WSTĘP. Copyright 2011, Joanna Szyda

Wielkość: px
Rozpocząć pokaz od strony:

Download "WSTĘP. Copyright 2011, Joanna Szyda"

Transkrypt

1 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, współczynnik rekombinacji 6. Analiza asocjacyjna 7. Analiza asocjacyjna 8. Funkcjonalna adnotacja genomu: KEGG 9. Funkcjonalna adnotacja genomu: GO 10. Symulacje komputerowe, jackknife, bootstrap 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. Równowaga Hardyego Weinberga definicja 1 locus 2 loci obliczanie współczynnika zaburzenia równowagi pomiędzy parą loci 2. Sprzężenie definicja miary odległości pomiędzy loci interferencja obliczanie współczynnika rekombinacji funkcje mapowania

3 RÓWNOWAGA HARDYEGO-WEINBERGA

4 PRAWO HARDYEGO-WEINBERGA - definicja Hardy - matematyk, Science (1908) 28: Weinberg - lekarz, Jahreshefte des Vereins fur vaterlandische Naturkunde in Wuttemberg (1908) 64: Godfrey H. Hardy Wilhelm Weinberg

5 PRAWO HARDYEGO-WEINBERGA - definicja " W losowo rozmnażającej się nieskończenie dużej populacji, w której nie występują selekcja, mutacje i migracja, frekwencje alleli i genotypów są niezmienne w kolejnych pokoleniach... pokolenie 1: P(A 1 )=p P(A 2 )=q pokolenie 2: P(A 1 )=p P(A 2 )=q... pokolenie n: P(A 1 )=p P(A 2 )=q... w takiej populacji istnieje stały związek pomiędzy frekwencją alleli, a frekwencją genotypów" pokolenie 1: P(A 1 A 1 )=p*p P(A 1 A 2 )=p*q P(A 2 A 1 )=p*q P(A 2 A 2 )=q*q pokolenie 2: P(A 1 A 1 )=p 2 P(A 1 A 2 )=2pq P(A 2 A 2 )=q 2... pokolenie n: P(A 1 A 1 )=p 2 P(A 1 A 2 )=2pq P(A 2 A 2 )=q 2 P(AA) P(A)

6 SPRZĘŻENIE vs. ASOCJACJA SPRZĘŻENIE A1 A2 fizyczne powiązanie pomiędzy parą loci poprzez położenie na tym samym chromosomie miara - współczynnik rekombinacji pomiędzy sprzężonymi loci zwykle brak równowagi HW Dlaczego? B1 B2 A1B1 A2B2 ASOCJACJA A1B1 A1B1 A1B2 A2B2 A2B2 A2B1 nielosowa segregacja alleli pomiędzy parą loci = zabużenie równowagi HW = linkage disequilibrium = LD może wyniknąć z różnych przyczyn np. sprzężenia, selekcji miara - współczynnik LD loci pozostające w LD nie zawsze są sprzężone Dlaczego? Copyright 2015, Joanna Szyda

7 PRAWO HARDYEGO-WEINBERGA - przykład dla 1 locus locus grup krwi typu M/N grupa krwi jest determinowana przez 2 allele M i N grupy krwi zidentyfikowana u 747 mieszkańców Islandii zaobserwowano: frekwencje alleli: P(M)=0.6 P(N)=0.4 liczebności grup krwi: MM = 233 MN = 385 NN = 129 Copyright 2011, = Joanna 747Szyda

8 PRAWO HARDYEGO-WEINBERGA - przykład dla 1 locus HIPOTEZY H 0 : P(MM)=p 2 i P(MN)=2pq i P(NN)=q 2 populacja Islandii pozostaje w równowadze Hardyego- Weinberga = w populacji występuje kojarzenie losowe, brak selekcji, mutacji, migracji H 1 : P(MM) p 2 lub P(MN) 2pq lub P(NN) q 2 populacja Islandii nie znajduje się w równowadze Hardyego-Weinberga = w populacji nie występuje kojarzenie losowe i/lub istnieją selekcja, mutacje, migracja

9 PRAWO HARDYEGO-WEINBERGA - przykład dla 1 locus TEST przyjęte maksymalne pr. błędu MAX = 0.05 tzn. prawdopodobieństwo błędnej decyzji o odrzuceniu H 0, choć w rzeczywistości H 0 jest prawdziwa na podstawie rozkładu 2 2 T = 0.02 tzn. jeżeli na podstawie wyników testu odrzucimy H 0 to prawdopodobieństwo, że w rzeczywistości H 0 jest prawdziwa wynosi 0.02 MAX > T H 0 H 1 populacja nie znajduje się w równowadze Hardyego-Weinberga

10 ASOCJACJA

11 PRAWO HARDYEGO-WEINBERGA - przykład dla 2 loci loci leżą na tym samym chromosomie każdy z loci ma 2 allele A 1, A 2 i B 1, B 2 zidentyfikowane na chromosomie 2 u 24 osobników Drosophila melanogaster frekwencje alleli: P(A 1 )=0.17 P(A 2 )=0.83 P(B 1 )=0.36 P(B 2 )=0.64 liczebności genotypów: A 1 B 1 =4 A 2 B 2 =26 A 1 B 2 =4 A 2 B 1 =14 =48

12 PRAWO HARDYEGO-WEINBERGA - przykład dla 2 loci A 1 B 1 A B A 2 B 2 A 1 B 2 A 2 B 1 HIPOTEZY H 0 : P(A 1 B 1 )=P(A 1 )*P(B 1 ) P(A 2 B 2 )=P(A 2 )*P(B 2 ) P(A 1 B 2 )=P(A 1 )*P(B 2 ) P(A 2 B 1 )=P(A 2 )*P(B 2 ) loci pozostają w równowadze Hardyego- Weinberga H 1 : P(A 1 B 1 ) P(A 1 )*P(B 1 ) P(A 2 B 2 ) P(A 2 )*P(B 2 ) P(A 1 B 2 ) P(A 1 )*P(B 2 ) P(A 2 B 1 ) P(A 2 )*P(B 2 ) loci nie znajduje się w równowadze Hardyego-Weinberga

13 PRAWO HARDYEGO-WEINBERGA - przykład dla 2 loci TEST przyjęte maksymalne pr. błędu MAX = 0.05 na podstawie rozkładu 2 3 T = 0.83 MAX > T H 0 H 1 loci A i B znajdują się w równowadze Hardyego-Weinberga

14 ASOCJACJA - współczynnik zaburzenia równowagi HW Równowaga HW P ( haplotypów ) locus A A1 A2 B1 P(A1)*P(B1) P(A2)*P(B1) locus B B2 P(A1)*P(B2) P(A2)*P(B2)

15 ASOCJACJA - współczynnik zaburzenia równowagi HW Zaburzenie równowagi HW (linkage disequilibrium LD) locus A P ( haplotypów ) A1 A2 B1 P(A1)*P(B1) +D P(A2)*P(B1) -D locus B B2 P(A1)*P(B2) -D P(A2)*P(B2) +D

16 ASOCJACJA - estymacja LD P ( haplotypów ) locus A A1 A2 locus B B1 B2 P(A1)*P(B1) +D P(A1)*P(B2) -D P(A2)*P(B1) -D P(A2)*P(B2) +D

17 SPRZĘŻENIE

18 SPRZĘŻENIE - miary odległości pomiędzy loci 1. Odległość fizyczna liczba par zasad bp (base pair), kbp=1 000 bp, Mbp= bp miara addytywna: A 2kbp B 5kbp C to A 7kbp C 2. Prawdopodobieństwo - odległość mapowania M (Morgan), cm=0.01 M 1M = prawdopodobieństwo wystąpienia 1 crossing over pomiędzy parą loci w czasie jednej mejozy miara addytywna: A 20cM B 5cM C to A 25cM C w genomie człowieka średnio 1M 1Mbp 1M nie zawsze odpowiada jednakowej liczbie bp!!! częstość crossing over różni się pomiędzy płciami, regionami chromosomów, gatunkami Copyright 2015, Joanna Szyda

19 SPRZĘŻENIE - miary odległości pomiędzy loci 3. Prawdopodobieństwo - częstość rekombinacji r, (recombination rate) prawdopodobieństwo wystąpienia rekombinacji pomiędzy parą loci rekombinacja = zajście nieparzystej liczby crossing over r [ 0, 0.5 ] r=0.5 niezależna segregacja loci miara nieaddytywna: A r=0.1 B r=0.2 C to A r 0.3 C r AC = r AB + r BC - 2r AB r BC Copyright 2015 Joanna Szyda

20 SPRZĘŻENIE - estymacja współczynnika rekombinacji

21 SPRZĘŻENIE - estymacja współczynnika rekombinacji A B C REKOMBINACJA AB BC AC A B C A B C A B C + +

22 SPRZĘŻENIE - interferencja A B C BRAK INTERFERENCJI Crossing over są od siebie niezależne r AC = r AB + r BC - 2r AB r BC 2r AB r BC korekta na podwójną rekombinację INTERFERENCJA Wystąpienie jednego crossing over zmienia prawdopodobieństwo zajścia następnych r AC = r AB + r BC - 2Cr AB r BC 1-C interferencja

23 SPRZĘŻENIE - funkcje mapowania poszczególne crossing over niewidoczne nie można obliczyć odległości mapowania [ M ] rekombinacja widoczna można obliczyć wsp. rekombinacji [ r ] funkcje mapowania służą do przeliczania r na M... i dowrotnie

24 SPRZĘŻENIE - funkcje mapowania Funkcja Haldane'a: brak interferencji, C=1 Funkcja Kosambi: interferencja, C=2r

25 SPRZĘŻENIE - funkcje mapowania M Haldane Kosambi r

26 SPRZĘŻENIE vs ASOCJACJA

27 SPRZĘŻENIE vs ASOCJACJA Sprzężenie fizyczne powiązanie pomiędzy loci Asocjacja powiązanie pomiędzy loci nie musi wynikać ze sprzężenia może być wynikiem np. selekcji, mutacji, stratyfikacji w populacji Copyright 2015, Joanna Szyda

28 P(AA) P(A) sprzężenie a asocjacja POWIĄZANIE POMIĘDZY GENAMI P ( haplotypów ) A1 locus A A2 B1 P(A1)*P(B1) +D P(A2)*P(B1) -D locus B B2 P(A1)*P(B2) -D P(A2)*P(B2) +D Copyright 2013, Joanna Szyda

BIOINFORMATYKA 8. Analiza asocjacyjna - teoria

BIOINFORMATYKA 8. Analiza asocjacyjna - teoria 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,

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

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

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

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

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

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

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

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

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

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie

Bardziej szczegółowo

Biologia molekularna z genetyką

Biologia molekularna z genetyką Biologia molekularna z genetyką P. Golik i M. Koper Konwersatorium 2: Analiza genetyczna eukariontów Drosophilla melanogaster Makrokierunek: Bioinformatyka i Biologia Systemów; 2016 Opracowano na podstawie

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

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

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

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

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

1 Genetykapopulacyjna

1 Genetykapopulacyjna 1 Genetykapopulacyjna Genetyka populacyjna zajmuje się badaniem częstości występowania poszczególnych alleli oraz genotypów w populacji. Bada także zmiany tych częstości spowodowane doborem naturalnym

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

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

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

Genetyka populacyjna

Genetyka populacyjna Genetyka populacyjna analizuje strukturę genetyczną całych populacji oraz wyniki kojarzeń wewnątrz populacji lub pomiędzy różnymi populacjami, opiera się na modelach matematycznych Prawo równowagi Hardy

Bardziej szczegółowo

Ekologia ogólna. wykład 4. Metody molekularne Genetyka populacji

Ekologia ogólna. wykład 4. Metody molekularne Genetyka populacji Ekologia ogólna wykład 4 Metody molekularne Genetyka populacji Kalosze vs. fartuchy wykład 4/2 Techniki molekularne DNA mitochondrialne / chloroplastowe Konserwowane ewolucyjne, wiele kopii w komórce Wykorzystanie

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

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

Depresja inbredowa i heterozja

Depresja inbredowa i heterozja Depresja inbredowa i heterozja Charles Darwin Dlaczego rośliny chronią się przed samozapyleniem? Doświadczenie na 57 gatunkach roślin! Samozapłodnienie obniża wigor i płodność większości z 57 gatunków

Bardziej szczegółowo

Genetyka ekologiczna i populacyjna W8

Genetyka ekologiczna i populacyjna W8 Genetyka ekologiczna i populacyjna W8 Genetyka populacji: Treść wykładów Zmienność genetyczna i środowiskowa Mutacje i rekombinacje Kojarzenie krewniacze Częstość genów i genotypów w populacji i prawdopodobieństwo

Bardziej szczegółowo

Podstawy genetyki populacji. Genetyka mendlowska i ewolucja

Podstawy genetyki populacji. Genetyka mendlowska i ewolucja Podstawy genetyki populacji Genetyka mendlowska i ewolucja Syntetyczna teoria ewolucji } Pierwsza synteza: połączenie teorii ewolucji Darwina z genetyką mendlowską na poziomie populacji } W naturalnych

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

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

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

Podstawy genetyki populacji. Populacje o skończonej liczebności. Dryf. Modele wielogenowe.

Podstawy genetyki populacji. Populacje o skończonej liczebności. Dryf. Modele wielogenowe. Podstawy genetyki populacji Populacje o skończonej liczebności. Dryf. Modele wielogenowe. Dryf genetyczny a ewolucja } Dobór naturalny nie jest jedynym mechanizmem kształtującym zmiany ewolucyjne } Losowe

Bardziej szczegółowo

Genetyka populacji. Ćwiczenia 7

Genetyka populacji. Ćwiczenia 7 Genetyka populacji Ćwiczenia 7 Rodowody wraz z wynikami kontroli użytkowości stanowią podstawową informację potrzebną do doskonalenia zwierząt C F X S D C F C F S D strzałka oznacza przepływ genów między

Bardziej szczegółowo

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne Algorytmy genetyczne Materiały do laboratorium PSI Studia niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki, pojęć

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

2. CZYNNIKI ZABURZAJĄCE RÓWNOWAGĘ GENETYCZNĄ

2. CZYNNIKI ZABURZAJĄCE RÓWNOWAGĘ GENETYCZNĄ ZARZĄDZANIE POPULACJAMI ZWIERZĄT 2. CZYNNIKI ZABURZAJĄCE RÓWNOWAGĘ GENETYCZNĄ POPULACJI Fot. W. Wołkow Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt MIGRACJE Zmiana frekwencji

Bardziej szczegółowo

Genetyka populacyjna. Populacja

Genetyka populacyjna. Populacja Genetyka populacyjna Populacja 1 Populacja Populacja jest to zbiór osobników jednego gatunku żyjących na danym terytorium w danym czasie. Genetykę populacyjną interesuje tzw. populacja panmiktyczna (mendlowska),

Bardziej szczegółowo

2. CZYNNIKI ZABURZAJĄCE RÓWNOWAGĘ GENETYCZNĄ

2. CZYNNIKI ZABURZAJĄCE RÓWNOWAGĘ GENETYCZNĄ ZARZĄDZANIE POPULACJAMI ZWIERZĄT 2. CZYNNIKI ZABURZAJĄCE RÓWNOWAGĘ GENETYCZNĄ POPULACJI Fot. W. Wołkow Prowadzący: dr Wioleta Drobik-Czwarno; mgr Magdalena Kaczmarek-Okrój Katedra Genetyki i Ogólnej Hodowli

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

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

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

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

Podstawy genetyki populacji. Genetyka mendlowska i ewolucja

Podstawy genetyki populacji. Genetyka mendlowska i ewolucja Podstawy genetyki populacji Genetyka mendlowska i ewolucja Informacja ujęcie matematyczne Entropia miara niepewności dotyczącej stanu zmiennej losowej N H(X) = p log p i i i=1 Podstawa logarytmu definiuje

Bardziej szczegółowo

Ewolucjonizm NEODARWINIZM. Dr Jacek Francikowski Uniwersyteckie Towarzystwo Naukowe Uniwersytet Śląski w Katowicach

Ewolucjonizm NEODARWINIZM. Dr Jacek Francikowski Uniwersyteckie Towarzystwo Naukowe Uniwersytet Śląski w Katowicach Ewolucjonizm NEODARWINIZM Dr Jacek Francikowski Uniwersyteckie Towarzystwo Naukowe Uniwersytet Śląski w Katowicach Główne paradygmaty biologii Wspólne początki życia Komórka jako podstawowo jednostka funkcjonalna

Bardziej szczegółowo

GENETYKA POPULACJI. Ćwiczenia 3 Biologia I MGR

GENETYKA POPULACJI. Ćwiczenia 3 Biologia I MGR GENETYKA POPULACJI Ćwiczenia 3 Biologia I MGR Heterozygotyczność Rozpatrując różnorodność genetyczną w populacjach o układzie hierarchicznym zauważamy, że najwyższy poziom heterozygotyczności zawsze występuje

Bardziej szczegółowo

a) lokalizacja DNA i RNA w komórkach stożka wzrostu korzenia Allium cepa prep. mikr. rys.

a) lokalizacja DNA i RNA w komórkach stożka wzrostu korzenia Allium cepa prep. mikr. rys. Program ćwiczeń z przedmiotu GENETYKA dla kierunku Dietetyka studia stacjonarne licencjat, rok I 2015/2016 Ćwiczenie nr 1 (23.02.2016r.) 1. Omówienie regulaminu zajęć. 2. Budowa mikroskopu i zasady techniki

Bardziej szczegółowo

Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny?

Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny? Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny? Gdy: badana cecha jest mierzalna (tzn. posiada rozkład ciągły); badana cecha posiada rozkład normalny; dysponujemy pojedynczym wynikiem;

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

Algorytm genetyczny (genetic algorithm)-

Algorytm genetyczny (genetic algorithm)- Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, 23.09.2008 Biomatematyka

EGZAMIN DYPLOMOWY, część II, 23.09.2008 Biomatematyka Biomatematyka W 200-elementowej próbie losowej z diploidalnej populacji wystąpiło 89 osobników genotypu AA, 57 osobników genotypu Aa oraz 54 osobników genotypu aa. Na podstawie tych danych (a) dokonaj

Bardziej szczegółowo

Mitochondrialna Ewa;

Mitochondrialna Ewa; Mitochondrialna Ewa; jej sprzymierzeńcy i wrogowie Lien Dybczyńska Zakład genetyki, Uniwersytet Warszawski 01.05.2004 Milion lat temu Ale co dalej??? I wtedy wkracza biologia molekularna Analiza różnic

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

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

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

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

Algorytmy genetyczne. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki

Algorytmy genetyczne. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Obliczenia ewolucyjne (EC evolutionary computing) lub algorytmy ewolucyjne (EA evolutionary algorithms) to ogólne określenia używane

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, 25.06.2009 Biomatematyka

EGZAMIN MAGISTERSKI, 25.06.2009 Biomatematyka Biomatematyka 80...... Zadanie 1. (8 punktów) Rozpatrzmy prawo Hardy ego Weinberga dla loci związanej z chromosomem X o dwóch allelach A 1 i A 2. Załóżmy, że początkowa częstość allelu A 2 u kobiet jest

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

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

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

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

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

[ IMIĘ I NAZWISKO:. KLASA NR.. ] Zadania genetyczne

[ IMIĘ I NAZWISKO:. KLASA NR.. ] Zadania genetyczne Zadanie 1. (2 pkt). Ciemnooki mężczyzna, którego ojciec miał oczy piwne a matka niebieskie, poślubił ciemnooką kobietę. Syn tej pary jest niebieskooki. Przyjmując oznaczenia: allel dominujący (barwnik

Bardziej szczegółowo

Podstawy genetyki I. Podstawowe pojęcia i genetyka klasyczna

Podstawy genetyki I. Podstawowe pojęcia i genetyka klasyczna Podstawy genetyki I Podstawowe pojęcia i genetyka klasyczna Podręczniki Genomy TA Brown, wyd. 3 Genetyka molekularna P Węgleński (red.), wyd. 2 2 Podręczniki dodatkowe Advanced Genetic Analysis: Finding

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

Genetyka SYLABUS A. Informacje ogólne

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

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Wykład 3 Hipotezy statystyczne

Wykład 3 Hipotezy statystyczne Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza

Bardziej szczegółowo

Statystyka Astronomiczna

Statystyka Astronomiczna Statystyka Astronomiczna czyli zastosowania statystyki w astronomii historycznie astronomowie mieli wkład w rozwój dyscypliny Rachunek prawdopodobieństwa - gałąź matematyki Statystyka - metoda oceny właściwości

Bardziej szczegółowo

KARTA KURSU. Kod Punktacja ECTS* 10/6

KARTA KURSU. Kod Punktacja ECTS* 10/6 Załącznik nr 4 do Zarządzenia Nr.. KARTA KURSU Kierunek biologia Nazwa Nazwa w j. ang. Genetyka I i III Genetics I and III Kod Punktacja ECTS* 10/6 Koordynator Prof. dr hab. Maria Wędzony Zespół dydaktyczny:

Bardziej szczegółowo

Algorytmy ewolucyjne NAZEWNICTWO

Algorytmy ewolucyjne NAZEWNICTWO Algorytmy ewolucyjne http://zajecia.jakubw.pl/nai NAZEWNICTWO Algorytmy ewolucyjne nazwa ogólna, obejmująca metody szczegółowe, jak np.: algorytmy genetyczne programowanie genetyczne strategie ewolucyjne

Bardziej szczegółowo

ocena dopuszczająca ocena dostateczna ocena dobra ocena bardzo dobra Dział VII. EKOLOGIA NAUKA O ŚRODOWISKU

ocena dopuszczająca ocena dostateczna ocena dobra ocena bardzo dobra Dział VII. EKOLOGIA NAUKA O ŚRODOWISKU Dział VII. EKOLOGIA NAUKA O ŚRODOWISKU wyróżnia elementy żywe i nieożywione w obserwowanym ekosystemie oblicza zagęszczenie wybranej rośliny na badanym terenie określa znaczenie wiedzy ekologicznej w życiu

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

Sterowanie wielkością zamówienia w Excelu - cz. 3

Sterowanie wielkością zamówienia w Excelu - cz. 3 Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji

Bardziej szczegółowo

GENOMIKA. MAPOWANIE GENOMÓW MAPY GENOMICZNE

GENOMIKA. MAPOWANIE GENOMÓW MAPY GENOMICZNE GENOMIKA. MAPOWANIE GENOMÓW MAPY GENOMICZNE Bioinformatyka, wykład 3 (21.X.2008) krzysztof_pawlowski@sggw.waw.pl tydzień temu Gen??? Biologiczne bazy danych historia Biologiczne bazy danych najważniejsze

Bardziej szczegółowo

Ćwiczenia nr 4. Programy komputerowe stosowane do analizy danych molekularnych

Ćwiczenia nr 4. Programy komputerowe stosowane do analizy danych molekularnych Techniki molekularne ćw. 4 1 z 6 Ćwiczenia nr 4. Programy komputerowe stosowane do analizy danych molekularnych Istnieje ogromna liczba programów służących do analizy danych molekularnych. Wiele z nich

Bardziej szczegółowo

Zarządzanie populacjami zwierząt. Relacje między osobnikami w populacji spokrewnienie i inbred Depresja inbredowa Ocena efektów krzyżowania

Zarządzanie populacjami zwierząt. Relacje między osobnikami w populacji spokrewnienie i inbred Depresja inbredowa Ocena efektów krzyżowania Zarządzanie populacjami zwierząt Relacje między osobnikami w populacji spokrewnienie i inbred Depresja inbredowa Ocena efektów krzyżowania Podobieństwo między rodzicem a potomkiem ½ ½ ½ ½ R RP = ½ Podobieństwo

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

Wprowadzenie do genetyki sądowej. Materiały biologiczne. Materiały biologiczne: prawidłowe zabezpieczanie śladów

Wprowadzenie do genetyki sądowej. Materiały biologiczne. Materiały biologiczne: prawidłowe zabezpieczanie śladów Wprowadzenie do genetyki sądowej 2013 Pracownia Genetyki Sądowej Katedra i Zakład Medycyny Sądowej Materiały biologiczne Inne: włosy z cebulkami, paznokcie możliwa degradacja - tkanki utrwalone w formalinie/parafinie,

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo geometryczne Prawdopodobieństwo geometryczne Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Uniwersyteckie Koło Matematyczne 23 kwietnia 2009 r. Bartosz Ziemkiewicz (WMiI UMK) Prawdopodobieństwo geometryczne

Bardziej szczegółowo

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15 VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,

Bardziej szczegółowo

I ROK WYDZIAŁ LEKARSKI BIOLOGIA MEDYCZNA ROK AKAD. 2015/2016

I ROK WYDZIAŁ LEKARSKI BIOLOGIA MEDYCZNA ROK AKAD. 2015/2016 Ćwiczenie 9 Temat: Genetyka medyczna cz. I Wybrane cechy allelomorficzne i układy grupowe krwi 1. Rodowody niektórych cech człowieka rys. drzewa genealogicznego i oznaczenie genotypów 2. Wybrane cechy

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

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera

Bardziej szczegółowo

P: Czy studiujący i niestudiujący preferują inne sklepy internetowe?

P: Czy studiujący i niestudiujący preferują inne sklepy internetowe? 2 Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia czy pomiędzy zmiennymi istnieje związek/zależność. Stosujemy go w sytuacji, kiedy zmienna zależna mierzona jest na skali

Bardziej szczegółowo

Algorytmy genetyczne

Algorytmy genetyczne 9 listopada 2010 y ewolucyjne - zbiór metod optymalizacji inspirowanych analogiami biologicznymi (ewolucja naturalna). Pojęcia odwzorowujące naturalne zjawiska: Osobnik Populacja Genotyp Fenotyp Gen Chromosom

Bardziej szczegółowo

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY

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

PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść II

PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść II PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść II Szkic wykładu 1 Wprowadzenie 2 3 4 5 Weryfikacja hipotez statystycznych Obok estymacji drugim działem wnioskowania statystycznego jest weryfikacja hipotez

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

Księgarnia PWN: Joanna R. Freeland - Ekologia molekularna

Księgarnia PWN: Joanna R. Freeland - Ekologia molekularna Księgarnia PWN: Joanna R. Freeland - Ekologia molekularna Spis treści Przedmowa................................. Podziękowania............................... XIII XIV 1 Metody genetyki molekularnej w badaniach

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, 20.09.2006 Biomatematyka

EGZAMIN DYPLOMOWY, część II, 20.09.2006 Biomatematyka Biomatematyka Załóżmy, że częstości genotypów AA, Aa i aa w całej populacji wynoszą p 2, 2pq i q 2. Wiadomo, że czynnik selekcyjny sprawia, że osobniki o genotypie aa nie rozmnażają się. 1. Wyznacz częstości

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO. Rzeczywistość (istniejąca lub projektowana).. Model fizyczny. 3. Model matematyczny (optymalizacyjny): a. Zmienne projektowania

Bardziej szczegółowo

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1. Opracowała: Joanna Kisielińska ZMIENNE LOSOWE Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R tzn. X: R. Realizacją zmiennej losowej

Bardziej szczegółowo

Teoria ewolucji. Dobór płciowy i krewniaczy. Altruizm. Adaptacjonizm i jego granice.

Teoria ewolucji. Dobór płciowy i krewniaczy. Altruizm. Adaptacjonizm i jego granice. Teoria ewolucji Dobór płciowy i krewniaczy. Altruizm. Adaptacjonizm i jego granice. Szczególne rodzaje doboru } Dobór płciowy } Dobór krewniaczy } Dobór grupowy? 2 Dobór i złożone zachowania } Nie istnieje

Bardziej szczegółowo

Dorota Fopp-Bayat Mirosław Łuczyński Małgorzata Jankun. Rola genetyki populacyjnej w zachowaniu bioróżnorodności ryb

Dorota Fopp-Bayat Mirosław Łuczyński Małgorzata Jankun. Rola genetyki populacyjnej w zachowaniu bioróżnorodności ryb 1 Dorota Fopp-Bayat Mirosław Łuczyński Małgorzata Jankun Rola genetyki populacyjnej w zachowaniu bioróżnorodności ryb 2 Publikację przygotowano w ramach projektu Ichtiologiczna bioróżnorodność jezior wypracowanie

Bardziej szczegółowo

ALGORYTMY GENETYCZNE ćwiczenia

ALGORYTMY GENETYCZNE ćwiczenia ćwiczenia Wykorzystaj algorytmy genetyczne do wyznaczenia minimum globalnego funkcji testowej: 1. Wylosuj dwuwymiarową tablicę 100x2 liczb 8-bitowych z zakresu [-100; +100] reprezentujących inicjalną populację

Bardziej szczegółowo