5 Teorie selekce a složky genetické změny
|
|
- Květoslava Šimková
- před 5 lety
- Počet zobrazení:
Transkript
1 část 4. (rough draft version) 5 Teorie selekce a složky genetické změny Princiy genetického zlešení omocí selekce Kvantitativně genetický řístu v tradičních šlechtitelských rogramech Část ozorovaných rozdílů mezi jedinci jsou důsledkem genetických efektů a ak tedy fenotyové hodnoty mohou být oužity k selekci zvířat. Genetické okrok může být získán i bez znalosti konkrétních genů kontrolujících užitkovou vlastnost. Šlechtitelský rogram racuje na těchto rinciech: Leší fenotyy by měly mít leší genotyy. Jsou-li leší genotyy oužity jako rodiče, řenáší se dobré geny na otomstvo a otomci by měli mít leší genotyy než ůvodní generace, z které byli vybráni rodiče. U otomků s lešími genotyy lze očekávat vývoj leších fenotyů. Jestliže jsou rodiče selektováni odle fenotyových hodnot, lze očekávat zlešení vlastnosti v další generaci v důsledku zlešení růměrné genetické hodnoty. Očekávaný zisk ze selekčního rogramu závisí na: stuni selektovaných rodičů, kteří mají leší růměr než růměr celé generace, řesnosti výběru rodičů a na tom, jak se jejich genetická nadřazenost řenese do říští generace, rychlosti výměny generací (generační interval) a očtu selekčních obrátek za časovou jednotku. Očekávaný genetický zisk může být určen následujícími faktory: Selekční intenzita i Předověď nadřazenosti selektované skuiny ve směrodatných odchylkách. Selekční intenzita závisí na odílu vybraných jedinců a je neřímo v oměru s odílem selektovaných jedinců (čím vyšší intenzita selekce, tím menší odíl selektovaných jedinců). Lze očekávat, že růměr nejleších zvířat (nař. horních 5%) je vyšší než růměr nejleších 50% jedinců. Variabilita Nejleší zvířata budou více vidět, když v oulaci bude velká variabilita měřené vlastnosti budou mít relativně vyšší růměrnou hodnotu. Směrodatná odchylka vlastnosti je násobena selekční intenzitou, abychom získali nejvyšší hodnoty vybraných rodičů v jednotkách vlastnosti. Přesnost selekce Určuje, jak dobře můžeme odhadnout skutečnou genetickou hodnotu (korelace mezi odhadovanou a skutečnou lemennou hodnotou). Čím řesnější bude selekce (budeme znát co nejskutečnější genetickou hodnotu zvířat), tím větší fenotyová hodnota vybraných rodičů bude řenesena do další generace. Přesnost selekce závisí rimárně na heritabilitě vlastnosti. 25
2 Je-li zahrnuta do odhadu PH informace o říbuzných jedincích, oakování vlastnosti nebo korelované vlastnosti, ak řesnost závisí také na celkovém množství získaných a oužitých informací. Generační interval L Je to růměrný věk rodičů, když se narodí jejich rvní otomci. Délka generačního intervalu určuje velikost genetického zisku. Je-li krátká, tak mají mladší lemeníci šanci rojevit svůj genetický otenciál mnohem rychleji (mladší zvířata jsou leší než starší). U mladších zvířat může být využito více selekčních cyklů v dané časové jednotce než u starších zvířat a genetické změny za rok budou vyšší. Snahou každého šlechtitelského rogramu je dosáhnout co nejkratší generační interval. Na druhou stranu, řesnost odhadu PH je u starších zvířat větší, rotože máme o něm a jeho říbuzných a vrstevníků více informací než u mladších jedinců. Jsou tedy možné dvě strategie: 1) selektování starších zvířat jako lemenných řesně, nebo 2) selektování mladších zvířat méně řesně, avšak s kratším generačním intervalem. - složky genetického zisku za rok a jejich vzájemná závislost R rok ΔG rok i L m m + i f + L f h 2 P m samci (male) f - samice (female) Nadřazenost vybraných rodičů je často indikována selekční diferencí (diferenciál), jakožto rozdíl růměrné hodnoty vybraných rodičů a růměru skuiny, ze které byli rodiče vybráni. 26
3 I když není známa růměrná hodnota zvířat, lez ředovědět výši hodnot vybraných jedinců. Závisí to na intenzitě selekce a očekávané fenotyové variabilitě. Menší odíl selektovaných zvířat vytváří větší intenzitu selekce. Čím větší variabilita, tím je vyšší růměrná hodnota selektovaných jedinců (jejich nadřazenost). 27
4 Genetický zisk za jednu generaci závisí na dvou faktorech: Jaký měli růměr selektovaní jedinci (selekční diferenci) a jakou měrou je jejich nadřazenost řenášena do další generace? Selekční diference je na fenotyové úrovni. Takže vybraní jedinci mohou vyadat fenotyově dobře, ale nemusíme si být jisti, že mají také dobré geny. Závisí to na heritabilitě. Větší heritabilita znamená, že to co můžeme změřit na zvířeti je zůsobeno zejména jeho genotyem. Zlešení z generace na generaci se nazývá jako odověď na selekci, selekční zisk nebo genetický zisk. očekávaný genetický zisk: 2 ΔG d.h 2 d. h očekávaný genetický zisk za rok: Δ G rok L Je třeba otimalizovat jednotlivé složky genetického zisku, neboť solu mohou interagovat: generační interval roti selekční řesnosti - selekce mladých jedinců neovede jen ke zkrácení generačního intervalu, ale může také vést k nižší selekční řesnosti, rotože mladší zvířata mají méně informací (nemají oakování vlastnosti, nemusí svou vlastní užitkovost nebo otomky) generační interval roti selekční intenzitě - jestliže si šlechtitel nechává ve stádě mnoho mladých zvířat a využívá vysoký stueň obměny stáda, může tak snižovat generační interval, ale selekční intenzita bude také nižší, rotože mnoho narozených zvířat je otřeba ro obměnu balancování selekční intenzity a generačního intervalu - alternativou je vyřazování starších zvířat a využívání více mladých, což ovede k tomu, že generační interval se sníží, selekční intenzita se sníží a roční genetický zisk bude maximalizován; čím méně starší jedince budeme vyřazovat, tím více nových musíme zařazovat do stáda, což je již méně otimální balancování selekční řesnosti a generačního intervalu - lze také vyčkat nař. jeden rok, než vybereme jedince do lemenitby, čímž získáme více informací o jedinci v důsledku oakovaného měření vlastnosti a řesnost selekce se tím zvýší, neboť může být vyjádřena jako heritabilita oakovaných měření, která je vyjádřena jako: A (1 r), kde je fenotyová variance růměru n ozorování na jedinci. Pn Pn r +. P, Pn n kde r je oakovatelnost (korelace mezi oakovanými záznamy) Př. Selekce na hmotnost vlny u ovcí. Máme stádo 1000 bahnic ve věkové struktuře v tabulce níže. Využíváme berany 2 roky a bahnice 6 let a rvní otomky máme o 2 letech. Poměr ohlaví je 1 beran na 50 bahnic. Poměr odstavených jehňat je 0,80, je zde určitá mortalita. Provádíme fenotyovou selekci s heritabilitou 0,30 a fenotyovou směrodatnou odchylkou 0,4 kg vlny. Věková struktura Věk ři orodu Celkem - očet beranů očet bahnic Generační intervaly beranů (m) a bahnic (f) 12x2 + 8x3 L m 2,4 roku
5 250x x x x x x7 L f 3,99 roku Selekční intenzita 1000 bahnic dává 0,8 x jehňat, v oměru ohlaví 1:1 (400 beránků a 400 bahnic) m 12 mladých beranů vybraných ze /400 0,03 1 z tabulky i m 2, /400 0,625 z tabulky i f 0, 607 f Genetický zisk za rok i m + i f 2 2, ,607 R rok h P.0,30.0,4 0,054 Kg L + L 2,4 + 3,99 m f Uvedená selekční strategie zvýší hmotnost vlny za rok o 0,054 kg. Selekční index a tradiční šlechtitelské rogramy Selekce na jednu vlastnost je založena na záznamech užitkových hodnot a říbuznosti mezi zvířaty. Očekávaný zisk je maximalizován selekcí jedinců na základě odhadu genetických hodnot u (PH), které mohou být vyočítány takto (maticový záis): 1 u E(u) + CV [ y E( y) ] kde E(.) je očekávaná hodnota, y je vektor hodnot užitkovosti, C je kovarianční matice mezi u a y, V je varianční matice ro y. Pro říad jednoho záznamu užitkovosti na jedno zvíře bez říbuznosti mezi jedinci je CV -1 roven hodnotě heritability vlastnosti. Očekávaný zisk za jednu generaci selekce ΔG je rovna: Δ G i r a A kde i je selekční intenzita, ra je řesnost hodnocení a A je aditivní genetická směrodatná odchylka. Selekční intenzita (standardní selekční diference) je růměrná hodnota horní části standardní normální distribuce s frekvencí ravděodobnost vybraného jedince (nebo také jako rozdíl mezi růměrem selektované skuiny a růměrem oulace řed selekcí (diferenciál) v jednotkách směrodatné odchylky vlastnosti; růměrná odchylka vybraných jedinců v jednotkách směrodatné odchylky): ϕ d i nebo i P kde ϕ je hustota standardní normální křivky distribuce v bodě selekčního kritéria a je odíl vybraných jedinců. Přesnost hodnocení je korelací mezi odhadovanými a skutečnými lemennými hodnotami. Čtverec řesnosti je solehlivost genetického ohodnocení. Solehlivost je odíl ředovězené reziduální variance OPH a variance u. V našem říadě je r a rovna druhé odmocnině heritability. 1 Nař. str. 354 v ublikaci Falconer Introduction to quantitative genetics. (latí ro velké oulace) 29
6 i ra A Genetický zisk za rok: Δ G rok L Ve většině šlechtitelských rogramů jsou selekční intenzity, řesnosti a generační intervaly rozdílné odle čtyř cest řenosu genetické informace 2 : otec syn (SS), otec dcera (SD), matka syn (MD) a matka dcera (DD). Pak genetický zisk ro oulaci za rok je (Rendel a Robertson, 1950): ΔG SS + ΔG SD + ΔG DS + ΔG DD Δ G L + L + L + L SS SD kde ΔG x je genetický zisk za generaci odle cesty x a Lx je generační interval odle cesty x. Rovnice Δ G i r a A je založena na ředokladu, že kandidáti ro selekci mají stejný genetický růměr a řesnost. Ve většině komerčních rogramů tomu tak není. Selekce se rovádí mezi jedinci různého věku (řekrývající se generace). U starších zvířat řesnost vzrůstá, z důvodu rojevu ekonomických vlastností a akumulování informací o říbuzných. V déletrvajících šlechtitelských rogramech mají naoak mladší zvířata vyšší genetickou hodnotu než starší. Pak selekce odle selekčního kritéria (výběrové hranice) s omocí OPH všech jedinců bude stále dosahovat otimálních genetických zisků, ale uvedená rovnice není dále srávná. Očekávaný genetický zisk bude funkcí odílu jedinců v každé věkové skuině, jejich růměrnou řesností a stuněm genetického zisku v oulaci. Selekce na více vlastností Předokládejme, že každý jedinec má zasány individuální PH ve vektoru u o velikosti m a vektor y o velikosti n s naměřenými hodnotami užitkovosti. Ekonomické hodnoty jsou asociovány s u a jsou lineárními funkcemi hodnot vlastnosti. Vektor v (o délce m) obsahuje ekonomické hodnoty vlastností v u. Agregovaná ekonomická lemenná hodnota H, může být vyočítána jako v`u. Otimální selekční index H je skalár v eněžních jednotkách. Pro danou selekční intenzitu bude genetický zisk největší (v eněžních jednotkách), jestliže kandidáti na selekci jsou hodnoceni omocí H. Protože rvky v u nejsou známé, je cílem odvodit lineární index I s ro y, který maximalizuje korelaci mezi I s a H. Vektor b je definován jako vektor koeficientů indexu I s b`y. Ve skalárním záisu: I s b 1 y 1 + b 2 y b n y n DS DD n i 1 b i y i, kde b je koeficient indexu ro vlastnost i. Cílem je vyřešit vektor b, aby se maximalizovala korelace mezi b`y a v`u. Matice V (n x n) je matice fenotyové variance vlastností v y a C (n x m) je matice genetických kovariancí mezi měřenými vlastnostmi v y a lemenných hodnot u. Koeficienty selekčního indexu jsou ak odvozeny následující rovnicí: b V -1 2 Pro říad jedné vlastnosti V C h. Bylo vyvinuto mnoho metod ro řešení rovnice. Jestliže všechny vlastnosti začleněné do selekčního indexu jsou také začleněny do šlechtitelského indexu, ak C je rovno matici genetické variance. Jestliže jsou ekonomické hodnoty lineárními funkcemi hodnot biologických vlastností a jestliže nejsou známy jiné informace než hodnoty vlastnosti a říbuznosti, ak selekce rodičů -1 Cv i 2 S sire (otec), D dam (matka) 30
7 na základě I s je nejvíce účinnou metodou ke zvýšení růměrné ekonomické hodnoty oulace. Vektor genetického zisku vlastnosti, ΔG, za jednu generaci selekce na I s je: i C b ΔG kde Is je směrodatná odchylka selekčního indexu, která je vyočítána z variance selekčního indexu, která je rovna b V b. Pravá strana rovnice se redukuje na (ih A ), ro fenotyovou selekci na jednu vlastnost (viz výše). Ekonomická hodnota genetického zisku na selekce odle indexu, v ΔG, se vyočítá: v ΔG i ( v C V 1 Cv) /( v C V 1 Is Cv) 0,5 i ( v C V 1 Cv) 0,5 i Is Kombinovaný řístu kvantitativně molekulární Většina genetického zisku u kvantitativních vlastností u hosodářských zvířat je vytvořeno selekcí na fenoty nebo odhadem lemenných hodnot odvozených z fenotyu, bez znalosti očtu genů odmiňujících vlastnost nebo efektů každého z genů (vychází se jen z odhadované genetické variability aditivní složky). Genetická architektura vlastnosti byla označována jako černá skříňka. Navzdory tomu, byl dosahován značný stueň genetického zlešování v oulacích zvířat na základě kvantitativně genetického řístuu. Jasným důkazem je síla těchto metod selekce. To však neznamená, že kdybychom se mohli odívat do té černé skříňky genů kvantitativní vlastnosti a oužili jejich informaci, že by nedocházelo k leším selekčním rozhodnutím. V současné době lze sledovat velký rozmach studia genomů jedinců a oulací na úrovni DNA. Molekulární genetika oskytuje nové nástroje. Bylo zmaováno mnoho genů, které mají tzv. větší účinek (major gen) na kvantitativní vlastnost (označuje se jako lokus kvantitativních vlastností, QTL) a genetické markery, které jsou ve vazbě s QTL (nař. RYR1, ESR, RN, ) ro různé vlastnosti kvalita masa, rerodukce, nemoci. Ačkoli se jedná o vrchol ledovce, neustále se maují nové a nové oblasti v genomech hosodářských zvířat s výrazným efektem na nějakou užitkovou vlastnost. V každém říadě dochází k oznávání genů černé skříňky. To vede k situaci jaká je zobrazena na obrázku dole, v kterém ředokládáme znalost o určitých genech, jejichž informace je dále vztažena k fenotyovým informacím. Na fenotyová data se nebudeme muset ohlížet až v okamžiku, kdy budeme znát všechny geny (lokalizované, sekvencované a určené jejich efekty). 31
8 Závěr: Genetické zlešení ro daný šlechtitelský cíl může být očekáván určením selekční diference u selektovaných rodičů. Genetické zlešení je určeno soluůsobením těchto faktorů: selekční řesnost, heritabilita a generační interval. Takž genetický zisk může být ředovězen určením hodnot těchto faktorů. Takováto ředověď může být využita v strategickém rozhodování ři volbě šlechtitelských rogramů. Je nutné říci, že ředovědi genetického zisku nejsou vždy realizovány, rotože nař. selekční diference není ve skutečnosti tak vysoká, jak byla lánována. Existují i další důvody, roč je genetický zisk nižší než ředovězený: selekce v delším období snižuje genetickou variabilitu, kdy jsou významné geny selekcí fixovány alely se dostávají do nerovnováhy inbríding vede ke snižování variability, objevují se říznaky inbrední derese a zvýšený výskyt genetických vad (využití inbrídingu závisí na efektivní velikosti oulace); otimální selekční rogram je odvozen z rovnováhy mezi inbrídingem a genetickým ziskem. Objevují se také nové nástroje ro šlechtění, které oskytuje výzkum molekulární genetiky, který je v současné době velmi diskutován. Přesto již rvní výsledky často odléhají atentování a stávají se součástí obchodních tajemství. (více v tématu QTL a MAS). Materiály určené ro studenty secializace Genetika a šlechtění hosodářských zvířat ro ředmět Genetika ve šlechtění zvířat (letní semestr 2006). Dr. Ing. Tomáš Urban ÚMFGZ racoviště genetiky MZLU v Brně htt:// urban@mendelu.cz únor 06 Urban
Dynamika populací. s + W = 1
Je-li oulace v genetické rovnováze, je stabilizovaná bez dalšího vývoje - evoluční stagnace. V reálných oulacích zvířat a rostlin, kdy nejsou slňovány výše zmíněné odmínky rovnováhy, je H.-W. genetická
Více8 Odhad plemenné hodnoty (OPH)
Genetika ve šlechtění zvířat TGU 006 část 7. (rough draft version) 8 Odhad plemenné hodnot (OPH) V populaci jedinců je genetická variabilita způsobená jedinci s různými genotp. U kvantitativních vlastností
VíceSelekce. Zdeňka Veselá
Selekce Zdeňka Veselá vesela.zdenka@vuzv.cz Selekce Cílem změna genetické struktury populace 1. Přírodní 2. Umělá Selekce 1. Direkcionální (směrovaná) Nejčastější Výsledkem je posun střední hodnoty populace
VíceUniverzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ
Univerzita Pardubice FAKULA CHEMICKO ECHNOLOGICKÁ MEODY S LAENNÍMI PROMĚNNÝMI A KLASIFIKAČNÍ MEODY SEMINÁRNÍ PRÁCE LICENČNÍHO SUDIA Statistické zracování dat ři kontrole jakosti Ing. Karel Dráela, CSc.
VíceII. ročník, zimní semestr 2. týden P O P U L A Č N Í G E N E T I K A
II. ročník, zimní emetr. týden 3.0. - 7.0.008 P O P U L A Č N Í G E N E T I K A I. . Odhad frekvence receivní alely a zadání v úkolu č. 8a/tr. 0 Kot 30 % nechutnačů PTC ve zkoumané oulaci fenoty genotyy
VíceSelekční efekt. Úvod do šlechtění zvířat 1
Selekční efekt Úvod do šlechtění zvířat 1 Dědičnost tělesné výšky u lidí ( F. Galton 1800-1911) Generac Odchylky od průměru populace e Rodičů -6,0-4,5-3,0-1,5 0 +1,5 +3,0 +4,5 +5,0 Potomků -4,0-2,5-1,5-1,0
Více4. Genetické základy šlechtění hospodářských zvířat
část 3. (rough draft version) 4. Genetické základy šlechtění hospodářských zvířat Obecné principy postupu šlechtění Šlechtění je ekonomicky výhodnější než prostá produkce živočišných produktů ať v krátkodobém
VíceZdeňka Veselá Tel.: Výzkumný ústav živočišné výroby, v.v.i.
BIOTECHNOLOGICKÉ METODY VE ŠLECHTĚNÍ HOSPODÁŘSKÝCH ZVÍŘAT Zdeňka Veselá vesela.zdenka@vuzv.cz Tel.: 267009571 Výzkumný ústav živočišné výroby, v.v.i. Co je šlechtění? Soustavné zlepšování genetických schopností
VíceLINEÁRNÍ MODELY. Zdeňka Veselá
LINEÁRNÍ MODELY Zdeňka Veselá vesela.zdenka@vuzv.cz Genetika kvantitativních vlastností Jednotlivé geny nejsou zjistitelné ani měřitelné Efekty většího počtu genů poskytují variabilitu, kterou lze většinou
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko ro odoru jakosti Konzultační středisko statistických metod ři NIS-PJ Analýza zůsobilosti Ing. Vratislav Horálek, DrSc. ředseda TNK 4: Alikace statistických metod Ing. Josef
VíceGenetika kvantitativních znaků. - principy, vlastnosti a aplikace statistiky
Genetika kvantitativních znaků Genetika kvantitativních znaků - principy, vlastnosti a aplikace statistiky doc. Ing. Tomáš Urban, Ph.D. urban@mendelu.cz Genetika kvantitativních vlastností Mendelistická
VíceZdeňka Veselá Tel.: Výzkumný ústav živočišné výroby, v.v.i.
ZÁKLADNÍ ZÁSADY ŠLECHTĚNÍ Zdeňka Veselá vesela.zdenka@vuzv.cz Tel.: 267009571 Výzkumný ústav živočišné výroby, v.v.i. Význam šlechtění Nejefektivnější činnost chovatele Soustavné zlepšování genetických
VíceZáklady genetiky populací
Základy genetiky populací Jedním z významných odvětví genetiky je genetika populací, která se zabývá studiem dědičnosti a proměnlivosti u velkých skupin jedinců v celých populacích. Populace je v genetickém
VíceZpůsobilost. Data a parametry. Menu: QCExpert Způsobilost
Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány
VíceExperiment s dlouhodobou selekcí krav na ukazatele produkce a zdravotního stavu v Norsku Ing. Pavel Bucek, Českomoravská společnost chovatelů, a.s.
Experiment s dlouhodobou selekcí krav na ukazatele produkce a zdravotního stavu v Norsku Ing. Pavel Bucek, Českomoravská společnost chovatelů, a.s. Z chovatelské praxe a z celé řady vědeckých experimentů
Více3.2 Metody s latentními proměnnými a klasifikační metody
3. Metody s latentními roměnnými a klasifikační metody Otázka č. Vyočtěte algoritmem IPALS. latentní roměnnou z matice A[řádek,slouec]: A[,]=, A[,]=, A[3,]=3, A[,]=, A[,]=, A[3,]=0, A[,3]=6, A[,3]=4, A[3,3]=.
VíceHeritabilita. Heritabilita = dědivost Podíl aditivního rozptylu na celkovém fenotypovém rozptylu Výpočet heritability
Heritabilita Heritabilita = dědivost Podíl aditivního rozptylu na celkovém fenotypovém rozptylu Výpočet heritability h 2 = V A / V P Výpočet genetické determinance znaku h 2 = V G / V P Heritabilita závisí
VícePopis modelu pro odhady PH mléčné užitkovosti
Plemdat, s.r.o. 2.4.206 Popis modelu pro odhady P mléčné užitkovosti vířata zařazená do hodnocení V modelu plemene jsou hodnoceny krávy s podílem krve nebo 75% a výše. Krávy s podílem krve masného plemene
VícePředpověď plemenné hodnoty Něco málo z praxe. Zdeňka Veselá
Předpověď plemenné hodnoty Něco málo z praxe Zdeňka Veselá vesela.zdenka@vuzv.cz Příprava datových souboru Databáze s výsledky užitkovosti jsou zpravidla obrovské soubory Např. kontrola užitkovosti masného
VícePopis modelu pro odhady PH mléčné užitkovosti
Popis modelu pro odhady PH mléčné užitkovosti Zvířata zařazená do hodnocení V modelu plemene H jsou hodnoceny krávy s podílem krve H nebo 75% a výše. V modelu plemene C jsou hodnoceny krávy s podílem krve
VíceKBI / GENE Mgr. Zbyněk Houdek
Dědičnost komplexních a kvantitativních znaků KBI / GENE Mgr. Zbyněk Houdek Komplexní znaky Komplexní fenotypy mohou být ovlivněny genetickými faktory a faktory prostředí. Mezi komplexní znaky patří např.
VíceHodnocení plemenných + chovných + užitkových prasat
Hodnocení plemenných + chovných + užitkových prasat Metodické pokyny SCHP Hodnocení plemenných prasat Cíl hodnocení stanovit předpoklad využití zvířat v plemenitbě k dalšímu šlechtění populace k masovému
VíceOdhad plemenné hodnoty
Odhad plemenné hodnot doc. Ing. Tomáš Urban, Ph.D. urban@mendelu.cz Genetická variabilita > jedinci s různými genotp > různí jedinci mají různou genetickou hodnotu Pro šlechtitele je důležitá plemenná
VíceInovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/
Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG)
VíceMožnosti selekce na zlepšenou konverzi krmiva u ovcí
Možnosti selekce na zlepšenou konverzi krmiva u ovcí Ing. Pavel Bucek, Českomoravská společnost chovatelů, a. s. Příspěvek byl publikován v upravené podobě v časopise Farmář Z praxe a celé řady výzkumných
VíceHodnocení plemenných + chovných + užitkových prasat
Hodnocení plemenných + chovných + užitkových prasat Metodické pokyny SCHP Hodnocení plemenných prasat Cíl hodnocení stanovit předpoklad využití zvířat v plemenitbě k dalšímu šlechtění populace k masovému
VíceTok GI v buňce. Genetický polymorfizmus popis struktury populací. Organizace genetického materiálu. Definice polymorfismu
Genetický olymorfizmus ois struktury oulací Tok GI v buňce Dr. Ing. Urban Tomáš ÚSTAV GEETIKY MZLU Brno urban@mendelu.cz htt://www.mendelu.cz/af/genetika/ Seminář doktorského grantu 53/03/H076 : Molekulárn
VíceDynamické programování
ALG Dynamické rogramování Nejdelší rostoucí odoslounost Otimální ořadí násobení matic Nejdelší rostoucí odoslounost Z dané oslounosti vyberte co nejdelší rostoucí odoslounost. 5 4 9 5 8 6 7 Řešení: 4 5
VíceKoncept heritability
Genetika kvantitativních znaků Koncept heritability doc. Ing. Tomáš Urban, Ph.D. urban@mendelu.cz Heritabilita míra Použití korelačních koeficientů může podporovat hypotézu, že daná kontinuální vlastnost
VíceMgr. et Mgr. Lenka Falková. Laboratoř agrogenomiky. Ústav morfologie, fyziologie a genetiky zvířat Mendelova univerzita
Mgr. et Mgr. Lenka Falková Laboratoř agrogenomiky Ústav morfologie, fyziologie a genetiky zvířat Mendelova univerzita 9. 9. 2015 Šlechtění Užitek hospodářská zvířata X zájmová zvířata Zemědělství X chovatelství
VíceSelekční indexy v praxi. Josef Kučera
Selekční indexy v praxi Josef Kučera Selekce Cílem selekce je výběr zvířat k produkci potomstva pro obměnu stáda nebo v celé populaci k produkci další generace zvířat na všech úrovních šlechdtelského programu
VíceGenetika kvantitativních znaků
Genetika kvantitativních znaků Kvantitavní znaky Plynulá variabilita Metrické znaky Hmotnost, výška Dojivost Srstnatost Počet vajíček Velikost vrhu Biochemické parametry (aktivita enzymů) Imunologie Prahové
VíceZákon o vyrovnání relativní mezní produktivity (MP) (týká se výrobce), pro výrobce užitek = produktivita, chová se jako viz výše MU
Úvod do ekonomické teorie (body k řednášce) zásadní konstatování (A + B): (A) Užitek (Utilita) vyjadřuje míru usokojení sotřebitele ři získání určitého statku (výrobku, služby) Užitek je určen ředevším:
Více7. VÝROBNÍ ČINNOST PODNIKU
7. Výrobní činnost odniku Ekonomika odniku - 2009 7. VÝROBNÍ ČINNOST PODNIKU 7.1. Produkční funkce teoretický základ ekonomiky výroby 7.2. Výrobní kaacita Výrobní činnost je tou činností odniku, která
VícePropojení výuky oborů Molekulární a buněčné biologie a Ochrany a tvorby životního prostředí. Reg. č.: CZ.1.07/2.2.00/
Propojení výuky oborů Molekulární a buněčné biologie a Ochrany a tvorby životního prostředí Reg. č.: CZ.1.07/2.2.00/28.0032 Genetika populací Studium dědičnosti a proměnlivosti skupin jedinců (populací)
VíceVětrání hromadných garáží
ětrání hromadných garáží Domácí ředis: ČSN 73 6058 Hromadné garáže, základní ustanovení, latná od r. 1987 Zahraniční ředisy: ÖNORM H 6003 Lüftungstechnische Anlagen für Garagen. Grundlagen, Planung, Dimensionierung,
VíceStavový model a Kalmanův filtr
Stavový model a Kalmanův filtr 2 prosince 23 Stav je veličina, kterou neznáme, ale chtěli bychom znát Dozvídáme se o ní zprostředkovaně prostřednictvím výstupů Příkladem může býapř nějaký zašuměný signál,
VíceVÝZKUMNÝ ÚSTAV ŽIVOČIŠNÉ VÝROBY,
VÝZKUMNÝ ÚSTAV ŽIVOČIŠNÉ VÝROBY, Praha Uhříněves TDM 2004 5 METODIKA PRO PRAXI VÝZKUMNÝ ÚSTAV ŽIVOČIŠNÉ VÝROBY, Praha Uhříněves doc. ing. Josef Bouška, CSc. ředitel METODIKA odhadu plemenných hodnot dojných
VícePopis stanovení plemenné hodnoty pro plodnost u plemene H
Popis stanovení plemenné hodnoty pro plodnost u plemene H Vyhodnocují se inseminace provedené před třemi měsíci a starší, tedy po vyšetření březosti. Inseminace provedené dříve než v roce 1995 nejsou do
VíceSTATISTICKÉ METODY. (kombinovaná forma, 8.4., 20.5. 2012) Matěj Bulant, Ph.D., VŠEM
STATISTICKÉ METODY A DEMOGRAFIE (kombinovaná forma, 8.4., 2.5. 22) Matěj Bulant, Ph.D., VŠEM Řekli o statistice Věřím ouze těm statistikám, které jsem sám zfalšoval. Tři stuně lži - lež, hnusná lež, statistika.
VíceV následující tabulce jsou uvedeny jednotky pro objemový a hmotnostní průtok.
8. Měření růtoků V následující tabulce jsou uvedeny jednotky ro objemový a hmotnostní růtok. Základní vztahy ro stacionární růtok Q M V t S w M V QV ρ ρ S w ρ t t kde V [ m 3 ] - objem t ( s ] - čas, S
VíceSHANNONOVY VĚTY A JEJICH DŮKAZ
SHANNONOVY VĚTY A JEJICH DŮKAZ JAN ŠŤOVÍČEK Abstrakt. Důkaz Shannonových vět ro binární symetrický kanál tak, jak měl být robrán na řednášce. Číslování vět odovídá řednášce. 1. Značení a obecné ředoklady
VíceCvičení z termomechaniky Cvičení 5.
Příklad V komresoru je kontinuálně stlačován objemový tok vzduchu *m 3.s- + o telotě 0 * C+ a tlaku 0, *MPa+ na tlak 0,7 *MPa+. Vyočtěte objemový tok vzduchu vystuujícího z komresoru, jeho telotu a říkon
VíceDatová centra a úložiště. Jaroslav G. Křemének g.j.kremenek@gmail.com
Datová centra a úložiště Jaroslav G. Křemének g.j.kremenek@gmail.com České národní datové úložiště Součást rojektu CESNET Rozšíření národní informační infrastruktury ro VaV v regionech (eiger) Náklady
VíceZ D E Ň K A V E S E L Á, V E S E L A. Z D E N K V U Z V. C Z
HYBRIDIZACE ZD E Ň K A V E S E LÁ, V E S E LA. ZD E N K A @ V U Z V. C Z DVĚ METODY DOCÍLENÍ ŠLECHTITELSKÉHO POKROKU 1. Využití genetické proměnlivosti mezi jedinci uvnitř populace Selekce Záměrné připařování
VíceAplikace molekulárně- genetických dat ve šlechtění. Humpolíček Petr
Aplikace molekulárně- genetických dat ve šlechtění Humpolíček Petr Co vás čeká Tradiční šlechtitelské postupy Typy molek-gen. dat Přístupy k aplikaci molek-gen. dat Srovnání přístupů Šlechtění na odolnost
VíceOdhad plemenné hodnoty u plemene Salers
Odhad plemenné hodnoty u plemene Salers Základní statistické analýzy polního testu Rok zpracování 2000 počet průměr smodch min max průběh porodu PP 83916 1,09 0,36 1,00 4,00 porodní hmotnost porhm 85145
VícePředpjatý beton Přednáška 6
Předjatý beton Přednáška 6 Obsah Změny ředětí Okamžitým ružným řetvořením betonu Relaxací ředínací výztuže Přetvořením oěrného zařízení Rozdílem telot ředínací výztuže a oěrného zařízení Otlačením betonu
VíceÚvěr a úvěrové výpočty 1
Modely analýzy a syntézy lánů MAF/KIV) Přednáška 8 Úvěr a úvěrové výočty 1 1 Rovnice úvěru V minulých řednáškách byla ro stav dluhu oužívána rovnice 1), kde ředokládáme, že N > : d = a b + = k > N. d./
VíceSTATISTICKÉ METODY A DEMOGRAFIE
STATISTICKÉ METODY A DEMOGRAFIE (kombinovaná forma, 8.4., 2.5., 7.6. 22) Matěj Bulant, Ph.D., VŠEM Řekli o statistice Věřím ouze těm statistikám, které jsem sám zfalšoval. Tři stuně lži - lež, hnusná lež,
VícePARALELNÍ PROCESY A PROGRAMOVÁNÍ
PARALELNÍ PROCESY A PROGRAMOVÁNÍ 6 Analýza složitosti algoritmů - cena, ráce a efektivita Ing. Michal Bližňák, Ph.D. Zlín 2013 Tento studijní materiál vznikl za finanční odory Evroského sociálního fondu
VíceInovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/
Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/..00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG) Tento
VíceBiologie a genetika, BSP, LS7 2014/2015, Ivan Literák
Biologie a genetika, BSP, LS7 2014/2015, Ivan Literák KVANTITATIVNÍ GENETIKA dědičnost kvantitativních znaků ZNAKY KVALITATIVNÍ: gen znak barva hrachu: žlutá zelená (i komplikovaněji penetrace, epresivita,
Více- úvod, význam, aplikace
20.2.2015 - úvod, význam, aplikace doc. Ing. Tomáš Urban, Ph.D. MENDELU urban@mendelu.cz Informační zdroje E-learning: Urban T.: Virtuální svět genetiky 3 principy genetiky populací a kvantitativních znaků
VíceCvičeníč. 9: Dědičnost kvantitativních znaků; Genetika populací. KBI/GENE: Mgr. Zbyněk Houdek
Cvičeníč. 9: Dědičnost kvantitativních znaků; Genetika populací KBI/GENE: Mgr. Zbyněk Houdek Kvantitativní znak Tyto znaky vykazují plynulou proměnlivost (variabilitu) svého fenotypového projevu. Jsou
VíceEkonomické hodnoty znaků masného skotu
Ekonomické hodnoty znaků masného skotu Krupa E., Wolfová M., Wolf, J., Krupová, Z. I Výzkumný Ústav Živočišné Výroby, v.v.i., Praha - Uhříněves Obsah přednášky Celková plemenná hodnota Co to je Ekonomická
Více1. Přednáška. Ing. Miroslav Šulai, MBA
N_OFI_2 1. Přednáška Počet pravděpodobnosti Statistický aparát používaný ve financích Ing. Miroslav Šulai, MBA 1 Počet pravděpodobnosti -náhodné veličiny 2 Počet pravděpodobnosti -náhodné veličiny 3 Jevy
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceCVIČENÍ Z ELEKTRONIKY
Střední růmyslová škola elektrotechnická Pardubice CVIČENÍ Z ELEKRONIKY Harmonická analýza Příjmení : Česák Číslo úlohy : Jméno : Petr Datum zadání :.1.97 Školní rok : 1997/98 Datum odevzdání : 11.1.97
VíceÚloha č.1: Stanovení Jouleova-Thomsonova koeficientu reálného plynu - statistické zpracování dat
Úloha č.1: Stanovení Jouleova-Thomsonova koeficientu reálného lynu - statistické zracování dat Teorie Tam, kde se racuje se stlačenými lyny, je možné ozorovat zajímavý jev. Jestliže se do nádoby, kde je
Více8.2 PLEMENÁŘSKÁ PRÁCE V CHOVU SKOTU
8.2 PLEMENÁŘSKÁ PRÁCE V CHOVU SKOTU A. SELEKCE SKOTU Zákon č. 154/2000Sb O šlechtění,plemenitbě a evidenci hospodářských zvířat ( plemenářský zákon ) Organizace zabývající se šlechtěním: Plemo a.s., ČMSCH
VíceZávislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky
Závislost indexů C,C na zůsobu výočtu směrodatné odchyly Ing. Renata Przeczová atedra ontroly a řízení jaosti, VŠB-TU Ostrava, FMMI Podni, terý chce usět v dnešní onurenci, musí neustále reagovat na měnící
VícePokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými
1 Pracovní úkoly 1. Změřte závislost indexu lomu vzduchu na tlaku n(). 2. Závislost n() zracujte graficky. Vyneste také závislost závislost vlnové délky sodíkové čáry na indexu lomu vzduchu λ(n). Proveďte
VícePříklady z populační genetiky volně žijících živočichů
Obecná genetika Příklady z populační genetiky volně žijících živočichů Ing. Martin ERNST, PhD. Ústav ochrany lesů a myslivosti LDF MENDELU Brno Tento projekt je spolufinancován Evropským sociálním fondem
Vícemůžeme toto číslo považovat za pravděpodobnost jevu A.
RAVDĚODOBNOST - matematická discilína, která se zabývá studiem zákonitostí, jimiž se řídí hromadné náhodné jevy - vytváří ravděodobnostní modely, omocí nichž se snaží ostihnout náhodné rocesy. Náhodné
VíceProtokol o provedeném měření
Fyzikální laboratoře FLM Protokol o rovedeném měření Název úlohy: Studium harmonického ohybu na ružině Číslo úlohy: A Datum měření: 8. 3. 2010 Jméno a říjmení: Viktor Dlouhý Fakulta mechatroniky TU, I.
VíceTento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/
Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Složky šlechtění lesních dřevin šlechtění testování rozmnožování Ověřování vyšlechtěného
VíceŠlechtitelské + hybridizační programy
Šlechtitelské + hybridizační programy Plemenářská práce širší pojetí souhrn zootechnických + organizačních + ekonomických opatření cíl všestranné zvyšování užitkovosti prasat užší pojetí zásahy do genotypové
VíceMetody s latentními proměnnými a klasifikační metody
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie etody s latentními roměnnými a klasifikační metody Ing. Roman Slavík V Bohumíně 4.4. ŽDB a.s. Příklad č. Vyočtěte algoritmem
VíceKonzervační genetika INBREEDING. Dana Šafářová Katedra buněčné biologie a genetiky Univerzita Palackého, Olomouc OPVK (CZ.1.07/2.2.00/28.
Konzervační genetika INBREEDING Dana Šafářová Katedra buněčné biologie a genetiky Univerzita Palackého, Olomouc OPVK (CZ.1.07/2.2.00/28.0032) Hardy-Weinbergova rovnováha Hardy-Weinbergův zákon praví, že
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
Více1. série. Různá čísla < 1 44.
série Téma: Termínodeslání: Různá čísla ½ º Ò ½ ½º ÐÓ je řirozené q9+9 q 6+ 9 9 6 ¾º ÐÓ `5+ 6 998 není řirozené º ÐÓ Nechť c je řirozené číslo Rozhodněte, které z čísel c+ c a c c je větší a své tvrzení
VíceCyklické kódy. Alena Gollová, TIK Cyklické kódy 1/23
Cyklické kódy 5. řednáška z algebraického kódování Alena Gollová, TIK Cyklické kódy 1/23 Obsah 1 Cyklické kódy Generující olynom - kódování Kontrolní olynom - objevování chyb Alena Gollová, TIK Cyklické
VíceMendelistická genetika
Mendelistická genetika Základní pracovní metodou je křížení křížení = vzájemné oplozování organizmů s různými genotypy Základní pojmy Gen úsek DNA se specifickou funkcí. Strukturní gen úsek DNA nesoucí
Více2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení
2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@niax.cz Pravděodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, tyy dat, variabilita, frekvenční analýza
VíceModel tenisového utkání
Model tenisového utkání Jan Šustek Semestrální rojekt do ředmětu Náhodné rocesy 2005 V této ráci se budu zabývat modelem tenisového utkání. Vstuními hodnotami budou úsěšnosti odání jednotlivých hráčů,
VíceTERMIKA VIII. Joule uv a Thompson uv pokus pro reálné plyny
TERMIKA VIII Maxwellova rovnovážná rozdělovací funkce rychlostí Joule uv a Thomson uv okus ro reálné lyny 1 Maxwellova rovnovážná rozdělovací funkce rychlostí Maxwellova rychlostní rozdělovací funkce se
VíceGenotypy absolutní frekvence relativní frekvence
Genetika populací vychází z: Genetická data populace mohou být vyjádřena jako rekvence (četnosti) alel a genotypů. Každý gen má nejméně dvě alely (diploidní organizmy). Součet všech rekvencí alel v populaci
VíceKatedra speciální zootechniky, FAPPZ ČZU Praha
Šlechtění dojeného skotu v ČR Katedra speciální zootechniky, FAPPZ ČZU Praha Postupy při šlechtění Testování a posuzování vlastností zvířat Kontrola dědičnosti Šlechtitelské programy Šlechtění stád Testace
VíceProč nový systém odhadu plemenných hodnot?
Proč nový systém odhadu plemenných hodnot? Faktory ovlivňující užitkovost Chovatel Výživa Prostředí Užitkovost Genetická výbava 5-15% Zisk chovatele Spotřebitel Hodnocení zvířat 1900 KU 1920 vývoj metod
VícePředm luva A notace/a n n o tatio n... 15
Obsah Předm luva... 13 A notace/a n n o tatio n... 15 A Selekce 37 1 Selekce k valitativních v la stn o stí 41 1.1 Definice populace a genetiky p o p u la c í...41 1.2 Principy selekce...42 1.3 Genetické
VíceObvodové rovnice v časové oblasti a v operátorovém (i frekvenčním) tvaru
Obvodové rovnice v časové oblasti a v oerátorovém (i frekvenčním) tvaru EO Přednáška 5 Pavel Máša - 5. řednáška ÚVODEM V ředchozím semestru jsme se seznámili s obvodovými rovnicemi v SUS a HUS Jak se liší,
Více1. Ukazatele primární: - jsou přímo zjišťované, neodvozené - např. stav zásob, počet pracovníků k 31. 12., atd.
SROVNÁVÁNÍ HODNOT STATSTCÝCH UKAZATELŮ - oisem a analýzou ekonomikýh jevů a roesů omoí statistikýh ukazatelů se zabývá hosodářská statistika - ílem je nalézt zůsoby měření ekonomiké skutečnosti (ve formě
VíceTéma 7: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV
Téma 7: Přímý Otimalizovaný Pravděodobnostní Výočet POPV Přednáška z ředmětu: Pravděodobnostní osuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola
VíceInovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/
Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG)
Více2. Najděte funkce, které vedou s těmto soustavám normálních rovnic
Zadání. Sestavte soustavu normálních rovnc ro funkce b b a) b + + b) b b +. Najděte funkce, které vedou s těmto soustavám normálních rovnc nb a) nb. Z dat v tabulce 99 4 4 b) určete a) rovnc regresní funkce
VíceSlezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné
Slezská univerzita v Oavě Obchodně odnikatelská fakulta v Karviné Přijímací zkouška do. ročníku OPF z matematiky (00) A Příklad. Určete definiční oboovnice a rovnici řešte. n + n =. + D : n N n = b b +
VíceMatematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace
Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace Jan Slovák Masarykova univerzita Fakulta informatiky 28. 11 2. 12. 2016 Obsah přednášky 1 Literatura 2 Střední
VíceGenetická diverzita masného skotu v ČR
Genetická diverzita masného skotu v ČR Mgr. Jan Říha Výzkumný ústav pro chov skotu, s.r.o. Ing. Irena Vrtková 26. listopadu 2009 Genetická diverzita skotu pojem diverzity Genom skotu 30 chromozomu, genetická
VíceZákladní principy šlechtění a hodnocení skotu v ČR
Česká zemědělská univerzita v Praze Fakulta agrobiologie, přírodních a potravinových zdrojů Katedra speciální zootechniky Základní principy šlechtění a hodnocení skotu v ČR 3. přepracované vydání Ing.
VíceVýpočet svislé únosnosti osamělé piloty
Inženýrský manuál č. 13 Aktualizace: 04/2016 Výočet svislé únosnosti osamělé iloty Program: Soubor: Pilota Demo_manual_13.gi Cílem tohoto inženýrského manuálu je vysvětlit oužití rogramu GEO 5 PILOTA ro
VíceAnalytická metoda aneb Využití vektorů v geometrii
KM/GVS Geometrické vidění světa (Design) nalytická metoda aneb Využití vektorů v geometrii Použité značky a symboly R, C, Z obor reálných, komleních, celých čísel geometrický vektor R n aritmetický vektor
VíceStatistická analýza dat - Indexní analýza
Statistiká analýza dat Indexní analýza Statistiká analýza dat - Indexní analýza Index mohou být:. Stejnorodýh ukazatelů. Nestejnorodýh ukazatelů Index se skládají ze dvou složek:... intenzita (úroveň znaku)...
VíceVícerozměrná rozdělení
Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.
VíceMTS spol. s r.o. NEJLEPŠÍ GENETIKA NEJLEPŠÍ KNOW-HOW Už více jak 20 let
MTS spol. s r.o. NEJLEPŠÍ GENETIKA NEJLEPŠÍ KNOW-HOW Už více jak 20 let Mezníky před zavedením do praxe. Beckman a Soller (1983) - genetické markery bude moţné vyuţít v praxi plemenářské práce Lande a
VíceTestování hypotéz o parametrech regresního modelu
Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO
Více13. Lineární procesy
. Lineární procesy. Lineární procesy Našim cílem je studovat lineární (iterované) procesy. Každý takový proces je zadán čtvercovou maticí A Mat k k (R). Dále víme, že systém se v čase t n nachází ve stavu
VíceSměrová kalibrace pětiotvorové kuželové sondy
Směrová kalibrace ětiotvorové kuželové sondy Matějka Milan Ing., Ústav mechaniky tekutin a energetiky, Fakulta strojní, ČVUT v Praze, Technická 4, 166 07 Praha 6, milan.matejka@fs.cvut.cz Abstrakt: The
Více