3. Podstawy selekcji 20
Rozkład normalny
Rysunek 14. Rozkład normalny. Prawdopodobieństwo, że obserwacja znajdzie się w obszarze ± jedno odchylenie standardowe (a) wynosi 68%.
Przykład 21. W odniesieniu do przykładowych cech podanych wcześniej - masy myszy i pobrania paszy -przeanalizujmy, jakie decyzje selekcyjne mogą zostać podjęte dla każdej z cech i spróbujmy je do siebie odnieść.
Selekcja na wagę.
Najlepsze |
Frakcja |
Średnia |
Przewaga w jednostkach odchylenia |
standardowego | |||
2 |
0,125 |
29,50 |
+1,36 |
4 |
0,250 |
29,25 |
+1,31 |
8 |
0,500 |
27,75 |
+0,87 |
12 |
0,750 |
26,17 |
+0,40 |
i pobranie paszy. | |||
Najlepsze |
Frakcja |
Średnia |
Przewaga w jednostkach odchylenia |
standardowego | |||
2 |
0,125 |
83,50 |
+1,54 |
4 |
0,250 |
80,75 |
+1,31 |
8 |
0,500 |
74,88 |
+0,83 |
12 |
0,750 |
69,75 |
? |
Intensywność selekcji to średnia przewaga selekcjonowanych zwierząt względem całej populacji _wyrażona w jednostkach odchylenia standardowego._
Dla większych populacji intensywność selekcji można łatwo obliczyć, jeśli znamy wielkość frakcji selekcjonowanych zwierząt. Obliczenia opierają się o własności rozkładu normalnego. W praktyce można też korzystać z odpowiednich tablic:
Przeliczanie frakcji na intensywność selekcji
Frakcja |
0,001 |
0,002 |
0,003 |
0,004 |
0,005 |
0,006 |
0,007 |
0,008 |
0,009 |
1 |
3,364 |
3,167 |
3,047 |
2,959 |
2,889 |
2,831 |
2,781 |
2,737 |
2,698 |
Frakcja |
0,01 |
0,02 |
0,03 |
0,04 |
0,05 |
0,06 |
0,07 |
0,08 |
0,09 |
/ |
2,663 |
2,419 |
2,266 |
2,153 |
2,061 |
1,984 |
1,917 |
1.858 |
1,804 |
Frakcja |
0,1 |
0,2 |
0,3 |
0,4 |
0,5 |
0,6 |
0,7 |
0,8 |
0,9 |
/ |
1,755 |
1,400 |
1,159 |
0,966 |
0,798 |
0,644 |
0,497 |
0,350 |
0,195 |