BIOINFORMATYKA 8. Analiza asocjacyjna - teoria

Wielkość: px
Rozpocząć pokaz od strony:

Download "BIOINFORMATYKA 8. Analiza asocjacyjna - teoria"

Transkrypt

1 IOINFORMTYK 1. Wykład wstępny 2. Struktury danych w adaniach ioinformatycznych 3. azy danych: projektowanie i struktura 4. azy danych: projektowanie i struktura 5. Powiązania pomiędzy genami: równ. Hardyego-Weinerga, wsp. rekominacji 6. naliza sprzężeń - teoria 7. naliza sprzężeń - przykłady programów 8. naliza asocjacyjna - teoria 9. naliza asocjacyjna przykłady programów 10.Symulacje komputerowe, jackknife, ootstrap 11.Monte Carlo Markov Models 12.Metody klasyfikacyjne 13.Wykład podsumowujący 14.Zastosowanie przykładowych programów do analizy danych 15.Zastosowanie przykładowych programów do analizy danych

2 WSTĘP 1. naliza asocjacyjna Zasady stosowania Różnice z analizą sprzężeń 2. Przykłady Metody wykorzystujące modele statystyczne Metody pomijające modele

3 NLIZ SOCJCYJN wstęp

4 ŹRÓDŁ ZURZENI RÓWNOWGI HW pokolenie 1 SPRZĘŻENIE SELEKCJ a a a pokolenie N a a a a a pokolenie 1 pokolenie N

5 POZORNE ZURZENIE RÓWNOWGI HW SUPOPULCJ SUPOPULCJ a a a PRÓ DNYCH a a a

6 NLIZ SOCJCYJN - definicja NLIZ SOCJCYJN 1. Statystyczna procedura poszukiwania genów 2. Poszukiwanie markerów powiązanych z genem głównym 3. Wykorzystująca zaurzenie równowagi HW pomiędzy (widzialnymi) markerami, a (niewidzialnym) genem głównym 4. Oliczone na podstawie korelacji pomiędzy zmiennością cechy, a zmiennością genotypów markerów

7 NLIZ SOCJCYJN - źródła informacji NLIZ SOCJCYJN wartości cechy genotypy markerów spokrewnienie

8 NLIZ SOCJCYJN - poszukiwanie genów POSZUKIWNIE MRKER O NJWYŻSZEJ KORELCJI ZE ZMIENNOŚCIĄ CECHY 1) 2) M1 M2 M3 M4 M5 M6... M7 0 cm 100 cm QTL M1 M2 M3 M4 M5 M6 M7 0 cm 100 cm QTL lokalizacja: 1 Marker lokalizacja: 2 Marker 7) M1 M2 M3 M4 M5 M6 M7 0 cm 100 cm QTL lokalizacja: 7 marker

9 NLIZ SOCJCYJN - NLIZ SPRZĘŻEŃ NLIZ SPRZĘŻEŃ Wykorzystuje informacje o spokrewnieniu NLIZ SOCJCYJN Nie wykorzystuje informacji o spokrewnieniu Detekcja rzeczywistego sprzężenia pomiędzy genem, a markerem Duża moc detekcji QTL nawet w pewnej odległości od markera Mała precyzja lokalizacji QTL Skan genomu Detekcja powiązania =korelacji pomiędzy genem, a markerem Mała moc detekcji QTL zlokalizowanego w pewnej odległości od markera Duża precyzja lokalizacji QTL Mapowanie precyzyjne lu skan genomu np. wykorzystanie mikromacierzy Copyright 2011, SNP Joanna Szyda

10 NLIZ SOCJCYJN cechy ciągłe

11 NLIZ SOCJCYJN - poszukiwanie genów POSZUKIWNIE MRKER O NJWYŻSZEJ KORELCJI ZE ZMIENNOŚCIĄ CECHY 1) y = + m 1 + e prawdopodoieństwo 2) y = + m 2 + e prawdopodoieństwo... 7) y = + m 7 + e prawdopodoieństwo ELEMENTY MODELU: y wartość cechy efekty wspólne dla wszystkich osoników e efekty niemierzalne (łąd) m i efekt markera " i "

12 NLIZ SPRZĘŻEŃ - poszukiwanie genów y = + m i + e Kod genotypu markera (11, 12, 22)

13 KODOWNIE GENOTYPÓW MRKERÓW - przykłady Niezależne od frekwencji alleli 11 1 Kao and Zeng, Zależne od frekwencji alleli 11 2p 2 Cockerham, p 2 - p p 1

14 TESTOWNIE - prawdopodoieństwa dla każdego markera ln ( prawdopod. ) 1) y = + m 1 + e prawdopodoieństwo 2) y = + m 2 + e prawdopodoieństwo... 7) y = + m 7 + e prawdopodoieństwo marker

15 TESTOWNIE - hipotezy i test HIPOTEZY H 0 : marker "i" nieskorelowany z QTL m i = 0 rak asocjacji H 1 : marker "i" skorelowany z QTL m i 0 występuje asocjacja MODELE STTYSTYCZNE MODEL 0 : MODEL 1 : y = + e y = + m i + e TEST LRT (likelihood ratio test) LRT = -2 [ lnpr ( MODEL 0 ) - lnpr ( MODEL 1 ) ] ~ c 2 M1-M0 Copyright 2012, Joanna Szyda

16 TESTOWNIE - wnioskowanie najardziej prawdopodona lokalizacja genu: marker 5 LRT = założone maksymalne prawdopodoieństwo łędu a MX = 0.01 prawdopodoieństwo łędu dla LRT=25.46 wynosi a T = a MX > a T H 1 na dziedziczenie cechy ma wpływ gen główny LRT gen jest w LD z markerem lokalizacja genu

17 NLIZ SOCJCYJN - przykład, skan genomu GWS GenomeWise ssociation Study

18 NLIZ SOCJCYJN - przykład z literatury

19 NLIZ SOCJCYJN cechy 0/1

20 TRNSMISSION DISEQUILIRIUM TEST - sprzężenie + asocjacja allel przekazany allel nieprzekazany x x rodzice + chore dziecko allel przekazany allel nieprzekazany x n 12 2 n 21 x

21 TRNSMISSION DISEQUILIRIUM TEST allel przekazany allel nieprzekazany x n 12 2 n 21 x TDT 2 n n ~ c1 12 n21 n rak założeń nt modelu dziedziczenia cechy

22 TRNSMISSION DISEQUILIRIUM TEST - przykład

23 TRNSMISSION DISEQUILIRIUM TEST - przykład H 0 równowaga miedzy markerem a genem H 1 zaurzenie równowagi miedzy markerem a genem H 0 : n 12 =n 21 H 1 : n 12 n 21 allel przekazany allel nieprzekazany x x TDT = 8.71 dla markera D6S2889 na chromosomie 6 a max = 0.01 a T = H 1 Segregacja genotypów markera D6S2889 jest skorelowana z ojawami łysienia plackowatego Copyright 2013 Joanna Szyda

24 COCHRN-RMITGE TEST Genotyp chory N 11chore N 12chore N 22chore zdrowy N 11zdrowe N 12zdrowe N 22zdrowe rak założeń nt modelu dziedziczenia cechy Copyright 2013, Joanna Szyda

25 zasady stosowania M1 M2 M3 M4 M5 M6 QTL M1 M2 M3 M4 M5 M6 M7 M7 QTL NLIZ SOCJCYJN y = + m i + e

WSTĘP. Copyright 2011, Joanna Szyda

WSTĘP. Copyright 2011, Joanna Szyda BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Równowaga Hardyego-Weinberga,

Bardziej szczegółowo

BIOINFORMATYKA. Copyright 2011, Joanna Szyda

BIOINFORMATYKA. Copyright 2011, Joanna Szyda BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Powiązania pomiędzy genami: równ.

Bardziej szczegółowo

Podstawy genetyki człowieka. Cechy wieloczynnikowe

Podstawy genetyki człowieka. Cechy wieloczynnikowe Podstawy genetyki człowieka Cechy wieloczynnikowe Dziedziczenie Mendlowskie - jeden gen = jedna cecha np. allele jednego genu decydują o barwie kwiatów groszku Bardziej złożone - interakcje kilku genów

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

ZARZĄDZANIE POPULACJAMI ZWIERZĄT

ZARZĄDZANIE POPULACJAMI ZWIERZĄT ZARZĄDZANIE POPULACJAMI ZWIERZĄT Ćwiczenia 1 mgr Magda Kaczmarek-Okrój magda_kaczmarek_okroj@sggw.pl 1 ZAGADNIENIA struktura genetyczna populacji obliczanie frekwencji genotypów obliczanie frekwencji alleli

Bardziej szczegółowo

PODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE

PODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE PODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE WSTĘP 1. Mikromacierze ekspresyjne tworzenie macierzy przykłady zastosowań 2. Mikromacierze SNP tworzenie macierzy przykłady zastosowań MIKROMACIERZE EKSPRESYJNE

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1

STATYSTYKA MATEMATYCZNA WYKŁAD 1 STATYSTYKA MATEMATYCZNA WYKŁAD 1 Wykład wstępny Teoria prawdopodobieństwa Magda Mielczarek wykłady, ćwiczenia Copyright 2017, J. Szyda & M. Mielczarek STATYSTYKA MATEMATYCZNA? ASHG 2011 Writing Workshop;

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STTYSTYK MTMTYCZN 1. Wykład wstępny 2. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. opulacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test 2 8.

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. opulacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

Spokrewnienie prawdopodobieństwo, że dwa losowe geny od dwóch osobników są genami IBD. IBD = identical by descent, geny identycznego pochodzenia

Spokrewnienie prawdopodobieństwo, że dwa losowe geny od dwóch osobników są genami IBD. IBD = identical by descent, geny identycznego pochodzenia prawdopodobieństwo, że dwa losowe geny od dwóch osobników są genami ID. Relationship Relatedness Kinship Fraternity ID = identical by descent, geny identycznego pochodzenia jest miarą względną. Przyjmuje

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test

Bardziej szczegółowo

GENETYKA POPULACJI. Ćwiczenia 4 Biologia I MGR

GENETYKA POPULACJI. Ćwiczenia 4 Biologia I MGR GEETYKA POPULACJI Ćwiczenia 4 Biologia I MGR Ad. Ćwiczenia Liczba możliwych genotypów w locus wieloallelicznym Geny sprzężone z płcią Prawo Hardy ego-weinberga p +pq+q = p+q= m( m ) p P Q Q P p AA Aa wszystkich_

Bardziej szczegółowo

ZARZĄDZANIE POPULACJAMI ZWIERZĄT 1. RÓWNOWAGA GENETYCZNA POPULACJI. Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt

ZARZĄDZANIE POPULACJAMI ZWIERZĄT 1. RÓWNOWAGA GENETYCZNA POPULACJI. Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt ZARZĄDZANIE POPULACJAMI ZWIERZĄT 1. RÓWNOWAGA GENETYCZNA POPULACJI Fot. W. Wołkow Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt POPULACJA Zbiór organizmów żywych, które łączy

Bardziej szczegółowo

Człowiek mendlowski? Genetyka człowieka w XX i XXI w.

Człowiek mendlowski? Genetyka człowieka w XX i XXI w. Człowiek mendlowski? Genetyka człowieka w XX i XXI w. Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego 5A pgolik@igib.uw.edu.pl Informacje, materiały: http://www.igib.uw.edu.pl/

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test

Bardziej szczegółowo

Anna Szewczyk. Wydział Geodezji Górniczej i InŜynierii środowiska AGH

Anna Szewczyk. Wydział Geodezji Górniczej i InŜynierii środowiska AGH Anna Szewczyk Wydział Geodezji Górniczej i InŜynierii środowiska AGH Zastosowania biblioteki Genetics programu R The genetics Package Tytuł: Populacja genetyczna Wersja:1.2.0 Data utworzenia: 2005-11-09

Bardziej szczegółowo

PODSTAWY GENETYKI. Prowadzący wykład: prof. dr hab. Jarosław Burczyk

PODSTAWY GENETYKI. Prowadzący wykład: prof. dr hab. Jarosław Burczyk PODSTAWY GENETYKI Prawa Mendla (jako punkt wyjścia) Epistaza (interakcje między genami) Sprzężenia genetyczne i mapowanie genów Sprzężenie z płcią Analiza rodowodów Prowadzący wykład: prof. dr hab. Jarosław

Bardziej szczegółowo

Wprowadzenie do genetyki medycznej i sądowej

Wprowadzenie do genetyki medycznej i sądowej Genetyka medyczno-sądowa Wprowadzenie do genetyki medycznej i sądowej Kierownik Pracowni Genetyki Medycznej i Sądowej Ustalanie tożsamości zwłok Identyfikacja sprawców przestępstw Identyfikacja śladów

Bardziej szczegółowo

SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE HODOWLĘ MAGDALENA FRĄSZCZAK

SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE HODOWLĘ MAGDALENA FRĄSZCZAK SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE HODOWLĘ Prowadzący: JOANNA SZYDA MAGDALENA FRĄSZCZAK WSTĘP 1. Systemy informatyczne w hodowli -??? 2. Katedra Genetyki 3. Pracownia biostatystyki - wykorzystanie narzędzi

Bardziej szczegółowo

Statystyka matematyczna Test χ 2. Wrocław, 18.03.2016r

Statystyka matematyczna Test χ 2. Wrocław, 18.03.2016r Statystyka matematyczna Test χ 2 Wrocław, 18.03.2016r Zakres stosowalności Testowanie zgodności Testowanie niezależności Test McNemara Test ilorazu szans Copyright 2014, Joanna Szyda ZAKRES STOSOWALNOŚCI

Bardziej szczegółowo

Genetyka człowieka II. Cechy wieloczynnikowe, polimorfizmy i asocjacje

Genetyka człowieka II. Cechy wieloczynnikowe, polimorfizmy i asocjacje Genetyka człowieka II Cechy wieloczynnikowe, polimorfizmy i asocjacje Dziedziczenie Mendlowskie - jeden gen = jedna cecha np. allele jednego genu decydują o barwie kwiatów groszku Bardziej złożone - interakcje

Bardziej szczegółowo

ANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI

ANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI ANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI JOANNA SZYDA MAGDALENA FRĄSZCZAK MAGDA MIELCZAREK WSTĘP 1. Katedra Genetyki 2. Pracownia biostatystyki 3. Projekty NGS 4. Charakterystyka

Bardziej szczegółowo

Podstawy genetyki populacji SYLABUS A. Informacje ogólne

Podstawy genetyki populacji SYLABUS A. Informacje ogólne Podstawy genetyki populacji A. Informacje ogólne Elementy sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Rodzaj Rok studiów /semestr

Bardziej szczegółowo

Zmienność populacji człowieka. Polimorfizmy i asocjacje

Zmienność populacji człowieka. Polimorfizmy i asocjacje Zmienność populacji człowieka Polimorfizmy i asocjacje Prezentacja } http://wiki.biol.uw.edu.pl/ 2 MONOGENOWE CZYNNIKI GENETYCZNE DZIEDZICZENIE MENDLOWSKIE NIEPEŁNA PENETRACJA GENU DZIEDZICZENIE WIELOCZYNNIKOWE

Bardziej szczegółowo

Genetyka Populacji http://ggoralski.com

Genetyka Populacji http://ggoralski.com Genetyka Populacji http://ggoralski.com Frekwencje genotypów i alleli Frekwencja genotypów Frekwencje genotypów i alleli Zadania P AA = 250/500 = 0,5 P Aa = 100/500 = 0,2 P aa = 150/500 = 0,3 = 1 Frekwencje

Bardziej szczegółowo

Wykład 14 Test chi-kwadrat zgodności

Wykład 14 Test chi-kwadrat zgodności Wykład 14 Test chi-kwadrat zgodności Obserwacje klasyfikujemy do jakościowych klas Zliczamy liczbę obserwacji w każdej klasie Jeżeli są tylko dwie klasy, to liczba obserwacji w pierszej klasie ma rozkład

Bardziej szczegółowo

BioTe21, Pracownia Kryminalistyki i Badań Ojcostwa.

BioTe21, Pracownia Kryminalistyki i Badań Ojcostwa. Bio Kraków, dnia... EKSPERTYZA Z BADAŃ GENETYCZNYCH POKREWIEŃSTWA Nr ekspertyzy:... Badania wykonano w: Bio, Ojcostwa. Na zlecenie:... Typ wybranego testu: TIG3-16 Zlecenie z dnia:... Data otrzymania mat.

Bardziej szczegółowo

Składniki jądrowego genomu człowieka

Składniki jądrowego genomu człowieka Składniki jądrowego genomu człowieka Genom człowieka 3 000 Mpz (3x10 9, 100 cm) Geny i sekwencje związane z genami (900 Mpz, 30% g. jądrowego) DNA pozagenowy (2100 Mpz, 70%) DNA kodujący (90 Mpz ~ ok.

Bardziej szczegółowo

PRZYGODY DGV. historia programu selekcji genomowej w Polsce. Joanna Szyda, Andrzej Żarnecki

PRZYGODY DGV. historia programu selekcji genomowej w Polsce. Joanna Szyda, Andrzej Żarnecki PRZYGODY DGV historia programu selekcji genomowej w Polsce Joanna Szyda, Andrzej Żarnecki Co to DGV? DGV Direct Genomic Value bezpośrednia genomowa wartość hodowlana suma addytywnych efektów markerów SNP

Bardziej szczegółowo

Badanie predyspozycji do łysienia androgenowego u kobiet (AGA)

Badanie predyspozycji do łysienia androgenowego u kobiet (AGA) Badanie predyspozycji do łysienia androgenowego u kobiet (AGA) RAPORT GENETYCZNY Wyniki testu dla Pacjent Testowy Pacjent Pacjent Testowy ID pacjenta 0999900004112 Imię i nazwisko pacjenta Pacjent Testowy

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI

ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

Dziedziczenie cech sprzężonych, crossing-over i mapy chromosomów

Dziedziczenie cech sprzężonych, crossing-over i mapy chromosomów Dziedziczenie cech sprzężonych, crossing-over i mapy chromosomów Zadanie 1. Komórka zawiera 3 pary chromosomów, mieszczących 5 par genów. Pary genów A, a i B, b sprzężone są w układzie cis. Pary C, c i

Bardziej szczegółowo

a) Zapisz genotyp tego mężczyzny... oraz zaznacz poniżej (A, B, C lub D), jaki procent gamet tego mężczyzny będzie miało genotyp ax b.

a) Zapisz genotyp tego mężczyzny... oraz zaznacz poniżej (A, B, C lub D), jaki procent gamet tego mężczyzny będzie miało genotyp ax b. W tomie 2 zbioru zadań z biologii z powodu nieprawidłowego wprowadzenia komendy przenoszenia spójników i przyimków do następnej linii wystąpiła zamiana samotnych dużych liter (A, I, W, U) na małe litery.

Bardziej szczegółowo

Zasady organizacji projektów informatycznych

Zasady organizacji projektów informatycznych Zasady organizacji projektów informatycznych Systemy informatyczne w zarządzaniu dr hab. inż. Joanna Józefowska, prof. PP Plan Definicja projektu informatycznego Fazy realizacji projektów informatycznych

Bardziej szczegółowo

21. Poszukiwanie markerów molekularnych genów przywracania płodności pyłku u żyta ( Secale cereale

21. Poszukiwanie markerów molekularnych genów przywracania płodności pyłku u żyta ( Secale cereale Lp. w zał. do Rozporządzenia MRiRW: 21. Tytuł zadania: Poszukiwanie markerów molekularnych genów przywracania płodności pyłku u żyta (Secale cereale L.) z CMS-Pampa. Kierownik zadania: dr hab. P. Bednarek

Bardziej szczegółowo

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE CECHY ILOŚCIOWE PARAMETRY GENETYCZNE Zarządzanie populacjami zwierząt, ćwiczenia V Dr Wioleta Drobik Rodzaje cech Jakościowe o prostym dziedziczeniu uwarunkowane zwykle przez kilka genów Słaba podatność

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych

Bardziej szczegółowo

Dr hab.n.med. Renata Jacewicz

Dr hab.n.med. Renata Jacewicz GENOM CZŁOWIEKA >99,999% 0,0005% 65% Dr hab.n.med. Renata Jacewicz Kierownik Pracowni Genetyki Medycznej i Sądowej 3% 32% 2013 Pracownia Genetyki Medycznej i Sądowej ZMS Dojrzałe erytrocyty, trzony włosów

Bardziej szczegółowo

Genetyka człowieka II. Cechy wieloczynnikowe, polimorfizmy i asocjacje

Genetyka człowieka II. Cechy wieloczynnikowe, polimorfizmy i asocjacje Genetyka człowieka II Cechy wieloczynnikowe, polimorfizmy i asocjacje MONOGENOWE CZYNNIKI GENETYCZNE DZIEDZICZENIE MENDLOWSKIE NIEPEŁNA PENETRACJA GENU DZIEDZICZENIE WIELOCZYNNIKOWE Z DOMINACJĄ POJEDYNCZEGO

Bardziej szczegółowo

PODSTAWY BIOINFORMATYKI

PODSTAWY BIOINFORMATYKI PODSTAWY BIOINFORMATYKI Prowadzący: JOANNA SZYDA ADRIAN DROśDś WSTĘP 1. Katedra Genetyki badania bioinformatyczne 2. Tematyka przedmiotu 3. Charakterystyka wykładów 4. Charakterystyka ćwiczeń 5. Informacje

Bardziej szczegółowo

Zmienność genetyczna człowieka

Zmienność genetyczna człowieka Zmienność genetyczna człowieka Zmienność prawidłowa i choroby wieloczynnikowe www.igib.uw.edu.pl prezentacja Różnorodność genetyczna człowieka Projekt 1000 genomów poszukiwanie różnic w genomach różnych

Bardziej szczegółowo

Zmienność populacji człowieka. Zróżnicowane genetyczne człowieka współczesnego. Polimorfizmy i asocjacje

Zmienność populacji człowieka. Zróżnicowane genetyczne człowieka współczesnego. Polimorfizmy i asocjacje Zmienność populacji człowieka Zróżnicowane genetyczne człowieka współczesnego. Polimorfizmy i asocjacje 1 Zmienność genetyczna człowieka } Różnice w sekwencjach (geny, obszary niekodujące) } Różnice liczby

Bardziej szczegółowo

Plan wykładów z genetyki ogólnej

Plan wykładów z genetyki ogólnej Plan wykładów z genetyki ogólnej 01 Metody genetyki klasycznej 02 Metody analizy DNA 03 Metody analizy genomu 04 Genomy prokariontów 05 Genomy eukariontów 06 Zmienność genomów w populacjach 07 Genomy a

Bardziej szczegółowo

Genetyka człowieka II. Zaburzenia chromosomowe, cechy wieloczynnikowe, polimorfizmy i asocjacje

Genetyka człowieka II. Zaburzenia chromosomowe, cechy wieloczynnikowe, polimorfizmy i asocjacje Genetyka człowieka II Zaburzenia chromosomowe, cechy wieloczynnikowe, polimorfizmy i asocjacje Zaburzenia chromosomowe W przypadku autosomów ciężki i plejotropowy fenotyp przeważnie letalny tylko 3 wyjątki

Bardziej szczegółowo

Bliskie Spotkanie z Biologią. Genetyka populacji

Bliskie Spotkanie z Biologią. Genetyka populacji Bliskie Spotkanie z Biologią Genetyka populacji Plan wykładu 1) Częstości alleli i genotypów w populacji 2) Prawo Hardy ego-weinberga 3) Dryf genetyczny 4) Efekt założyciela i efekt wąskiego gardła 5)

Bardziej szczegółowo

Podstawy genetyki. Genetyka klasyczna, narzędzia badawcze genetyki

Podstawy genetyki. Genetyka klasyczna, narzędzia badawcze genetyki Podstawy genetyki Genetyka klasyczna, narzędzia badawcze genetyki Podręczniki } Podstawy biologii molekularnej L.A. Allison } Genomy TA Brown, wyd. 3 } Genetyka molekularna P Węgleński (red.), wyd. 2 2

Bardziej szczegółowo

wykład dla studentów II roku biotechnologii Andrzej Wierzbicki

wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Genetyka ogólna wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Uniwersytet Warszawski Wydział Biologii andw@ibb.waw.pl http://arete.ibb.waw.pl/private/genetyka/ gamety matczyne Genetyka

Bardziej szczegółowo

BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ

BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ WYKŁAD 3 BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ Było: Przykład. Z dziesięciu poletek doświadczalnych zerano plony ulw ziemniaczanych (cecha X) i oznaczono w nich procentową zawartość

Bardziej szczegółowo

Spis treści Część I. Genetyczne podstawy hodowli roślin 1. Molekularne podstawy dziedziczenia cech Dariusz Crzebelus, Adeta Adamus, Maria Klein

Spis treści Część I. Genetyczne podstawy hodowli roślin 1. Molekularne podstawy dziedziczenia cech Dariusz Crzebelus, Adeta Adamus, Maria Klein Spis treści Część I. Genetyczne podstawy hodowli roślin 1. Molekularne podstawy dziedziczenia cech... 15 Dariusz Crzebelus, Adeta Adamus, Maria Klein 1.1. Budowa DNA i przepływ informacji genetycznej...

Bardziej szczegółowo

MODELE LINIOWE. Dr Wioleta Drobik

MODELE LINIOWE. Dr Wioleta Drobik MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą

Bardziej szczegółowo

Napisz, który z przedstawionych schematycznie rodzajów replikacji (A, B czy C) ilustruje replikację semikonserwatywną. Wyjaśnij, na czym polega ten

Napisz, który z przedstawionych schematycznie rodzajów replikacji (A, B czy C) ilustruje replikację semikonserwatywną. Wyjaśnij, na czym polega ten Napisz, który z przedstawionych schematycznie rodzajów replikacji (A, B czy C) ilustruje replikację semikonserwatywną. Wyjaśnij, na czym polega ten proces. Na schemacie przedstawiono etapy przekazywania

Bardziej szczegółowo

Ocena wartości hodowlanej. Dr Agnieszka Suchecka

Ocena wartości hodowlanej. Dr Agnieszka Suchecka Ocena wartości hodowlanej Dr Agnieszka Suchecka Wartość hodowlana genetycznie uwarunkowane możliwości zwierzęcia do ujawnienia określonej produkcyjności oraz zdolność przekazywania ich potomstwu (wartość

Bardziej szczegółowo

wykład dla studentów II roku biotechnologii Andrzej Wierzbicki

wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Genetyka ogólna wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Uniwersytet Warszawski Wydział Biologii andw@ibb.waw.pl http://arete.ibb.waw.pl/private/genetyka/ Choroby genetyczne o złożonym

Bardziej szczegółowo

Wykład 11: Dane jakościowe. Rozkład χ 2. Test zgodności chi-kwadrat

Wykład 11: Dane jakościowe. Rozkład χ 2. Test zgodności chi-kwadrat Wykład 11: Dane jakościowe Obserwacje klasyfikujemy do klas Zliczamy liczbę obserwacji w każdej klasie Jeżeli są tylko dwie klasy, to jedną z nich możemy nazwać sukcesem, a drugą porażką. Generalnie, liczba

Bardziej szczegółowo

Zmienność populacji cz owieka. Polimorfizmy i asocjacje

Zmienność populacji cz owieka. Polimorfizmy i asocjacje Zmienność populacji cz owieka Polimorfizmy i asocjacje 1 Analiza ndna Analiza mtdna Przyczyna szybka ekspansja populacji 3 Zmienność genetyczna cz owieka Różnice w sekwencjach (geny, obszary niekodujące)

Bardziej szczegółowo

Podstawy genetyki. ESPZiWP 2010

Podstawy genetyki. ESPZiWP 2010 Podstawy genetyki ESPZiWP 2010 Genetyka - nauka o dziedziczności i zmienności organizmów, wyjaśniająca prawa rządzące podobieństwami i różnicami pomiędzy osobnikami spokrewnionymi przez wspólnego przodka

Bardziej szczegółowo

GENETYCZNE PODSTAWY ZMIENNOŚCI ORGANIZMÓW ZASADY DZIEDZICZENIA CECH PODSTAWY GENETYKI POPULACYJNEJ

GENETYCZNE PODSTAWY ZMIENNOŚCI ORGANIZMÓW ZASADY DZIEDZICZENIA CECH PODSTAWY GENETYKI POPULACYJNEJ GENETYCZNE PODSTAWY ZMIENNOŚCI ORGANIZMÓW ZASADY DZIEDZICZENIA CECH PODSTAWY GENETYKI POPULACYJNEJ ZMIENNOŚĆ - występowanie dziedzicznych i niedziedzicznych różnic między osobnikami należącymi do tej samej

Bardziej szczegółowo

wykład dla studentów II roku biotechnologii Andrzej Wierzbicki

wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Genetyka ogólna wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Uniwersytet Warszawski Wydział Biologii andw@ibb.waw.pl http://arete.ibb.waw.pl/private/genetyka/ Program wykładu 1. Jakie

Bardziej szczegółowo

PODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW

PODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW PODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW DOPASOWYWANIE SEKWENCJI 1. Miary podobieństwa sekwencji aminokwasów 2. Zastosowanie programów: CLUSTAL OMEGA BLAST Copyright 2013, Joanna Szyda

Bardziej szczegółowo

ALGORYTMY GENETYCZNE (wykład + ćwiczenia)

ALGORYTMY GENETYCZNE (wykład + ćwiczenia) ALGORYTMY GENETYCZNE (wykład + ćwiczenia) Prof. dr hab. Krzysztof Dems Treści programowe: 1. Metody rozwiązywania problemów matematycznych i informatycznych.. Elementarny algorytm genetyczny: definicja

Bardziej szczegółowo

Zmodyfikowane wg Kadowaki T in.: J Clin Invest. 2006;116(7):1784-92

Zmodyfikowane wg Kadowaki T in.: J Clin Invest. 2006;116(7):1784-92 Magdalena Szopa Związek pomiędzy polimorfizmami w genie adiponektyny a wybranymi wyznacznikami zespołu metabolicznego ROZPRAWA DOKTORSKA Promotor: Prof. zw. dr hab. med. Aldona Dembińska-Kieć Kierownik

Bardziej szczegółowo

Dr hab.n.med. Renata Jacewicz

Dr hab.n.med. Renata Jacewicz GENOM CZŁOWIEKA >99 % 0,05%(100MtDNA) 65% Dr hab.n.med. Renata Jacewicz Kierownik Pracowni Genetyki Medycznej i Sądowej 3% 32% 2013 Pracownia Genetyki Medycznej i Sądowej ZMS Dojrzałe erytrocyty, trzony

Bardziej szczegółowo

Czego nie wiedzą genetycy. wyzwania biologii w XXI wieku

Czego nie wiedzą genetycy. wyzwania biologii w XXI wieku Czego nie wiedzą genetycy wyzwania biologii w XXI wieku Plik z prezentacją http://www.igib.uw.edu.pl (zakładka dydaktyka, popularne ) Podstawowe pojęcia Informacja genetyczna Przekazywana z podziałem komórki

Bardziej szczegółowo

Operatory logiczne. Podstawowe operatory logiczne, składanie wyrażeń z użyciem operatorów logicznych

Operatory logiczne. Podstawowe operatory logiczne, składanie wyrażeń z użyciem operatorów logicznych Materiał pomocniczy do kursu Podstawy programowania Autor: Grzegorz Góralski ggoralski.com Operatory logiczne Podstawowe operatory logiczne, składanie wyrażeń z użyciem operatorów logicznych Podstawowe

Bardziej szczegółowo

Konspekt do zajęć z przedmiotu Genetyka dla kierunku Położnictwo dr Anna Skorczyk-Werner Katedra i Zakład Genetyki Medycznej

Konspekt do zajęć z przedmiotu Genetyka dla kierunku Położnictwo dr Anna Skorczyk-Werner Katedra i Zakład Genetyki Medycznej Seminarium 1 część 1 Konspekt do zajęć z przedmiotu Genetyka dla kierunku Położnictwo dr Anna Skorczyk-Werner Katedra i Zakład Genetyki Medycznej Genom człowieka Genomem nazywamy całkowitą ilość DNA jaka

Bardziej szczegółowo

Genetyka człowieka II. Cechy wieloczynnikowe, polimorfizmy i asocjacje

Genetyka człowieka II. Cechy wieloczynnikowe, polimorfizmy i asocjacje Genetyka człowieka II Cechy wieloczynnikowe, polimorfizmy i asocjacje Zaburzenia liczby chromosomów W przypadku autosomów ciężki i plejotropowy fenotyp przeważnie letalny tylko 3 wyjątki Główna przyczyna

Bardziej szczegółowo

Co to jest transkryptom? A. Świercz ANALIZA DANYCH WYSOKOPRZEPUSTOWYCH 2

Co to jest transkryptom? A. Świercz ANALIZA DANYCH WYSOKOPRZEPUSTOWYCH 2 ALEKSANDRA ŚWIERCZ Co to jest transkryptom? A. Świercz ANALIZA DANYCH WYSOKOPRZEPUSTOWYCH 2 Ekspresja genów http://genome.wellcome.ac.uk/doc_wtd020757.html A. Świercz ANALIZA DANYCH WYSOKOPRZEPUSTOWYCH

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Z1/2 ANALIZA BELEK ZADANIE 2

Z1/2 ANALIZA BELEK ZADANIE 2 05/06 Z1/. NLIZ LK ZNI 1 Z1/ NLIZ LK ZNI Z1/.1 Zadanie Udowodnić geometryczną niezmienność belki złożonej na rysunku Z1/.1 a następnie wyznaczyć reakcje podporowe oraz wykresy siły poprzecznej i momentu

Bardziej szczegółowo

forma studiów Studia pierwszego stopnia - stacjonarne sposób ustalania Na ocenę końcową modułu składa się średnia ważona z 2 elementów:

forma studiów Studia pierwszego stopnia - stacjonarne sposób ustalania Na ocenę końcową modułu składa się średnia ważona z 2 elementów: Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Biotechnologia, poziom I Sylabus modułu: Podstawy genetyki (1BT_22) 1. Informacje ogólne koordynator modułu dr Damian Gruszka rok akademicki

Bardziej szczegółowo

Teoretyczne podstawy informatyki

Teoretyczne podstawy informatyki Teoretyczne podstawy informatyki Wykład 12a: Prawdopodobieństwo i algorytmy probabilistyczne http://hibiscus.if.uj.edu.pl/~erichter/dydaktyka2010/tpi-2010 Prof. dr hab. Elżbieta Richter-Wąs 1 Teoria prawdopodobieństwa

Bardziej szczegółowo

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74 3 Wykaz najważniejszych skrótów...8 Przedmowa... 10 1. Podstawowe pojęcia data mining...11 1.1. Wprowadzenie...12 1.2. Podstawowe zadania eksploracji danych...13 1.3. Główne etapy eksploracji danych...15

Bardziej szczegółowo

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015 Zmienne losowe, statystyki próbkowe Wrocław, 2 marca 2015 Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20 punktów) aktywność Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20

Bardziej szczegółowo

Ocena zmienności genetycznej jesionu wyniosłego w Polsce. Jarosław Burczyk

Ocena zmienności genetycznej jesionu wyniosłego w Polsce. Jarosław Burczyk Ocena zmienności genetycznej jesionu wyniosłego w Polsce Jarosław Burczyk Zmienność genetyczna W naturalnych zbiorowiskach, zróżnicowanie genetyczne jest wynikiem doboru naturalnego i historii demograficznej

Bardziej szczegółowo

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński Mikroekonometria 13 Mikołaj Czajkowski Wiktor Budziński Endogeniczność regresja liniowa W regresji liniowej estymujemy następujące równanie: i i i Metoda Najmniejszych Kwadratów zakłada, że wszystkie zmienne

Bardziej szczegółowo

Program ćwiczeń z przedmiotu BIOLOGIA MOLEKULARNA I GENETYKA, część I dla kierunku Lekarskiego, rok I 2015/2016. Ćwiczenie nr 1 (06-07.10.

Program ćwiczeń z przedmiotu BIOLOGIA MOLEKULARNA I GENETYKA, część I dla kierunku Lekarskiego, rok I 2015/2016. Ćwiczenie nr 1 (06-07.10. Program ćwiczeń z przedmiotu BIOLOGIA MOLEKULARNA I GENETYKA, część I dla kierunku Lekarskiego, rok I 2015/2016 Ćwiczenie nr 1 (06-07.10.2015) Temat: Wprowadzenie 1. Omówienie regulaminu zajęć Temat: Wprowadzenie

Bardziej szczegółowo

BLISKIE SPOTKANIA Z BIOLOGIĄ

BLISKIE SPOTKANIA Z BIOLOGIĄ BLISKIE SPOTKANIA Z BIOLOGIĄ Instytutu Biologii Eksperymentalnej Instytut Biologii Środowiska Katedra Biologii Ewolucyjnej UNIWERSYTET KAZIMIERZA WIELKIEGO Wykłady Środy, 15.45, Aula Biblioteki UKW Czas

Bardziej szczegółowo

Podstawy genetyki SYLABUS A. Informacje ogólne

Podstawy genetyki SYLABUS A. Informacje ogólne Podstawy genetyki A. Informacje ogólne Elementy sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Język Rodzaj Rok studiów /semestr Wymagania

Bardziej szczegółowo

Monte Carlo, bootstrap, jacknife

Monte Carlo, bootstrap, jacknife Monte Carlo, bootstrap, jacknife Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej: http://www.ssc.wisc.edu/~bhansen/econometrics/ Monte Carlo: rozdział 8.8, 8.9 Bootstrap: rozdział

Bardziej szczegółowo

Zadania maturalne z biologii - 7

Zadania maturalne z biologii - 7 Koło Biologiczne Liceum Ogólnokształcące nr II w Gliwicach 2015-2016 Zadania maturalne z biologii - 7 Zadania: Zad.1 (Jesika Stępień, Natalia Świetlak, Daniela Schwedka 3D) Przeczytaj tekst i na jego podstawie

Bardziej szczegółowo

Zadania do cz. I. ggoralski.com. Autor: Grzegorz Góralski. środa, 9 listopada 11

Zadania do cz. I. ggoralski.com. Autor: Grzegorz Góralski. środa, 9 listopada 11 Zadania do cz. I Autor: Grzegorz Góralski ggoralski.com Zadanie 1 Rozpatrujemy dwa geny u zwierzęcia. Allel A jest dominujący i koduje brązową barwę oczu, allel recesywny a determinuje barwę czerwoną.

Bardziej szczegółowo

Raport Testy Trenerskie. Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów

Raport Testy Trenerskie. Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów Raport Testy Trenerskie Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów W trakcie zgrupowań Kadr Makroregionalnych Polskiego Związku Podnoszenia Ciężarów, poddano zawodników Testom Trenerskim.

Bardziej szczegółowo

Imię i nazwisko...kl...

Imię i nazwisko...kl... Gimnazjum nr 4 im. Ojca Świętego Jana Pawła II we Wrocławiu SPRAWDZIAN GENETYKA GR. A Imię i nazwisko...kl.... 1. Nauka o regułach i mechanizmach dziedziczenia to: (0-1pkt) a) cytologia b) biochemia c)

Bardziej szczegółowo

Graficzna prezentacja danych statystycznych

Graficzna prezentacja danych statystycznych Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych Katowice, 12 i 26 czerwca 2014 r. Dopasowanie narzędzia do typu zmiennej Dobór narzędzia do

Bardziej szczegółowo

METODOLOGICZNE ASPEKTY BADAŃ W BIOLOGII CZŁOWIEKA. WYJAŚNIANIE STRATEGII ADAPTACYJNEJ CZŁOWIEKA METODAMI GENETYKI ILOŚCIOWEJ.

METODOLOGICZNE ASPEKTY BADAŃ W BIOLOGII CZŁOWIEKA. WYJAŚNIANIE STRATEGII ADAPTACYJNEJ CZŁOWIEKA METODAMI GENETYKI ILOŚCIOWEJ. METODOLOGICZNE ASPEKTY BADAŃ W BIOLOGII CZŁOWIEKA. WYJAŚNIANIE STRATEGII ADAPTACYJNEJ CZŁOWIEKA METODAMI GENETYKI ILOŚCIOWEJ Joachim Cieślik, Uniwersytet im. A. Mickiewicza w Poznaniu, Instytut Antropologii

Bardziej szczegółowo

Materiał i metody. Wyniki

Materiał i metody. Wyniki Abstract in Polish Wprowadzenie Selen jest pierwiastkiem śladowym niezbędnym do prawidłowego funkcjonowania organizmu. Selen jest wbudowywany do białek w postaci selenocysteiny tworząc selenobiałka (selenoproteiny).

Bardziej szczegółowo

Ekonometria Finansowa II EARF. Michał Rubaszek

Ekonometria Finansowa II EARF. Michał Rubaszek Ekonometria Finansowa II EARF Michał Rubaszek 1 Cele - Zapoznanie z charakterystykami szeregów finansowych - Omówienie jednowymiarowych metod liczenia VaR - Omówienie wielowymiarowych metod liczenia VaR

Bardziej szczegółowo

Dryf genetyczny i jego wpływ na rozkłady próbek z populacji - modele matematyczne. Adam Bobrowski, IM PAN Katowice

Dryf genetyczny i jego wpływ na rozkłady próbek z populacji - modele matematyczne. Adam Bobrowski, IM PAN Katowice Dryf genetyczny i jego wpływ na rozkłady próbek z populacji - modele matematyczne Adam Bobrowski, IM PAN Katowice 1 Tematyka cyklu referatów Dryf genetyczny Matematyczne modele równowagi między mutacja

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Zarządzanie populacjami zwierząt. Efektywna wielkość populacji Wykład 3

Zarządzanie populacjami zwierząt. Efektywna wielkość populacji Wykład 3 Zarządzanie populacjami zwierząt Efektywna wielkość populacji Wykład 3 DRYF GENETYCZNY Przypadkowe zmiany częstości alleli szczególnie ważne w małych populacjach DRYF GENETYCZNY Wybieramy z dużej populacji

Bardziej szczegółowo

Kraków, 26 marca 2014

Kraków, 26 marca 2014 Prof. dr hab. Marcin Rapacz Katedra Fizjologii Roślin Wydział Rolniczo-Ekonomiczny Uniwersytet Rolniczy im. H. Kołłątaja w Krakowie Kraków, 26 marca 2014 Recenzja rozprawy doktorskiej Pani Mgr Ewy Ciszkowicz

Bardziej szczegółowo

Algorytmy ewolucyjne - algorytmy genetyczne. I. Karcz-Dulęba

Algorytmy ewolucyjne - algorytmy genetyczne. I. Karcz-Dulęba Algorytmy ewolucyjne - algorytmy genetyczne I. Karcz-Dulęba Algorytmy klasyczne a algorytmy ewolucyjne Przeszukiwanie przestrzeni przez jeden punkt bazowy Przeszukiwanie przestrzeni przez zbiór punktów

Bardziej szczegółowo

Generowanie i optymalizacja harmonogramu za pomoca

Generowanie i optymalizacja harmonogramu za pomoca Generowanie i optymalizacja harmonogramu za pomoca na przykładzie generatora planu zajęć Matematyka Stosowana i Informatyka Stosowana Wydział Fizyki Technicznej i Matematyki Stosowanej Politechnika Gdańska

Bardziej szczegółowo

Rozkład materiału z biologii dla klasy III AD. 7 godz / tyg rok szkolny 2016/17

Rozkład materiału z biologii dla klasy III AD. 7 godz / tyg rok szkolny 2016/17 Rozkład materiału z biologii dla klasy III AD zakres rozszerzony LO 7 godz / tyg rok szkolny 2016/17 Biologia na czasie 2 zakres rozszerzony nr dopuszczenia 564/2/2012 Biologia na czasie 3 zakres rozszerzony

Bardziej szczegółowo

Zarządzanie projektami. Wykład 1 - Projekt

Zarządzanie projektami. Wykład 1 - Projekt Zarządzanie projektami Wykład 1 - Projekt Plan wykładu Informacje organizacyjne Prezentacja sylabusa Omówienie zasad zaliczenia przedmiotu Definicja projektu Współzależne cechy projektu Projekt/Program/Portfel

Bardziej szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli

Bardziej szczegółowo