Nincs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy
|
|
- Zalán Lakatos
- 9 évvel ezelőtt
- Látták:
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 Egy kísérlet Drosophila Drosophila pseudoobscura 8 hím + 8 nőstény/tenyészet 107 darab tenyészet Minden tenyészet csak heterozigóta egyedekkel indul a neutrális szemszín
RészletesebbenSzelekció. 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
RészletesebbenPopulációgenetikai. alapok
Populációgenetikai alapok Populáció = egyedek egy adott csoportja Az egyedek eltérnek egymástól morfológiailag, de viselkedésüket tekintve is = genetikai különbségek Fenotípus = külső jellegek morfológia,
RészletesebbenA 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
RészletesebbenA 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
RészletesebbenPopulációgenetika 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
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
RészletesebbenA 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
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.
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.
RészletesebbenAltruizmus. 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
RészletesebbenAltruizmus. 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
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
RészletesebbenAz 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
RészletesebbenSIMON 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
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
RészletesebbenGyakorló 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:
Részletesebbenhttp://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
Részletesebben3. 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
RészletesebbenSzámelméleti 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 =
RészletesebbenV.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
Részletesebbenértékel 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
RészletesebbenEvolúcióelmélet 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
RészletesebbenBrósch 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
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
RészletesebbenDr. 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
RészletesebbenMinimum 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
RészletesebbenA 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
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
RészletesebbenBrósch 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:
RészletesebbenGENETIKA 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)
RészletesebbenHatvány, 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
RészletesebbenAlgoritmusok 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
RészletesebbenVI. 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
RészletesebbenEloszlás-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
RészletesebbenKérdések, 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
RészletesebbenSzámítógépes 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
RészletesebbenIntergrált 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,,.
RészletesebbenTermészetes 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?
RészletesebbenMintavétel 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
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,
Részletesebben1. 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
RészletesebbenIntelligens 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:
Részletesebben1.) 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
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
RészletesebbenAz 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
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,
RészletesebbenPrenatalis 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
Részletesebben5. 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.
RészletesebbenVizsgáljuk 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
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
Részletesebben(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
RészletesebbenMegoldás: 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
RészletesebbenExponenciális 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,
RészletesebbenHatványozás. 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
RészletesebbenHeckman 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
RészletesebbenZárthelyi 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
RészletesebbenBiológiai 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
RészletesebbenOsztályozóvizsga követelményei
Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 11 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Gondolkodási
RészletesebbenIntelligens 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
RészletesebbenMatematika _ 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
RészletesebbenWaldhauser 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
RészletesebbenPopulációgenetika 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
Részletesebben8. 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
RészletesebbenKockaKobak 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
RészletesebbenGazdasági 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
RészletesebbenNagy 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
RészletesebbenMatematika 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,
RészletesebbenFeladatok 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
RészletesebbenMarkov 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
RészletesebbenPaleobiológiai 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
RészletesebbenStatisztika 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
RészletesebbenÁLLATTENYÉSZTÉSI 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
RészletesebbenMatematika 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
RészletesebbenKOMPETENCIA 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
RészletesebbenA 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
RészletesebbenA 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
RészletesebbenReakciókinetika. 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
RészletesebbenMATEMATIKA 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
RészletesebbenFirst 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.
RészletesebbenA 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
Részletesebbenértékel 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
RészletesebbenAz 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
RészletesebbenPopulációdinamika 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
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
RészletesebbenKonvexitás, elaszticitás
DIFFERENCIÁLSZÁMÍTÁS ALKALMAZÁSAI Konveitás, elaszticitás Tanulási cél A másodrendű deriváltat vizsgálva milyen következtetéseket vonhatunk le a üggvény konveitására vonatkozóan. Elaszticitás ogalmának
RészletesebbenBrósch 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
RészletesebbenPéldák 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
RészletesebbenDEBRECENI 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:
RészletesebbenMolekuláris 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
RészletesebbenKémiai 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
RészletesebbenMIKROSZATELIT 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,
RészletesebbenAlgebra 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,...,
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
RészletesebbenPiaci 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
RészletesebbenOsztályozó- 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
RészletesebbenAz 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
RészletesebbenPopulációbecslések 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
RészletesebbenA 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
RészletesebbenSzámelmélet 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