Calcular el índice de selección

8.3 Calcular el índice de selección

Los cálculos se basan en la matriz general, parte del cual ha sido tomada de Applet Matriz General de Bryan Lewis. La parte general incluye para la multiplicación de ejemplo, como A = b*c o A = b*c, que se pueden utilizar conjuntamente.

El índice de selección puede manejar cualquier número de rasgos. Está dirigido a resolver pequeños problemas científicos y con fines educativos. Tenga en cuenta que la numeración de los animales tiene que ser de uno en orden consecutivo y el más antiguo aparecen en primer lugar. Enlace ejemplo

Inversion of the P matrix is done by a program made by Andrew to be found at the folowing location Andrew Ippoliti's Blog.

... Input aera .... ....Output area ....

Set digit for print ->

Formulas bacicas:

Para invocar el índice de selección, utilice el comando se =:selind(a) . El applet se puede utilizar para cualquier número de variables.
El formato del archivo de entrada (a) se especifica a continuación: Cero se considera como un valor perdido por lo que si el cero es una parte de las observaciones una constante debe ser añadido. Las primeras 4 columnas en el conjunto de datos deberá contener el animal, el padre y la madre y el número - las otras columnas puede ser utilizado libremente por cualquier número de rasgo. El índice se calcula como las desviaciones de los medios, por lo que se centran en torno a cero.
Si el número de rasgos en la meta de selección es diferente del número de rasgos observados. O bien no se puede introdujo una característica adicional que contiene ceros o lo contrario el peso económico de un rasgo se puede establecer como nulo.

La línea de datos primero especificar los parámetros de la siguiente manera - refiriéndose al primer ejemplo de abajo, así como, en general.

          La primera línea
 1. 0 impresión las soluciones  
    1 impresión del  b*P*b' valúes
    2 impresión de la matriz P
    3 impresión de la matriz A
    4 impresión los valores de b para cada línea de los animales
    5 impresión del matriz de relación de los animales


2.  especificar el número de variables
   
3-4  hay que rellenar con ceros

5.- c² para la observación repetida de los rasgos - de lo contrario ceros

		Las siguientes líneas
     (uno para cada variable) contienen VarP, VarA, el peso económico y el valor medio y las correlaciones
     - Correlaciones de aditivos por encima de la diagonal y fenotípica a abajo

Seguido por las líneas de animal que contengan
    animal, padre y madre y el número de obs. + Las variables

    El número de observación debe ser interpretada de la siguiente manera:
     los números negativos propios registros
     los números positivos del grupo descendencia - sólo un padre 	     hermanos medio 
  						  - ambos padres del grupo   hermanos completos

   número positivo de obs (se convierte en un animal pseudo) 
 y el valor del grupo de descendencia sólo se utiliza para transferir a los padres

Ejemplo de cálculo de un índice de selección para los cuatro animales y 3 tienen tres observaciones para cada uno de los tres rasgos, con la heredabilidad de 0,5, 0,2 y 0,33, respectivamente, y tanto genéticos como correlaciones fenotípicas.
Cada línea contiene: Animal, padre, madre donde 0 significa desconocido, el número, y las tres variables - Excepto en la primera línea que se especifican los parámetros se explica más arriba, y una línea para cada variable.

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 3 0 0 0 0 0 1 .5 9 10 0 .707 .6 5 1 1 50 .65 0 .495 3 1 .1 200 .5 .52 0 1 0 0 0 0 0 0 2 0 0 0 0 0 0 3 1 2 0 9 0 0 3 1 2 0 0 45 0 3 1 2 0 0 0 210 4 1 0 0 0 0 0

Con el siguiente resultado en la ventana de salida a = 0. 3. 0. 0.0000 0.0000 0.0000 0.0000 1. 0.5 9. 10.000 0.0000 0.7069 0.6000 5. 1. 1. 50.000 0.6500 0.0000 0.4950 3. 1. 0.1 200.00 0.5000 0.5200 0.0000 1. 0. 0. 0.0000 0.0000 0.0000 0.0000 2. 0. 0. 0.0000 0.0000 0.0000 0.0000 3. 1. 2. 0.0000 9.0000 0.0000 0.0000 3. 1. 2. 0.0000 0.0000 45.000 0.0000 3. 1. 2. 0.0000 0.0000 0.0000 210.00 4. 1. 0. 0.0000 0.0000 0.0000 0.0000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared se = 1.0000 0.0432 0.1296 2.0000 0.0432 0.1296 3.0000 0.0865 0.5187 3.0000 0.0865 0.5187 3.0000 0.0865 0.5187 4.0000 0.0216 0.0324 (impresión =5, relaciones) 1. 0. 0.50 0.50 0.50 0.50 0. 1. 0.50 0.50 0.50 0. 0.50 0.50 1. 1. 1. 0.25 0.50 0.50 1. 1. 1. 0.25 0.50 0.50 1. 1. 1. 0.25 0.50 0. 0.25 0.25 0.25 1.

(impresión =2, el P matriz) 1.0000 1.4534 0.8660 1.4534 5.0000 2.0139 0.8660 2.0139 3.0000 (impresión =3, el A matriz) 0.5000 0.4999 0.4242 0.4999 1.0000 0.4950 0.4242 0.4950 1.0000

Un ejemplo muy simple, un rasgo h² = 0.2 factor de peso = 1 y el valor medio = 10, 4 animales padre y 2 hijos con las observaciones de 9 y 13, y una descendencia sin observación.

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 1 0 0 0 1 .2 1 10 0 1 0 0 0 0 2 1 0 0 9 3 1 0 0 13 4 1 0 0 0

Con el siguiente resultado en la ventana de salida a = 0.0000 1.0000 0.0000 0.0000 0.0000 1.0000 0.5000 1.0000 10.000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 2.0000 1.0000 0.0000 0.0000 9.0000 3.0000 1.0000 0.0000 0.0000 13.000 4.0000 1.0000 0.0000 0.0000 0.0000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared se = 1.0000 0.1904 0.0952 2.0000 -0.0776 0.2080 3.0000 0.5538 0.2080 4.0000 0.0952 0.0238

(impresión =5, relaciones) 1.0000 0.5000 0.5000 0.5000 0.5000 1.0000 0.2500 0.2500 0.5000 0.2500 1.0000 0.2500 0.5000 0.2500 0.2500 1.0000 (impresión =2, el P matriz) 1.0000 0.0500 0.0500 1.0000 (impresión =3, el A matriz) 0.2000

Y la misma observación se unieron en una media de 11 en un grupo hijos medio hermanos ("animal" 3.)

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 1 0 0 0 1 .2 1 10 0 1 0 0 0 0 2 1 0 0 0 3 1 0 2 11 4 1 0 0 0

Con el siguiente resultado en la ventana de salida Animal 3 represent an offspring group a = 0.0000 1.0000 0.0000 0.0000 0.0000 1.0000 0.2000 1.0000 10.000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 2.0000 1.0000 0.0000 0.0000 0.0000 3.0000 1.0000 0.0000 2.0000 11.000 4.0000 1.0000 0.0000 0.0000 0.0000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared Animal 3 represent an offspring group se = 1.0000 0.1904 0.0952 2.0000 0.0952 0.0238 3.0000 0.3809 0.0000 4.0000 0.0952 0.0238

(impresión =5, relaciones) 1.0000 0.5000 0.5000 0.5000 0.5000 1.0000 0.2500 0.2500 0.5000 0.2500 1.0000 0.2500 0.5000 0.2500 0.2500 1.0000 (impresión =2, el P matriz) 0.5250 (impresión =3, el A matriz) 0.2000

O la misma observación se unieron en una media de 11 en un grupo de hijos hermanos completo ("animal" 3.)

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 1 0 0 0 1 .2 1 10 0 1 0 0 0 0 2 0 0 0 0 3 1 2 2 11 4 1 0 0 0

Con el siguiente resultado en la ventana de salida Animal 3 represent an offspring group a = 2.0000 1.0000 0.0000 0.0000 0.0000 1.0000 0.2000 1.0000 10.000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 2.0000 1.0000 0.0000 0.0000 0.0000 3.0000 1.0000 0.0000 2.0000 11.000 4.0000 1.0000 0.0000 0.0000 0.0000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared Animal 3 represent an offspring group se = 1.0000 0.1818 0.0909 2.0000 0.1818 0.0909 3.0000 0.3636 0.0000 4.0000 0.0909 0.0227

(impresión =5, relaciones) 1.0000 0.0000 0.5000 0.5000 0.0000 1.0000 0.5000 0.0000 0.5000 0.5000 1.0000 0.2500 0.5000 0.0000 0.2500 1.0000 (impresión =2, el P matriz) 0.5500 (impresión =3, el A matriz) 0.2000

Or repeated observations; h²=0.2, c²=0.1 weight factor=1 and mean value=10, 3 animals sire and 1 offspring with observations 11 based on two repetitions, and an offspring without observation

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 1 0 0 .1 1 .2 1 10 0 1 0 0 0 0 2 1 0 -2 11 3 1 0 0 0

Con el siguiente resultado en la ventana de salida a = 0.0000 1.0000 0.0000 0.0000 0.1000 1.0000 0.2000 1.0000 10.000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 2.0000 1.0000 0.0000 -2.0000 11.000 3.0000 1.0000 0.0000 0.0000 0.0000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared se= 1.0000 0.1538 0.0769 2.0000 0.3076 0.3076 3.0000 0.0769 0.0192 (impresión =5, relaciones) 1.0000 0.5000 0.5000 0.5000 1.0000 0.2500 0.5000 0.2500 1.0000

(impresión =2, el P matriz) 0.6500 (impresión =3, el A matriz) 0.2000

O la misma observación - 2 medio hermanos y la madre de la que uno de los medio hermanos. Nota de la negativa factores de peso de la madre para la estimación de que el padre, de las b

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 1 0 0 0 1 .2 1 10 0 1 0 0 0 0 2 0 0 0 9 3 1 2 2 13 4 1 0 0 9

Con el siguiente resultado en la ventana de salida Animal 3 represent an offspring group a = 0.0000 1.0000 0.0000 0.0000 0.0000 1.0000 0.2000 1.0000 10.000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 2.0000 0.0000 0.0000 0.0000 9.0000 3.0000 1.0000 2.0000 0.0000 13.000 4.0000 1.0000 0.0000 0.0000 9.0000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared 1.0000 0.4567 0.1339 2.0000 0.2688 0.2595 3.0000 0.9488 0.0000 4.0000 0.0344 0.2148

(impresión =4, el b's) -0.0096 0.1918 0.0810 -0.0040 0.0962 0.0810 0.1898 0.0405 0.0951 -0.0040 0.0405 0.1979 (impresión =2, el P matriz) 1.0000 0.1000 0.0000 0.1000 1.0000 0.0500 0.0000 0.0500 1.0000 (impresión =3, el A matriz) 0.2000

Dos rasgos - correlación positiva - tres observaciones y cinco individuos relacionadas

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 2 0 0 0 0 1 .2 1 10 0 .5 2 .5 0.4 40 .6 0 1 0 0 0 0 0 2 0 0 0 0 0 3 1 2 0 0 45 4 1 0 0 11 0 5 1 0 0 0 37

Con el siguiente resultado en la ventana de salida a = 0.0000 2.0000 0.0000 0.0000 0.0000 0.0000 1.0000 0.2000 1.0000 10.000 0.0000 0.5000 2.0000 0.5000 1.0000 40.000 0.6000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 2.0000 0.0000 0.0000 0.0000 0.0000 0.0000 3.0000 1.0000 2.0000 0.0000 0.0000 45.000 4.0000 1.0000 0.0000 0.0000 11.000 0.0000 4.0000 1.0000 0.0000 0.0000 0.0000 37.000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared se = 1.0000 0.2890 0.1127 2.0000 0.4630 0.0396 3.0000 0.8390 0.1714 4.0000 0.3348 0.1849 5.0000 -0.3068 0.1714

(impresión =5, relationship) 1.0000 0.0000 0.5000 0.5000 0.5000 0.0000 1.0000 0.5000 0.0000 0.0000 0.5000 0.5000 1.0000 0.2500 0.2500 0.5000 0.0000 0.2500 1.0000 0.2500 0.5000 0.0000 0.2500 0.2500 1.0000 (impresión =2, el P matriz) 2.0000 0.0395 0.1250 0.0395 1.0000 0.0395 0.1250 0.0395 2.0000 (impresión =3, el A matriz) 0.2000 0.1581 0.1581 0.5000

Dos características - Correlación negativa - las mismas observaciones

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 2 0 0 0 0 1 .2 1 10 0 -.5 2 .5 0.4 40 -.6 0 1 0 0 0 0 0 2 0 0 0 0 0 3 1 2 0 0 45 4 1 0 0 11 0 5 1 0 0 0 37

Con el siguiente resultado en la ventana de salida a = 0.0000 2.0000 0.0000 0.0000 0.0000 0.0000 1.0000 0.2000 1.0000 10.000 0.0000 -0.500 2.0000 0.5000 1.0000 40.000 -0.600 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 2.0000 0.0000 0.0000 0.0000 0.0000 0.0000 3.0000 1.0000 2.0000 0.0000 0.0000 45.000 4.0000 1.0000 0.0000 0.0000 11.000 0.0000 4.0000 1.0000 0.0000 0.0000 0.0000 37.000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared se = 1.0000 0.0915 0.0338 2.0000 0.0549 0.0014 3.0000 0.1281 0.0139 4.0000 0.1523 0.1233 5.0000 -0.0058 0.0139

(impresión =5, relationship) 1.0000 0.0000 0.5000 0.5000 0.5000 0.0000 1.0000 0.5000 0.0000 0.0000 0.5000 0.5000 1.0000 0.2500 0.2500 0.5000 0.0000 0.2500 1.0000 0.2500 0.5000 0.0000 0.2500 0.2500 1.0000 (impresión =2, el P matriz) 2.0000 -0.0395 0.1250 -0.0395 1.0000 -0.0395 0.1250 -0.0395 2.0000 (impresión =3, el A matriz) 0.2000 -0.1581 -0.1581 0.5000

Dos rasgos - correlación negativa - grandes grupos de medio hermanos

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 2 0 0 0 0 1 .2 1 10 0 -.5 2 .5 0.4 40 -.6 0 1 0 0 0 0 0 2 0 0 0 0 0 3 1 2 0 0 45 4 1 0 1000 11 0 5 1 0 1000 0 37

Con el siguiente resultado en la ventana de salida a = 0.0000 2.0000 0.0000 0.0000 0.0000 0.0000 1.0000 0.2000 1.0000 10.000 0.0000 -0.500 2.0000 0.5000 1.0000 40.000 -0.600 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 2.0000 0.0000 0.0000 0.0000 0.0000 0.0000 3.0000 1.0000 2.0000 0.0000 0.0000 45.000 4.0000 1.0000 0.0000 1000 11.000 0.0000 4.0000 1.0000 0.0000 1000 0.0000 37.000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared se = 1.0000 -0.3624 0.9684 2.0000 0.0887 0.0015 3.0000 -0.0480 0.2457 4.0000 -0.0011 0.0000 5.0000 -1.0380 0.0000

(impresión =5, relationship) 1.0000 0.0000 0.5000 0.5000 0.5000 0.0000 1.0000 0.5000 0.0000 0.0000 0.5000 0.5000 1.0000 0.2500 0.2500 0.5000 0.0000 0.2500 1.0000 0.2500 0.5000 0.0000 0.2500 0.2500 1.0000 (impresión =2, el P matriz) 2.0000 -0.0395 0.1250 -0.0395 0.0509 -0.0395 0.1250 -0.0395 0.1268 (impresión =3, el A matriz) 0.2000 -0.1581 -0.1581 0.5000

Dos rasgos - correlación negativa - los grandes grupos de hijos hermanos completo

Poner los datos a continuación en la entrada ventana seguido de un retorno a= 0 2 0 0 0 0 1 .2 1 10 0 -.5 2 .5 0.4 40 -.6 0 1 0 0 0 0 0 2 0 0 0 0 0 3 1 0 0 0 45 4 1 2 1000 11 0 5 1 2 1000 0 37

Con el siguiente resultado en la ventana de salida a = 0.0000 2.0000 0.0000 0.0000 0.0000 0.0000 1.0000 0.2000 1.0000 10.000 0.0000 -0.500 2.0000 0.5000 1.0000 40.000 -0.600 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 2.0000 0.0000 0.0000 0.0000 0.0000 0.0000 3.0000 1.0000 0.0000 0.0000 0.0000 45.000 4.0000 1.0000 2.0000 1000 11.000 0.0000 4.0000 1.0000 2.0000 1000 0.0000 37.000

Seguido por se =:selind(a) y un retorno que resulta en Selection index Animal Index Accuracy squared se = 1.0000 -0.1562 0.4928 2.0000 -0.2264 0.4927 3.0000 0.0270 0.1276 4.0000 -0.1384 0.0000 5.0000 -0.4706 0.0000

(impresión =5, relationship) 1.0000 0.0000 0.5000 0.5000 0.5000 0.0000 1.0000 0.0000 0.5000 0.5000 0.5000 0.0000 1.0000 0.2500 0.2500 0.5000 0.5000 0.2500 1.0000 0.5000 0.5000 0.5000 0.2500 0.5000 1.0000 (impresión =2, el P matriz) 2.0000 -0.0395 0.1250 -0.0395 0.1009 -0.0790 0.1250 -0.0790 0.2517 (impresión =3, el A matriz) 0.2000 -0.1581 -0.1581 0.5000

Volver a los otros applets

La teoría de la selección se describe en más detalles, por ejemplo, Ver los notes por Erling Strandberg y por Joel Weller en el libro "Economic aspects of animal breeding" Chapman Hall, London.