調(diào)和小區(qū)株樹的計(jì)算

計(jì)算家系平均遺傳力時(shí)锥腻,如果數(shù)據(jù)不平衡(小區(qū)株樹不一致)需要用到調(diào)和小區(qū)株樹(nk)假哎。

  • 單點(diǎn)
    \hat{h}_{f}^{2}=\frac{\hat{\sigma}_{a}^{2}}{\hat{\sigma}_{f}^{2}+\hat{\sigma}_{f b}^{2} / n_散怖+\hat{\sigma}_{e}^{2} /\left(n_绊寻n_{k}\right)}
  • 多點(diǎn)
    \hat{h}_{f}^{2}=\frac{\hat{\sigma}_{a}^{2}}{\hat{\sigma}_{f}^{2}+\hat{\sigma}_{sf }^{2} / n_{s}+\hat{\sigma}_{f b}^{2} / (n_{s}n_绍赛)+\hat{\sigma}_{e}^{2} /\left(n_{s}n_钾菊n_{k}\right)}

nk的計(jì)算在黃少偉的論文中(黃少偉; 鐘偉華 用小區(qū)平均值估算單株遺傳力的方法. 華南農(nóng)業(yè)大學(xué)學(xué)報(bào) 1998, 19, 76–81.)有介紹,計(jì)算公式為:

調(diào)和小區(qū)株樹.png

關(guān)鍵點(diǎn)是得到具體方法每個(gè)小區(qū)的株樹匣砖,加起來然后用地點(diǎn)數(shù)科吭、區(qū)組數(shù)和家系數(shù)的積除一下即可得。

  • SPSS
    用general linear model中的univariate分析猴鲫,響應(yīng)變量選擇一個(gè)最好沒有缺失值的變量对人,單點(diǎn)時(shí)自變量選擇family和block,多點(diǎn)則把site也選上拂共。當(dāng)然我們并不真的要做回歸或ANOVA牺弄,所以要在options中勾選描述性統(tǒng)計(jì),這個(gè)才是我們需要的宜狐。出來的結(jié)果是這樣的:

output.png

我們需要最右列N势告,復(fù)制到Excel中,注意把所有Total的行去掉抚恒,按照公式計(jì)算就可以了咱台。

  • R
n_s=2; n_r=5; n_f <- length(levels(df$Fam))
df_freq <- table(df$Fam, df$Rep) %>% as.data.frame() %>% filter(Freq!=0) 
n_p <- n_r*n_f/sum(1/df_freq$Freq)


harm_plot <- function(Fam, Rep) {
  n_f <- length(levels(Fam))
  n_r <- length(levels(Rep))
  df_freq <- table(Fam, Rep) %>% as.data.frame() %>% filter(Freq!=0) 
  n_p <- n_r*n_f/sum(1/df_freq$Freq)
  return(n_p)
}
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市俭驮,隨后出現(xiàn)的幾起案子回溺,更是在濱河造成了極大的恐慌,老刑警劉巖混萝,帶你破解...
    沈念sama閱讀 211,042評(píng)論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件遗遵,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡逸嘀,警方通過查閱死者的電腦和手機(jī)车要,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,996評(píng)論 2 384
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來崭倘,“玉大人翼岁,你說我怎么就攤上這事维哈。” “怎么了登澜?”我有些...
    開封第一講書人閱讀 156,674評(píng)論 0 345
  • 文/不壞的土叔 我叫張陵阔挠,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我脑蠕,道長(zhǎng)购撼,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,340評(píng)論 1 283
  • 正文 為了忘掉前任谴仙,我火速辦了婚禮迂求,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘晃跺。我一直安慰自己揩局,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,404評(píng)論 5 384
  • 文/花漫 我一把揭開白布掀虎。 她就那樣靜靜地躺著凌盯,像睡著了一般。 火紅的嫁衣襯著肌膚如雪烹玉。 梳的紋絲不亂的頭發(fā)上驰怎,一...
    開封第一講書人閱讀 49,749評(píng)論 1 289
  • 那天,我揣著相機(jī)與錄音二打,去河邊找鬼县忌。 笑死,一個(gè)胖子當(dāng)著我的面吹牛继效,可吹牛的內(nèi)容都是我干的症杏。 我是一名探鬼主播,決...
    沈念sama閱讀 38,902評(píng)論 3 405
  • 文/蒼蘭香墨 我猛地睜開眼瑞信,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼厉颤!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起喧伞,我...
    開封第一講書人閱讀 37,662評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤走芋,失蹤者是張志新(化名)和其女友劉穎绩郎,沒想到半個(gè)月后潘鲫,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,110評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡肋杖,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,451評(píng)論 2 325
  • 正文 我和宋清朗相戀三年溉仑,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片状植。...
    茶點(diǎn)故事閱讀 38,577評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡浊竟,死狀恐怖怨喘,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情振定,我是刑警寧澤必怜,帶...
    沈念sama閱讀 34,258評(píng)論 4 328
  • 正文 年R本政府宣布,位于F島的核電站后频,受9級(jí)特大地震影響梳庆,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜卑惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,848評(píng)論 3 312
  • 文/蒙蒙 一膏执、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧露久,春花似錦更米、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,726評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至消请,卻和暖如春眶痰,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背梯啤。 一陣腳步聲響...
    開封第一講書人閱讀 31,952評(píng)論 1 264
  • 我被黑心中介騙來泰國(guó)打工竖伯, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人因宇。 一個(gè)月前我還...
    沈念sama閱讀 46,271評(píng)論 2 360
  • 正文 我出身青樓七婴,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親察滑。 傳聞我的和親對(duì)象是個(gè)殘疾皇子打厘,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,452評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容

  • 特征選擇 特征選擇(排序)對(duì)于數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)從業(yè)者來說非常重要贺辰。好的特征選擇能夠提升模型的性能户盯,更能幫助我們...
    hzyido閱讀 6,575評(píng)論 1 16
  • 結(jié)合Scikit-learn介紹幾種常用的特征選擇方法 作者:Edwin Jarvis 特征選擇(排序)對(duì)于數(shù)據(jù)科...
    阿甘run閱讀 3,257評(píng)論 1 14
  • 記得汪曾祺在一篇寫父親的文章中說: 我十幾歲就學(xué)會(huì)了抽煙喝酒。他喝酒饲化,給我也倒一杯莽鸭。抽煙,一次抽出兩根吃靠,他一根我一...
    胡思亂想之閱讀 533評(píng)論 0 1
  • 只愁命短不愁窮 自己流淚自抹干 ……
    小嗨牛閱讀 134評(píng)論 0 0
  • -文/余秀華 摘自《我們愛過又忘記》新星出版社 我喜歡這黃昏 喜歡空氣里喑啞的香氣 和若有若無的鐘聲 從一棵樹里發(fā)...
    coolladyisme閱讀 934評(píng)論 0 2