část 8. (rough draft version)

Podobné dokumenty
I. MECHANIKA 8. Pružnost

7. Biometrické metody v genetice lineární modely

základní pojmy základní pojmy teorie základní pojmy teorie základní pojmy teorie základní pojmy teorie

LINEÁRNÍ MODELY. Zdeňka Veselá

10 Smíšené modely v genetických analýzách

Funkce hustoty pravděpodobnosti této veličiny je. Pro obecný počet stupňů volnosti je náhodná veličina

Metody ešení. Metody ešení

F=F r1 +F r2 -Fl 1 = -F r2 (l 1 +l 2 )

Předpověď plemenné hodnoty Něco málo z praxe. Zdeňka Veselá

4. PRŮBĚH FUNKCE. = f(x) načrtnout.

4.3.2 Vlastní a příměsové polovodiče

Úvod do fyziky plazmatu

Popis modelu pro odhady PH mléčné užitkovosti

Měrný náboj elektronu

Odhad plemenné hodnoty

Popis modelu pro odhady PH mléčné užitkovosti

Přijímací zkoušky do NMS 2013 MATEMATIKA, zadání A,

Univerzita Tomáše Bati ve Zlíně

MA1: Cvičné příklady funkce: D(f) a vlastnosti, limity

Zjednodušený výpočet tranzistorového zesilovače

11. AGREGÁTNÍ NABÍDKA A PHILLIPSOVA KŘIVKA. slide 0

10. AGREGÁTNÍ NABÍDKA A PHILLIPSOVA KŘIVKA. slide 1

Demonstrace skládání barev

Časopis pro pěstování matematiky

MATEMATIKA II V PŘÍKLADECH

KIRSTEN BIEDERMANNOVÁ ANDERS FLORÉN PHILIPPE JEANJACQUOT DIONYSIS KONSTANTINOU CORINA TOMAOVÁ TLAKEM POD

1.1. Formulace. Hledáme rychlost u = (u 1, u 2 ) T splněna Stokesova rovnice. a tlak p ve dvourozměrné oblasti Ω tak, aby byla. µ u + p = f v Ω, (1.

ÚLOHY Z ELEKTŘINY A MAGNETIZMU SADA 4

INTERGRÁLNÍ POČET. PRIMITIVNÍ FUNKCE (neurčitý integrál)

Lokální extrémy. 1. Příklad f(x, y) = x 2 + 2xy + 3y 2 + 5x + 2y. Spočteme parciální derivace a položíme je rovny nule.

Navazující magisterské studium MATEMATIKA 2016 zadání A str.1 Z uvedených odpovědí je vždy

Úloha č. 11. H0 e. (4) tzv. Stefanův - Bo1tzmannův zákon a 2. H λ dλ (5)

hledané funkce y jedné proměnné.

INOVACE PŘEDNÁŠEK KURZU Fyzikální chemie, KCH/P401

STUDIUM DEFORMAČNÍCH ODPORŮ OCELÍ VYSOKORYCHLOSTNÍM VÁLCOVÁNÍM ZA TEPLA

Ověření Stefanova-Boltzmannova zákona. Ověřte platnost Stefanova-Boltzmannova zákona a určete pohltivost α zářícího tělesa.

Otázka č.3 Veličiny používané pro kvantifikaci elektromagnetického pole

Rekurzivní delta identifikace mnoharozměrového systému

Ing. Ondrej Panák, Katedra polygrafie a fotofyziky, Fakulta chemicko-technologická, Univerzita Pardubice

5. kapitola: Vysokofrekvenční zesilovače (rozšířená osnova)

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE DIPLOMOVÁ PRÁCE Bc. Pavel Hájek

M ě ř e n í o d p o r u r e z i s t o r ů

Ekonometrická analýza panelových dat s aplikací na vybavenost domácností

02 Systémy a jejich popis v časové a frekvenční oblasti

Úvod do fyziky plazmatu

SP2 01 Charakteristické funkce

Trivium z optiky Fotometrie

Seznámíte se s pojmem primitivní funkce a neurčitý integrál funkce jedné proměnné.

Příklady z kvantové mechaniky k domácímu počítání

AVDAT Klasický lineární model, metoda nejmenších

ELEKTŘINA A MAGNETIZMUS

Statistická analýza jednorozměrných dat

8 Odhad plemenné hodnoty (OPH)

Hodnocení plemenných + chovných + užitkových prasat

Spolehlivost programového vybavení pro obvody vysoké integrace a obvody velmi vysoké integrace

Hodnocení plemenných + chovných + užitkových prasat

IMITANČNÍ POPIS SPÍNANÝCH OBVODŮ

1. Limita funkce - výpočty, užití

Rentgenová strukturní analýza

BLUP. Zdeňka Veselá

Jednokapalinové přiblížení (MHD-magnetohydrodynamika)

Stavový model a Kalmanův filtr

Vlny v plazmatu. Lineární vlny - malá porucha určitého v čase i prostoru pomalu proměnného stavu

Zdeňka Veselá Tel.: Výzkumný ústav živočišné výroby, v.v.i.

Základy matematiky pro FEK

Postup tvorby studijní opory

POČÍTAČOVÁ ANALÝZA SPÍNANÝCH OBVODŮ V KMITOČTOVÉ OBLASTI

Výkonová elektronika Výkonové polovodičové spínací součástky BVEL

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

41 Absorpce světla ÚKOL TEORIE

GRAFEN. Zázračný. materiál. Žádný materiál na světě není tak lehký, pevný a propustný,

Aplikace VAR ocenění tržních rizik

Základní principy šlechtění a hodnocení skotu v ČR

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA ELEKTROTECHNICKÁ Katedra mikroelektroniky SEMESTRÁLNÍ PROJEKT X34BPJ

(1) Známe-li u vyšetřovaného zdroje závislost spektrální emisivity M λ

Vliv prostupů tepla mezi byty na spravedlivost rozúčtování nákladů na vytápění

VYSOKÉ UČE Í TECH ICKÉ V BR Ě BRNO UNIVERSITY OF TECHNOLOGY

6 Elektronový spin. 6.1 Pojem spinu

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů

Vlny v plazmatu. Lineární vlny - malá porucha určitého stacionárního konstantního nebo v čase a/nebo v prostoru pomalu proměnného stavu

AVDAT Geometrie metody nejmenších čtverců

2. Frekvenční a přechodové charakteristiky

1. Základní p ístupy k syntéze adaptivních ídících systém, schématické vyjád ení, srovnání s p edpoklady a návrhem standardních regulátor

H - Řízení technologického procesu logickými obvody

Jihočeská univerzita v Českých Budějovicích. Katedra fyziky. Modely atomu. Vypracovala: Berounová Zuzana M-F/SŠ

ANALÝZA KATEGORIÁLNÍCH DAT PROBLÉM VÍCENÁSOBNÉ VOLBY V ODPOVĚDI. Julie Rendlová. Robust, Jeseníky,

REGULACE. Rozvětvené regulační obvody. rozvětvené regulační obvody dvoupolohová regulace regulační schémata typických technologických aparátů

8.2 PLEMENÁŘSKÁ PRÁCE V CHOVU SKOTU

Molekula vodíku. ez E. tak její tvar můžeme zjednodušit zavedením tzv. Bohrova poloměru vztahem: a celou rovlici (0.1) vynásobíme výrazem

SPOLUPRÁCE SBĚRAČE S TRAKČNÍM VEDENÍM

Doc. RNDr. Libor Čermák, CSc. Algoritmy

VÝZKUMNÝ ÚSTAV ŽIVOČIŠNÉ VÝROBY,

Další genetické parametry

1. Okrajové podmínky pro tepeln technické výpo ty

Katedra speciální zootechniky, FAPPZ ČZU Praha

, je vhodná veličina i pro studium vyzařování energie z libovolného zdroje a také i pro popis dopadu energie na hmotné objekty:

ε, budeme nazývat okolím bodu (čísla) x

5. Minimální kostry. Minimální kostry a jejich vlastnosti. Definice:

Konstrukci (její části) budeme idealizovat jako tuhá (nedeformovatelná) tělesa (v prostoru) nebo desky (v rovině).

Transkript:

Gntika v šlchtění zvířat TGU 006 9 Odhad PH BLUP M část 8. (rough draft vrsion V animal modlu (M s hodnotí každé zvíř samostatně a současně v závislosti na užitkovosti příbuzných jdinců hodnocné populac. Vškré příbuznské vztahy (pokud jsou známé jsou zahrnuty do aditivně gntické matic příbuznosti. V M j pro každé zvíř sstavna zvlášť rovnic a to j vlký problém mnoho rovnic. BLUP - M s provádí pomocí distribuční funkc f(t/y T hldané vličiny (vktor y naměřné užitkovosti (vktor Parciální drivací distribuční funkc (první drivac = 0 směrnic tčny j nulová xtrém hldám průběh a xtrém funkc pomocí soustavy normálních rovnic (maticová soustava Mixd Modl Equation (MME SMÍŠENÉ MODELY: (W R - W + H - T = W R - y W matic plánu xprimntu, incidnční, dsignová (odhad PH rozpisuj s na matic a Z! R kovarianční matic rziduí (chyb v datch H kovarianční matic mzi hldanými vličinami T hldaná vličina Dál s řší modlová rovnic (maticový zápis: - smíšný linární modl y ijk = b i + u j + ijk užitkovost = součt faktorů, ktré ji ovlivňují y = b + Zu + ditivní plmnné hodnoty jsou náhodnými fkty s známou variančně -kovarianční maticí. U vktorů u a s přdpokládá, ž mají normální rozdělní a tdy odhadovaná střdní hodnota j E(u = E( = 0. Vktor pozorování y má multivariátní normální rozdělní s průměrm b (E(y = b a variancí V (variančně kovarianční matic vktoru pozorování vypočítanou jako: V = V(Zu + = ZGZ` + R! kd G j variančně kovarianční matic vktoru náhodných fktů u V(u a R j variančně kovarianční matic rziduálních chyb V(. Njsou-li otcové příbuzní pak j G = I σ O, kd I j jdnotková matic a σ O j ¼ aditivní gntické varianc (protož každý otc dá ½ svých gnů dcrám a po umocnění pro získání varianc získám ¼ aditivní gntické varianc. P i fkt plmn i (pvný fkt, u j fkt otc j na produkci jho dcr (náhodný fkt 76

Gntika v šlchtění zvířat TGU 006 Jsou-li otcové příbuzní pak G = σ O, kd j matic příbuznosti mzi otci s jdničkami na diagonál a mimo diagonální prvky zobrazují podíl gnů, ktré dva jdinci mají od spolčného přdka. Obě matic jsou symtrické (G =G` a =`. Njlpší linární nvychýlná přdpověď (BLUP vktoru u j: = GZ R ( y - bˆ! kd bˆ j odhadc pvných fktů získaných mtodou zobcněných njmnších čtvrců (GLS viz níž. Rovnic y = b + Zu + s rozpisuj do soustavy normálních rovnic smíšného modlu (MME R R Z bˆ R y - R Z. R Z + H = R y Matic T S M.T = S T = M -.S 3 y vktor naměřných užitkovostí (n (n x incidnční matic udávající plán pokusu pvných fktů (n x p Z incidnční matic udávající plán pokusu náhodných fktů Z (n x q b vktor odhadů pvných fktů (odhad úrovní p (p x u vktor odhadů náhodných fktů; u ~ PH (odhad úrovní q (q x vktor nkontrolovatlných náhodných rziduálních fktů (vktor rziduálních odchylk, u ktrých s přdpokládá, ž jsou nzávislé na náhodných gntických fktch (n x - H kovarianční matic invrzní Stjně jako v modlu s pvnými fkty s obcně přdpokládá, ž rzidua jsou nkorlována a mají stjnou, konstantní varianci. Pak R = I, kd j rziduální varianc - a R = I / σ. Takž soustava normálních rovnic můž být zjdnodušna vynásobním obou stran rziduální variancí (maticí R a získám rovnic: σ Z bˆ y Z Z + G - σ. = y Pokud přdpovídám plmnnou hodnotu pomocí M (jsou známy příbuznské vztahy mzi jdinci nabývají rovnic tvar: Z Z Z + - K bˆ y. = y ` diagonální matic s řádky a sloupci rovno počtu úrovní pvného fktu (např. počtu plmn, diagonální prvky jsou počty záznamů v korspondující úrovni fktu (konkrétního plmn, mimodiagonální prvky jsou rovny nul σ T chcm určit! 3 M matic koficintů; T vktor řšní 77

Gntika v šlchtění zvířat TGU 006 Z`Z diagonální matic, kd každý diagonální prvk j rovn počtu záznamů (počtu dcr každé úrovně náhodného fktu (otc `Z matic s počtm řádků rovno počtu úrovní pvných fktů (počt plmn a počtm sloupců rovno počtu úrovní náhodných fktů (počt otců; každý prvk bud číslo záznamů v odpovídající kombinaci pvného x náhodného fktu (plmno x otc Z` matic j transponovaná matic `Z `y vktor jhož délka bud rovna počtu úrovní pvného fktu (počtu plmn a každý prvk j součt hodnot v odpovídající úrovni fktu (plmn Z`y vktor jhož délka bud rovna počtu úrovní náhodného fktu (počtu otců a každý prvk j součt hodnot v odpovídající úrovni fktu (užitkovost všch dcr po každém otci aditivně gntická matic příbuznosti, jjíž prvky a ii jsou rovny ( + Fz (Fz koficint inrídingu a prvky a ij jsou rovny koficintům příbuznosti Rij mzi jdinci i a j. koficint inbrídingu: F = a ( Z ii n + n + =.( + F koficint příbuznosti: R = a = a ( Y ij ji n + n = ( + F n - počt gnrací mzi rodičm a jdincm Z a spolčným přdkm n - počt gnrací mzi rodičm Y a jdincm Z a spolčným přdkm F - koficint inbrídingu přdka (spolčného přdka Σ - sumac příbuznosti pro víc úsků jdinců a Y k spolčným přdkům σ σ K = = (někdy označováno jako λ nbo α σ σ u h h = = 4 h h např. při sldování vlastní užitkovosti např. při sldování užitkovostí dcr (polosstr po býcích Řšní rovnic smíšného modlu můž být obtížné získat, protož řšní rovnic j prováděno invrtováním matic, což j pro běžné výpočty u vlkých populací HZ méně vhodné: T = M -.S. Přsné řšní vyžaduj invrzi matic koficintů (M, ktrá j zpravidla mnší nž matic V. Počt řádků a sloupců matic V j rovna clkovému počtu pozorování, zatímco v matici M jsou rovny počtu úrovní fktů zahrnutých do modlu, což j obcně mnohm méně. J-li zahrnuto do modlové rovnic víc faktorů, můž být získáno přibližné řšní itrativními postupy (itracmi řšní jdnotlivých rovnic izolovaně, a jjich řšní j využito v dalších rovnicích s cílm stabilizac řšní, kdy s již nmění od jdnoho itračního kola k druhému. Existuj mnoho itračních mtod aplikovatlné na rovnic smíšného modlu. Njpoužívanější mtodou jsou itrac Gauss-Sidl, protož j rlativně rychlá a spolhlivě konvrguj a poskytuj řšní rovnic. nimal modl vyžaduj několik stovk kol itrací, nž s získá přibližná konvrgnc. 78

Gntika v šlchtění zvířat TGU 006 Př. BLUP M Bst Linar Unbiasd Prdiction nimal Modl yijk = μ + SROi + gj + ijk y ijk [~ y] naměřná užitkovost μ [~ ] populační průměr SRO i [~ b] stádo x rok x období (působní chovatl na zvířata, na jjich užitkovost g j [~ u] fkt jdinc (gntický tn chcm určit - PH! ijk [~ ] rziduum BLUP M (animal modl RM (rdukovaný M (gamtický modl M nimal Modl individuální modl pro nbo víc vlastností - vylpšný BLUP - nbrm v úvahu jn naměřnou užitkovost jdinc, al i všchny příbuznské vztahy (např. odhad mléčné užitkovosti býka na základě užitkovosti dcr Porovnání zobcněného linárního modlu GLM (gnral linar modl, ktrý obsahuj jn pvné fkty, s smíšným modlm MM (mixd modl: GLM MM y ij = μ + b i + ij y = b + * y ijk = μ + b i + u j + ijk y = b + Zu + * (0, V u (0, G (0, R y (b, V y (b, V = (b, ZGZ` + R (a, b znamná, ž náhodná proměnná má průměr a a varianci b v smíšném modlu j vktor rziduálních fktů rozděln do dvou komponnt * =Zu + V smíšném modlu pozorujm y, a Z, zatímco b, u, R a G jsou obcně nznámé. Takž smíšné modly nám umožňují: odhadovat vktory pvných b a náhodných fktů u odhadovat kovarianční matic G a R (u ktrých s přdpokládá, ž jsou funkcmi několika nznámých komponnt varianc Pro pvné fkty platí BLUE (njlpší linární nvychýlný odhad: E(b b = min. Řšní náhodných fktů j BLUP (njlpší linární nvychýlná přdpověď E(u u = min, protož náhodné fkty njsou paramtry a jjich řšní s nazývají prdiktory prdictors a naopak u pvných fktů hovořím o odhadcích stimators. 4 4 Odhadujm pvné fkty a přdpovídám náhodné fkty!! 79

Gntika v šlchtění zvířat TGU 006 BLUE a BLUP jsou njlpší, protož minimalizují výběrovou varianci; linární v tom smyslu, ž jsou linárními funkcmi pozorovaných fnotypů y; nvychýlné v smyslu, ž E[BLUE(b] = b a E[BLUP(u] = u. Pro smíšný modl y = b + Zu + platí: BLUE pro pvné fkty b: bˆ = ( V V y kd V = ZGZ` + R Jdná s odhadc zobcněných njmnších čtvrců (GLS BLUP pro náhodné fkty u: = GZ V ( y b ˆ (Hndrson, 963 Praktická aplikac obou rovnic vyžaduj známé komponnty varianc. Přd analýzami BLUP j nutné odhadnout komponnty varianc pomocí NOV nbo REML. - histori (výpočty ovlivňuj úrovň výpočtní tchniky - Bays (763 BLUP (myšlnka již 00 lt stará - Hndrson (949 M - nlinární postupy Matriály určné pro studnty spcializac Gntika a šlchtění hospodářských zvířat pro přdmět Gntika v šlchtění zvířat (ltní smstr 006. Dr. Ing. Tomáš Urban ÚMFGZ pracoviště gntiky MZLU v Brně http://www.af.mndlu.cz/gntika/ urban@mndlu.cz břzn 06 Urban 006 80