgyakoriságból pátlag(0,+0,7)/20,4 számolt H-W heterozigóta-gyakoriság: H T 2 pq 0,48 2 pq 2 pq HT HS Így az F st 2 pq HT

25 Ha nem lenne széttagolt a populáció hanem homogén (és amellett még pánmiktikusis, és nincs szelekció és migráció) akkor az átlagos allélgyakoriságból pátlag(0,+0,7)/20,4 számolt H-W heterozigóta-gyakoriság: 2 pq 0, 48 H T Így az F st 2 pq 2 2 pq pq Azaz, a széttagoltság miatt 37,5%-kal csökkent a heterozigóták aránya HT HT HS 0,375

26 x subpop átlag y subpop p x q x p y q y 0, 0,9 0,4 0,6 0,7 0,3 H-W arányok p q 2pq 2 p 2 x 2p x q x q 2 x p p 2 y 2p y q y q 2 y 0,0 0,8 0,8 0,6 0,48 0,36 0,49 0,42 0,09 q 2 Heterozátl. Gyak. 2 pq Fst (0,8+0,42)/20,3 0,375

27 Fixálódás Fixálódás: az allél gyakorisága lesz Fixációsidő: amennyi idő (generáció) alatt az új allél fixálódik Fixálódás valószínűsége általában kicsi nem minden új allél fixálódik, nem minden előnyös allél fixálódik és fixálódhat káros allél is

28 A fixálódás valószínűsége függ: az allél hatásától (szelekció) a populáció méretétől (sodródás) kapcsoltságtól: a kromoszómán a közelben elhelyezkedő allélok előnyös vagy káros hatásától (az új mutáció jó vagy rossz társaságban találja magát)

29 Egy génváltozat fixálódásának valószínűsége függ: kezdeti arányától a szelekciós előnytől (hátránytól) a hatékony populációmérettől

30 Kimura(962): allélfixálódás valószínűsége egy ektív méretű diploidpopulációban Egy lokuszonkét allél, relatív fitneszük: A A : A A 2 : +s A 2 A 2 : +2s Az A 2 allél kezdeti gyakorisága q, és a heterozigóta szelektív előnye s, akkor a fixálódásának valószínűsége: P ( e 4sq 4s )/( e )

31 A képlet leegyszerűsödik, ha az allél példányban van jelen q/2 gyenge pozitív szelekció hat (0<s<0,05) nagy populáció méret esetén (>200) e P ( e 4sq )/( e 4s ) 2s

32 Legyen a populáció hatékony mérete e000 Milyen valószínűséggel fixálódik egy új mutáns, q/(2), ha ) neutrális; 2) pici szelekciós előnyt jelent (s 0,0) 3) pici szelekciós hátrányt jelent (s -0,00)

33 e000 eutrális: P /(2) 0,05% Ha nem neutrális: s 0,0 esetén P 2% s -0,00 esetén P (-e -4esq )/(-e -4es )~0,004%

34 HF Melyik populációban nagyobb az példányban jelen lévő, heterozigótában 0,5% fitnesz előnyt nyújtó előnyös allél elterjedési esélye a) 4 vagy b) 000? (elég közelítő képlettel kiszámolni)

Sodródás Evolúció neutrális elmélete

Sodródás Evolúció neutrális elmélete Sodródás Evolúció neutrális elmélete Egy kísérlet Drosophila Drosophila pseudoobscura 8 hím + 8 nőstény/tenyészet 107 darab tenyészet Minden tenyészet csak heterozigóta egyedekkel indul a neutrális szemszín

Részletesebben

Szelekció. Szelekció. A szelekció típusai. Az allélgyakoriságok változása 3/4/2013

Szelekció. Szelekció. A szelekció típusai. Az allélgyakoriságok változása 3/4/2013 Szelekció Ok: több egyed születik, mint amennyi túlél és szaporodni képes a sikeresség mérése: fitnesz Szelekció Ok: több egyed születik, mint amennyi túlél és szaporodni képes a sikeresség mérése: fitnesz

Részletesebben

Populációgenetikai. alapok

Populációgenetikai. alapok Populációgenetikai alapok Populáció = egyedek egy adott csoportja Az egyedek eltérnek egymástól morfológiailag, de viselkedésüket tekintve is = genetikai különbségek Fenotípus = külső jellegek morfológia,

Részletesebben

A Hardy-Weinberg egyensúly. 2. gyakorlat

A Hardy-Weinberg egyensúly. 2. gyakorlat A Hardy-Weinberg egyensúly 2. gyakorlat A Hardy-Weinberg egyensúly feltételei: nincs szelekció nincs migráció nagy populációméret (nincs sodródás) nincs mutáció pánmixis van allélgyakoriság azonos hímekben

Részletesebben

A genetikai sodródás

A genetikai sodródás A genetikai sodródás irányított, nem véletlenszerű Mindig a jobb nyer! természetes szelekció POPULÁCIÓ evolúció POPULÁCIÓ A kulcsszó: változékonyság a populáción belül POPULÁCIÓ nem irányított, véletlenszerű

Részletesebben

Populációgenetika és evolúció

Populációgenetika és evolúció Populációgenetika és evolúció 1 Koncepció 2 Populációgenetika 3 A változatosság eredete 4 A változatosság fenntartása 5 Adaptív evolúció 6 Fenotípus evolúció Populációgenetika és evolúció 1/42 Jellegek

Részletesebben

ÁLLATTENYÉSZTÉSI GENETIKA

ÁLLATTENYÉSZTÉSI 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

Részletesebben

A Hardy Weinberg-modell gyakorlati alkalmazása

A Hardy Weinberg-modell gyakorlati alkalmazása 1 of 6 5/16/2009 2:59 PM A Hardy Weinberg-modell gyakorlati alkalmazása A genotípus-gyakoriság megoszlásának vizsgálata 1. ábra. A Hardy Weinberg-egyensúlyi genotípus-gyakoriságok az allélgyakoriság Számos

Részletesebben

Természetes szelekció és adaptáció

Természetes 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.

Részletesebben

DNS viszgálatok, számítási módszerek

DNS 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.

Részletesebben

Altruizmus. Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között?

Altruizmus. Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között? Altruizmus Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között? Altruizmus rokonok között A legtöbb másolat az adott génről vagy az egyed

Részletesebben

Altruizmus. Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között?

Altruizmus. Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között? Altruizmus Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között? Altruizmus rokonok között A legtöbb másolat az adott génről vagy az egyed

Részletesebben

POPULÁCIÓGENETIKA GYAKORLAT

POPULÁCIÓGENETIKA GYAKORLAT POPULÁCIÓGENETIKA GYAKORLAT Az S vércsoport esetében három genotípus figyelhető meg: - SS homozigóták (az antigént normál mennyiségben tartalmazzák) - Ss heterozigóták (plazmájuk fele mennyiségű antigént

Részletesebben

Az evolúció folyamatos változások olyan sorozata, melynek során bizonyos populációk öröklődő jellegei nemzedékről nemzedékre változnak.

Az evolúció folyamatos változások olyan sorozata, melynek során bizonyos populációk öröklődő jellegei nemzedékről nemzedékre változnak. Evolúció Az evolúció folyamatos változások olyan sorozata, melynek során bizonyos populációk öröklődő jellegei nemzedékről nemzedékre változnak. Latin eredetű szó, jelentése: kibontakozás Időben egymást

Részletesebben

SIMON EDINA KIS POPULÁCIÓK PROBLÉMÁI LEGKISEBB ÉLETKÉPES POPULÁCIÓ (MVP, MINIMUM VIABLE POPULATION) PROBLÉMÁK MVP PONTOS BECSLÉSE

SIMON EDINA KIS POPULÁCIÓK PROBLÉMÁI LEGKISEBB ÉLETKÉPES POPULÁCIÓ (MVP, MINIMUM VIABLE POPULATION) PROBLÉMÁK MVP PONTOS BECSLÉSE SIMON EDINA KIS POPULÁCIÓK PROBLÉMÁI Populáció- és fajszintű védelem PROBLÉMÁK Klímaváltozás, szukcesszió előrehaladása, betegség okozhatja a populációk kipusztulását, elvándorlását. Kérdés: mikor, miért

Részletesebben

Hátterükben egyetlen gén áll, melynek általában számottevő a viselkedésre gyakorolt hatása, öröklési mintázata jellegzetes.

Hátterükben 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

Részletesebben

Gyakorló feladatok a 2. dolgozathoz

Gyakorló feladatok a 2. dolgozathoz Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:

Részletesebben

http://www.sulinet.hu/eletestudomany/archiv/2001/0101/diakold/popul/popul.html

http://www.sulinet.hu/eletestudomany/archiv/2001/0101/diakold/popul/popul.html 1 of 8 5/16/2009 3:04 PM Populáció-genetika A kiszámíthatatlan genetikai sodródás kiszámítható következményei Vagy 5 millió évvel ezelőtt egy pintycsapat sodródott az Egyenlítőn fekvő Galapagos-szigetek

Részletesebben

3. ELŐADÁS MUNKAVEZÉRLŐ LAP TÉNYEZŐKRE BONTÁS TÖBBTÉNYEZŐS GAZDASÁGI JELENSÉGEK ÖSSZEHASONLÍTÁSA, A TÉNYEZŐKRE BONTÁS MÓDSZEREI

3. ELŐADÁS MUNKAVEZÉRLŐ LAP TÉNYEZŐKRE BONTÁS TÖBBTÉNYEZŐS GAZDASÁGI JELENSÉGEK ÖSSZEHASONLÍTÁSA, A TÉNYEZŐKRE BONTÁS MÓDSZEREI BUDAPESTI GAZDASÁGI FŐISKOLA PÉNZÜGYI ÉS SZÁMVITELI KAR SZÁMVITELI INTÉZETI TANSZÉK ÖSSZEÁLLÍTOTTA: BLUMNÉ BÁN ERIKA ADJUNKTUS ELEMZÉS-ELLENŐRZÉS MÓDSZERTANA 3. ELŐADÁS MUNKAVEZÉRLŐ LAP TÉNYEZŐKRE BONTÁS

Részletesebben

Számelméleti alapfogalmak

Számelméleti alapfogalmak 1 Számelméleti alapfogalmak 1 Definíció Az a IN szám osztója a b IN számnak ha létezik c IN melyre a c = b Jelölése: a b 2 Példa a 0 bármely a számra teljesül, mivel c = 0 univerzálisan megfelel: a 0 =

Részletesebben

V.7. NÉPSZÁMLÁLÁS. A feladatsor jellemzői

V.7. NÉPSZÁMLÁLÁS. A feladatsor jellemzői V.7. NÉPSZÁMLÁLÁS Tárgy, téma A feladatsor jellemzői Eponenciális egyenletek felírása és megoldása szöveges feladatok alapján. Szöveges feladatok alapján modellt alkotunk, amely alkalmas eponenciálisan

Részletesebben

értékel függvény: rátermettségi függvény (tness function)

értékel függvény: rátermettségi függvény (tness function) Genetikus algoritmusok globális optimalizálás sok lehetséges megoldás közül keressük a legjobbat értékel függvény: rátermettségi függvény (tness function) populáció kiválasztjuk a legrátermettebb egyedeket

Részletesebben

Evolúcióelmélet és az evolúció mechanizmusai

Evolúcióelmélet és az evolúció mechanizmusai Evolúcióelmélet és az evolúció mechanizmusai Az élet Darwini szemlélete Melyek az evolúció bizonyítékai a világban? EVOLÚCIÓ: VÁLTOZATOSSÁG Mutáció Horizontális géntranszfer Genetikai rekombináció Rekombináció

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Logaritmus

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Logaritmus Logaritmus DEFINÍCIÓ: (Logaritmus) Ha egy pozitív valós számot adott, - től különböző pozitív alapú hatvány alakban írunk fel, akkor ennek a hatványnak a kitevőjét logaritmusnak nevezzük. Bármely pozitív

Részletesebben

Evolúció. Dr. Szemethy László egyetemi docens Szent István Egyetem VadVilág Megőrzési Intézet

Evolúció. 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

Részletesebben

Dr. habil. Maróti György

Dr. habil. Maróti György infokommunikációs technológiák III.8. MÓDSZER KIDOLGOZÁSA ALGORITMUSOK ÁTÜLTETÉSÉRE KIS SZÁMÍTÁSI TELJESÍTMÉNYŰ ESZKÖZÖKBŐL ÁLLÓ NÉPES HETEROGÉN INFRASTRUKTÚRA Dr. habil. Maróti György maroti@dcs.uni-pannon.hu

Részletesebben

Minimum követelmények matematika tantárgyból 11. évfolyamon

Minimum követelmények matematika tantárgyból 11. évfolyamon Minimum követelmények matematika tantárgyból. évfolyamon A hatványozás általánosítása pozitív alap esetén racionális kitevőre. Műveletek hatványokkal. A, a 0 függvény. Az eponenciális függvény. Vizsgálata

Részletesebben

A sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos

A sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos Középérték Középérték A középérték a statisztikai adatok tömör számszerű jellemzése. helyzeti középérték: módusz medián számított középérték: számtani átlag kronológikus átlag harmonikus átlag mértani

Részletesebben

Evolúció. Dr. Szemethy László egyetemi docens Szent István Egyetem VadVilág Megőrzési Intézet

Evolúció. 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

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok II.

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok II. Sorozatok II. DEFINÍCIÓ: (Mértani sorozat) Az (a n ) valós számsorozatot mértani sorozatnak nevezzük, ha van olyan valós szám, amellyel a sorozat bármely tagját megszorozva a következő tagot kapjuk. Jelöléssel:

Részletesebben

GENETIKA MEGOLDÁS EMELT SZINT 1

GENETIKA MEGOLDÁS EMELT SZINT 1 GENETIKA MEGOLDÁS EMELT SZINT 1 I. A színtévesztés öröklése (15 pont) 1. X kromoszómához kötődő recesszív mutáció 2 pont 2. X S X s (más betűjelölés is elfogadható) (mert az apától csak X s allélt kaphatott)

Részletesebben

Hatvány, gyök, logaritmus. Válogatás korábbi évek érettségi feladataiból ( , emelt szint)

Hatvány, gyök, logaritmus. Válogatás korábbi évek érettségi feladataiból ( , emelt szint) Hatvány, gyök, logaritmus Válogatás korábbi évek érettségi feladataiból (2014-2017, emelt szint) 2014. máj. E/2. Jelölje H a 5,2 x 3 egyenlőtlenség pozitív egész megoldásainak halmazát. Jelölje továbbá

Részletesebben

Algoritmusok Tervezése. 9. Előadás Genetikus Algoritmusok Dr. Bécsi Tamás

Algoritmusok Tervezése. 9. Előadás Genetikus Algoritmusok Dr. Bécsi Tamás Algoritmusok Tervezése 9. Előadás Genetikus Algoritmusok Dr. Bécsi Tamás Biológiai háttér (nagyvonalúan) A sejt genetikai információit hordozó DNS általában kromoszómának nevezett makromolekulákba van

Részletesebben

VI. Vályi Gyula Emlékverseny november

VI. Vályi Gyula Emlékverseny november VI. Vályi Gyula Emlékverseny 1999. november 19-1. VI. osztály 1. Ki a legidősebb, ha Attila 10 000 órás, Balázs 8 000 napos, Csanád 16 éves, Dániel 8000000 perces, Ede 00 hónapos. (A) Attila (B) Balázs

Részletesebben

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok Eloszlás-független módszerek (folytatás) 14. elıadás (7-8. lecke) Illeszkedés-vizsgálat 7. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok elemzésére Illeszkedés-vizsgálat Gyakorisági sorok

Részletesebben

Kérdések, feladatok: 1. Milyen tényezők járulhatnak a populációk génállományának megváltozásához?

Kérdések, feladatok: 1. Milyen tényezők járulhatnak a populációk génállományának megváltozásához? III. BESZÁMOLÓ A populációk genetikai egyensúlya Az ideális populációra mely külső hatásoktól mentes a genetikai egyensúly jellemző. A reális populációkban folyamatos változás jellemző. Ennek következtében

Részletesebben

Számítógépes döntéstámogatás. Genetikus algoritmusok

Számítógépes döntéstámogatás. Genetikus algoritmusok BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as

Részletesebben

Intergrált Intenzív Matematika Érettségi

Intergrált Intenzív Matematika Érettségi . Adott a mátri, determináns determináns, ahol,, d Számítsd ki:. b) Igazold, hogy a b c. Adott a az 6 0 egyenlet megoldásai. a). c) Számítsd ki a d determináns értékét. d c a b determináns, ahol abc,,.

Részletesebben

Természetes populációk változatossága (variabilitása)

Természetes populációk változatossága (variabilitása) Természetes populációk változatossága (variabilitása) Darwinizmus alapfeltétele, hogy vannak és képződnek változatok a populációban. Ez kérdéseket vet fel: Van-e változatosság? Mi generálja a változatokat?

Részletesebben

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x

Részletesebben

Kvantitatív genetikai alapok április

Kvantitatív genetikai alapok április Kvantitatív genetikai alapok 2018. április A vizsgálható tulajdonságok köre: egyed - szám Egyedek morfológiai tulajdonságai: testméretek, arányok, testtömeg Egyedek fiziológiai tulajdonságai: vérnyomás,

Részletesebben

1. Olvassuk be két pont koordinátáit: (x1, y1) és (x2, y2). Határozzuk meg a két pont távolságát és nyomtassuk ki.

1. Olvassuk be két pont koordinátáit: (x1, y1) és (x2, y2). Határozzuk meg a két pont távolságát és nyomtassuk ki. Számítás:. Olvassuk be két pont koordinátáit: (, y) és (2, y2). Határozzuk meg a két pont távolságát és nyomtassuk ki. 2. Olvassuk be két darab két dimenziós vektor komponenseit: (a, ay) és (b, by). Határozzuk

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal Intelligens Rendszerek Elmélete Dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE0 IRE / A természet általános kereső algoritmusa:

Részletesebben

1.) Csaba egy 86 oldalas könyv 50 oldalát elolvasta. Hány nap alatt fejezi be a könyvet ha egy nap 9 oldalt olvas belőle? A) 6 B) 4 C) 3 D) 5

1.) Csaba egy 86 oldalas könyv 50 oldalát elolvasta. Hány nap alatt fejezi be a könyvet ha egy nap 9 oldalt olvas belőle? A) 6 B) 4 C) 3 D) 5 WWW.ORCHIDEA.HU 1 1.) Csaba egy 86 oldalas könyv 50 oldalát elolvasta. Hány nap alatt fejezi be a könyvet ha egy nap 9 oldalt olvas belőle? A) 6 B) 4 C) 3 D) 5 2.) Számítsd ki a végeredményt: 1 1 1 1 1

Részletesebben

Kvantitatív genetika Nagy, István

Kvantitatív 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

Részletesebben

Az Informatika Elméleti Alapjai

Az Informatika Elméleti Alapjai Az Informatika Elméleti Alapjai dr. Kutor László Az üzenet információ-tartalma és redundanciája Tömörítő algoritmusok elemzése http://mobil.nik.bmf.hu/tantárgyak/iea.html Felhasználónév: iea Jelszó: IEA07

Részletesebben

Domináns-recesszív öröklődésmenet

Domináns-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,

Részletesebben

Prenatalis diagnosztika lehetőségei mikor, hogyan, miért? Dr. Almássy Zsuzsanna Heim Pál Kórház, Budapest Toxikológia és Anyagcsere Osztály

Prenatalis diagnosztika lehetőségei mikor, hogyan, miért? Dr. Almássy Zsuzsanna Heim Pál Kórház, Budapest Toxikológia és Anyagcsere Osztály Prenatalis diagnosztika lehetőségei mikor, hogyan, miért? Dr. Almássy Zsuzsanna Heim Pál Kórház, Budapest Toxikológia és Anyagcsere Osztály Definíció A prenatális diagnosztika a klinikai genetika azon

Részletesebben

5. feladatsor megoldása

5. feladatsor megoldása megoldása I. rész ( ) = 1. x x, azaz C) a helyes válasz, mivel a négyzetgyökvonás eredménye csak nemnegatív szám lehet.. A húrnégyszögek tétele szerint bármely húrnégyszög szemközti szögeinek összege 180.

Részletesebben

Vizsgáljuk elôször, hogy egy embernek mekkora esélye van, hogy a saját

Vizsgáljuk elôször, hogy egy embernek mekkora esélye van, hogy a saját 376 Statisztika, valószínûség-számítás 1500. Az elsô kérdésre egyszerû válaszolni, elég egy ellenpélda, és biztosan nem lehet akkor így kiszámolni. Pl. legyen a három szám a 3; 5;. A két kisebb szám átlaga

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok 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

Részletesebben

(a) Számolja ki a vásárolt benzin átlagos mennyiségét! (b) Számítsa ki az átlagos abszolút eltérést! (a) Mekkora a napi átlagos csökkenés?

(a) Számolja ki a vásárolt benzin átlagos mennyiségét! (b) Számítsa ki az átlagos abszolút eltérést! (a) Mekkora a napi átlagos csökkenés? Statisztika 2015. október 09. A csoport Név Neptun kód 1. Egy benzikútnál egy id½oszakban a vásárolt benzin mennyisége az alábbiak szerint alakult: benzin(l) gépkocsi -15 27 15.1-25 39 25.1-35 45 35.1-45

Részletesebben

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 A = {1; 3; 5; 7; 9} A B = {3; 5; 7} A/B = {1; 9} Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 Azonos alapú hatványokat

Részletesebben

Exponenciális és logaritmusos feladatok

Exponenciális és logaritmusos feladatok 005-0XX Középszint Eponenciális és logaritmusos feladatok ) Oldja meg az alái egyenleteket! ( ) log + + =, ahol valós szám és cos = 4 5sin, ahol tetszőleges forgásszöget jelöl ( pont) ) Mekkora értéke,

Részletesebben

Hatványozás. A hatványozás azonosságai

Hatványozás. A hatványozás azonosságai Hatványozás Definíció: a 0 = 1, ahol a R, azaz bármely szám nulladik hatványa mindig 1. a 1 = a, ahol a R, azaz bármely szám első hatványa önmaga a n = a a a, ahol a R, n N + n darab 3 4 = 3 3 3 3 = 84

Részletesebben

Heckman modell. Szelekciós modellek alkalmazásai.

Heckman modell. Szelekciós modellek alkalmazásai. Heckman modell. Szelekciós modellek alkalmazásai. Mikroökonometria, 12. hét Bíró Anikó A tananyag a Gazdasági Versenyhivatal Versenykultúra Központja és a Tudás-Ökonómia Alapítvány támogatásával készült

Részletesebben

Zárthelyi dolgozat feladatainak megoldása 2003. õsz

Zárthelyi dolgozat feladatainak megoldása 2003. õsz Zárthelyi dolgozat feladatainak megoldása 2003. õsz 1. Feladat 1. Milyen egységeket rendelhetünk az egyedi információhoz? Mekkora az átváltás közöttük? Ha 10-es alapú logaritmussal számolunk, a mértékegység

Részletesebben

Biológiai feladatbank 12. évfolyam

Biológiai feladatbank 12. évfolyam Biológiai feladatbank 12. évfolyam A pedagógus neve: A pedagógus szakja: Az iskola neve: Műveltségi terület: Tantárgy: A tantárgy cél és feladatrendszere: Tantárgyi kapcsolatok: Osztály: 12. Felhasznált

Részletesebben

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 11 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Gondolkodási

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói Intelligens Rendszerek Elmélete dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE07 IRE 5/ Természetes és mesterséges genetikus

Részletesebben

Matematika _ 2. Ha feldobunk három különböző pénzérmét, annak 8 különböző eredménye lehet. Az alábbi ábra ezt a 8 lehetséges esetet mutatja.

Matematika _ 2. Ha feldobunk három különböző pénzérmét, annak 8 különböző eredménye lehet. Az alábbi ábra ezt a 8 lehetséges esetet mutatja. Matematika _ 2. 1. feladat Ha feldobunk három különböző pénzérmét, annak 8 különböző eredménye lehet. z alábbi ábra ezt a 8 lehetséges esetet mutatja. ) Mekkora annak az esélye, hogy legalább két érme

Részletesebben

Waldhauser Tamás december 1.

Waldhauser Tamás december 1. Algebra és számelmélet előadás Waldhauser Tamás 2016. december 1. Tizedik házi feladat az előadásra Hányféleképpen lehet kiszínezni az X-pentominót n színnel, ha a forgatással vagy tükrözéssel egymásba

Részletesebben

Populációgenetika és evolúció

Populációgenetika és evolúció Populációgenetika és evolúció Előadók: Pénzes Zsolt (Ökológiai Tanszék) és Török Tibor (Genetikai és Molekuláris Biológiai Tanszék) Szükséges előismeretek: genetika 1. Alapfogalmak, történet, koncepció

Részletesebben

8. OSZTÁLY ; ; ; 1; 3; ; ;.

8. OSZTÁLY ; ; ; 1; 3; ; ;. BEM JÓZSEF Jelszó:... VÁROSI MATEMATIKAVERSENY Teremszám:... 2010. december 7-8. Hely:... 8. OSZTÁLY Tiszta versenyidő: 90 perc. A feladatokat többször is olvasd el figyelmesen! A megoldás menetét, gondolataidat

Részletesebben

KockaKobak Országos Matematikaverseny osztály

KockaKobak Országos Matematikaverseny osztály KockaKobak Országos Matematikaverseny 9-10. osztály 015. november 6. A feladatsort készítette: RÓKA SÁNDOR Lektorálta: DR. KISS GÉZA www.kockakobak.hu A válaszlapról másold ide az azonosítódat az eredmény

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági matematika II. vizsgadolgozat megoldása A csoport Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége

Részletesebben

Nagy Gábor compalg.inf.elte.hu/ nagy ősz

Nagy Gábor  compalg.inf.elte.hu/ nagy ősz Diszkrét matematika 1. középszint 2017. ősz 1. Diszkrét matematika 1. középszint 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra

Részletesebben

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

Feladatok a logaritmus témaköréhez 11. osztály, középszint

Feladatok a logaritmus témaköréhez 11. osztály, középszint TÁMOP-4-08/-009-00 A kompetencia alapú oktatás feltételeinek megteremtése Vas megye közoktatási intézményeiben Feladatok a logaritmus témaköréhez osztály, középszint Vasvár, 00 május összeállította: Nagy

Részletesebben

Markov modellek 2015.03.19.

Markov modellek 2015.03.19. Markov modellek 2015.03.19. Markov-láncok Markov-tulajdonság: egy folyamat korábbi állapotai a későbbiekre csak a jelen állapoton keresztül gyakorolnak befolyást. Semmi, ami a múltban történt, nem ad előrejelzést

Részletesebben

Paleobiológiai módszerek és modellek 11. hét

Paleobiológiai módszerek és modellek 11. hét Paleobiológiai módszerek és modellek 11. hét A diverzitás fajtái és mérőszámai Nagy őslénytani adatbázisok: Sepkoski The Fossil Record Paleobiology Database A diverzitás fogalma Diverzitás sokféleség az

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

ÁLLATTENYÉSZTÉSI GENETIKA

ÁLLATTENYÉSZTÉSI GENETIKA TÁMOP-4..2-08//A-2009-000 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

Részletesebben

Matematika 11. osztály

Matematika 11. osztály ELTE Apáczai Csere János Gyakorló Gimnázium és Kollégium Humán tagozat Matematika 11. osztály I. rész: Hatvány, gyök, logaritmus Készítette: Balázs Ádám Budapest, 018 . Tartalomjegyzék Tartalomjegyzék

Részletesebben

KOMPETENCIA ALAPÚ LEVELEZŐ MATEMATIKA VERSENY

KOMPETENCIA ALAPÚ LEVELEZŐ MATEMATIKA VERSENY Név:.Iskola: KOMPETENCIA ALAPÚ LEVELEZŐ MATEMATIKA VERSENY 2012. november 12. 12. évfolyam I. forduló Pótlapok száma db Matematika 12. évfolyam 1. forduló 1. Az alábbiakban számtani sorozatokat adtunk

Részletesebben

A genetikai lelet értelmezése monogénes betegségekben

A genetikai lelet értelmezése monogénes betegségekben A genetikai lelet értelmezése monogénes betegségekben Tory Kálmán Semmelweis Egyetem, I. sz. Gyermekklinika A ~20 ezer fehérje-kódoló gén a 23 pár kromoszómán A kromoszómán található bázisok száma: 250M

Részletesebben

A gazdasági növekedés mérése

A gazdasági növekedés mérése A gazdasági növekedés mérése Érték-, volumen- és árindexek 25.) Az alábbi táblázat két egymást követő év termelési mennyiségeit és egységárait mutatja egy olyan gazdaságban, ahol csupán három terméket

Részletesebben

Reakciókinetika. Általános Kémia, kinetika Dia: 1 /53

Reakciókinetika. Általános Kémia, kinetika Dia: 1 /53 Reakciókinetika 9-1 A reakciók sebessége 9-2 A reakciósebesség mérése 9-3 A koncentráció hatása: a sebességtörvény 9-4 Nulladrendű reakció 9-5 Elsőrendű reakció 9-6 Másodrendű reakció 9-7 A reakciókinetika

Részletesebben

MATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4.

MATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4. EURÓPAI ÉRETTSÉGI 2010 MATEMATIKA HETI 5 ÓRA IDŐPONT: 2010. Június 4. A VIZSGA IDŐTARTAMA: 4 óra (240 perc) ENGEDÉLYEZETT SEGÉDESZKÖZÖK : Európai képletgyűjtemény Nem programozható, nem grafikus kalkulátor

Részletesebben

First Prev Next Last Go Back Full Screen Close Quit. (Derivált)

First Prev Next Last Go Back Full Screen Close Quit. (Derivált) Valós függvények (3) (Derivált) . Legyen a belső pontja D f -nek. Ha létezik és véges a f(x) f(a) x a x a = f (a) () határérték, akkor f differenciálható a-ban. Az f (a) szám az f a-beli differenciálhányadosa.

Részletesebben

A kompenzáló evolúció rendszerszintű vizsgálata élesztőben

A kompenzáló evolúció rendszerszintű vizsgálata élesztőben A kompenzáló evolúció rendszerszintű vizsgálata élesztőben Boross Gábor Zoltán Ph.D. értekezés Témavezető: Dr. Papp Balázs Biológia Doktori Iskola MTA Szegedi Biológiai Kutatóközpont, Biokémiai Intézet

Részletesebben

értékel függvény: rátermettségi függvény (tness function)

értékel függvény: rátermettségi függvény (tness function) Genetikus algoritmusok globális optimalizálás sok lehetséges megoldás közül keressük a legjobbat értékel függvény: rátermettségi függvény (tness function) populáció kiválasztjuk a legrátermettebb egyedeket

Részletesebben

Az egyszerűsítés utáni alak:

Az egyszerűsítés utáni alak: 1. gyszerűsítse a következő törtet, ahol b 6. 2 b 36 b 6 Az egyszerűsítés utáni alak: 2. A 2, 4 és 5 számjegyek mindegyikének felhasználásával elkészítjük az összes, különböző számjegyekből álló háromjegyű

Részletesebben

Populációdinamika és modellezés. A populációk változása populációdinamika. A populáció meghatározása. Modellezés

Populációdinamika és modellezés. A populációk változása populációdinamika. A populáció meghatározása. Modellezés Populációdinamika és modellezés Vadbiológia és ökológia Prof. Dr. Csányi Sándor A populáció meghatározása g Ökológia: saz egyed feletti (szupraindividuális) szervezôdés strukturális és funkcionális jelenségeinek

Részletesebben

A a normál allél (vad típus), a a mutáns allél A allél gyakorisága 50% a allél gyakorisága 50%

A 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

Részletesebben

Konvexitás, elaszticitás

Konvexitás, elaszticitás DIFFERENCIÁLSZÁMÍTÁS ALKALMAZÁSAI Konveitás, elaszticitás Tanulási cél A másodrendű deriváltat vizsgálva milyen következtetéseket vonhatunk le a üggvény konveitására vonatkozóan. Elaszticitás ogalmának

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Megoldások

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Megoldások Megoldások 1. Határozd meg a szakasz hosszát, ha a végpontok koordinátái: A ( 1; ) és B (5; )! A szakasz hosszához számítsuk ki a két pont távolságát: d AB = AB = (5 ( 1)) + ( ) = 6 + 1 = 7 6,08.. Határozd

Részletesebben

Példák a független öröklődésre

Példák a független öröklődésre GENETIKAI PROBLÉMÁK Példák a független öröklődésre Az amelogenesis imperfecta egy, a fogzománc gyengeségével és elszíneződésével járó öröklődő betegség, a 4-es kromoszómán lévő enam gén recesszív mutációja

Részletesebben

DEBRECENI EGYETEM AGRÁRTUDOMÁNYI CENTRUM MEZ GAZDASÁGTUDOMÁNYI KAR ÁLLATENYÉSZTÉSTUDOMÁNYI TANSZÉK. Témavezet :

DEBRECENI EGYETEM AGRÁRTUDOMÁNYI CENTRUM MEZ GAZDASÁGTUDOMÁNYI KAR ÁLLATENYÉSZTÉSTUDOMÁNYI TANSZÉK. Témavezet : DEBRECENI EGYETEM AGRÁRTUDOMÁNYI CENTRUM MEZGAZDASÁGTUDOMÁNYI KAR ÁLLATENYÉSZTÉSTUDOMÁNYI TANSZÉK ÁLLATTENYÉSZTÉSI TUDOMÁNYOK DOKTORI ISKOLA Doktori Iskola Vezet: Dr. Kovács András MTA doktora Témavezet:

Részletesebben

Molekuláris ökológia Általános Ökológia 2012

Molekuláris ökológia Általános Ökológia 2012 Molekuláris ökológia Általános Ökológia 2012 Technikák Csak vázlatosan Technikák Allozim elektroforérizs Restrikciós fragmens méret polimorfizmus (RFLP) Miniszattelita DNS ujjlenyomat Random Amplification

Részletesebben

Kémiai reakciók sebessége

Kémiai reakciók sebessége Kémiai reakciók sebessége reakciósebesség (v) = koncentrációváltozás változáshoz szükséges idő A változás nem egyenletes!!!!!!!!!!!!!!!!!! v= ± dc dt a A + b B cc + dd. Melyik reagens koncentrációváltozását

Részletesebben

MIKROSZATELIT DNS- VIZSGÁLATOK A MOCSÁRI TEKNŐS NÉGY DUNÁNTÚLI ÁLLOMÁNYÁN

MIKROSZATELIT DNS- VIZSGÁLATOK A MOCSÁRI TEKNŐS NÉGY DUNÁNTÚLI ÁLLOMÁNYÁN MIKROSZATELIT DNS- VIZSGÁLATOK A MOCSÁRI TEKNŐS NÉGY DUNÁNTÚLI ÁLLOMÁNYÁN Molnár Tamás 1, Lanszki József 1, Magyary István 1, Jeney Zsigmond 2, Lehoczky István 2 1 Kaposvári Egyetem Állattudományi Kar,

Részletesebben

Algebra es sz amelm elet 3 el oad as Permut aci ok Waldhauser Tam as 2014 oszi f el ev

Algebra es sz amelm elet 3 el oad as Permut aci ok Waldhauser Tam as 2014 oszi f el ev Algebra és számelmélet 3 előadás Permutációk Waldhauser Tamás 2014 őszi félév 1. Definíció. Permutációnak nevezzük egy nemüres (véges) halmaz önmagára való bijektív leképezését. 2. Definíció. Az {1, 2,...,

Részletesebben

10. GYAKORLÓ FELADATSOR MEGOLDÁSA

10. 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

Részletesebben

Piaci szerkezetek VK. Gyakorló feladatok a 4. anyagrészhez

Piaci szerkezetek VK. Gyakorló feladatok a 4. anyagrészhez Piaci szerkezetek VK Gyakorló feladatok a 4. anyagrészhez Cournot-oligopólium Feladatgyűjtemény 259./1. teszt Egy oligopol piacon az egyensúlyban A. minden vállalat határköltsége ugyanakkora; B. a vállalatok

Részletesebben

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / tanév

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / tanév 9. évfolyam I. Halmazok Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / 2017. tanév 1. Halmaz, részhalmaz fogalma, részhalmazok száma, jelölések 2. Intervallumok 3. Halmazműveletek

Részletesebben

Az információelmélet alapjai, biológiai alkalmazások. 1. A logaritmusfüggvény és azonosságai

Az információelmélet alapjai, biológiai alkalmazások. 1. A logaritmusfüggvény és azonosságai Az információelmélet alapjai, biológiai alkalmazások 1. A logaritmusfüggvény és azonosságai 2 k = N log 2 N = k Például 2 3 = 8 log 2 8 = 3 10 4 = 10000 log 10 10000 = 4 log 2 2 = 1 log 2 1 = 0 log 2 0

Részletesebben

Populációbecslések és monitoring

Populációbecslések és monitoring Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány

Részletesebben

A versenyteljesítmény alapú szelekció lehetőségei a telivér- és ügetőtenyésztésben

A versenyteljesítmény alapú szelekció lehetőségei a telivér- és ügetőtenyésztésben II. Anker Alfonz emléknap és nemzetközi galambásztalálkozó Kaposvári Egyetem 2012. november 17. A versenyteljesítmény alapú szelekció lehetőségei a telivér- és ügetőtenyésztésben Dr. Bokor Árpád Kaposvári

Részletesebben

Számelmélet Megoldások

Számelmélet Megoldások Számelmélet Megoldások 1) Egy számtani sorozat második tagja 17, harmadik tagja 1. a) Mekkora az első 150 tag összege? (5 pont) Kiszámoltuk ebben a sorozatban az első 111 tag összegét: 5 863. b) Igaz-e,

Részletesebben