Подбор пар с учетом ротаций линий.

↑

▷ Содержание

⇐ ПредыдущаяСтр 26 из 29Следующая ⇒

Признак

Коэффициент корреляции

Молочный и молочно-мясной крупный рогатый скот

Удой — количество молочного жира

0,88—0,98

Глубина вымени — пожизненный удой

0,34—0,60

Количество молочного жира — количество белка в мо­локе

0,32—0,65

Обхват вымени — удой

0,43—0,72

Мясной крупный рогатый скот

Прирост после отъема — масса туши

0,5—0,81

Среднесуточный прирост — конечная масса

0,77

Оценка перед убоем — оценка туши

0,61

Масса телят при отъеме — молочность матерей

0,70

Свиньи

Средняя масса поросят при рождении — средняя масса поросят при отъеме

0,54—0,90

Средний суточный прирост живой массы за период от­корма — поедаемость корма

0,79—0,91

Число поросят при отъеме - масса поросят при отъеме

0.82

Соотношение мяса в туше (%} — площадь «мышечного глазка»

0.40—0,68

Овцы

Густота шерсти — настриг шерсти

0,12—0,53

Масса шерсти в оригинале — масса мытой шерсти

0.81—0,93

Масса тела — масса руна

0,20—0.50

Длина шерсти — настриг шерсти

0,20—0.31

Раз­личные признаки коррелируют между собой в разной степени.

Разная степень отрицательной корреляции обнаружена меж­ду величиной удоя и способностью к откорму коров, между гу­стотой и длиной шерсти овец, между тониной ее и длиной Вели­чина положительной и отрицательной корреляции изменяется взависимости от направления отбора, условий кормления и содер­жания животных.

Многие признаки коррелируют с другими непрямолинейно с увеличением одного из них закономерно возрастает другой лишь до определенного оптимума, после чего увеличение перво­го признака все в меньшей степени связано с изменением в ту же сторону второго; в какой-то момент корреляция отсутствует, а затем она может даже стать отрицательной. Такой характер корреляций наблюдается, например, между величиной удоя и живой массой коров, между продолжительностью сухостойного периода и удоем.

Вычислять коэффициенты корреляции по признакам, связькоторых криволинейная, не имеет никакого смысла. Некоторые признаки, которые наследуются независимо друг от друга при разных генетических характеристиках стад и результатах отбора и подбора, ранее применявшихся, могут показывать как положи­тельную, так и отрицательную корреляцию и ее отсутствие. Это часто наблюдается при установлении величины корреляции меж­ду удоем коров и жирностью молока.

Чем выше положительные корреляции между признаками, тем проще и успешнее их используют при отборе. Когда имеет место отрицательная корреляция между хозяйственно полезны­ми признаками, требуется длительная племенная работа, одновременная селекция по обоим признакам с целью постепенной перестройки имеющейся отрицательной корреляции между ними. Коэффициент корреляции, указывая на степень связи между признаками, однако не дает ответа на вопрос, на сколько единиц изменится один признак при изменении другого. Более широкуюинформацию о связи признаков дает регрессионный анализ, при котором вычисляют специальную величину — коэффициент рег­рессии (R).

· Регрессия - величина, выражающая зависимость среднего значения случайной величины у от значений случайной величины х.

· Уравнение регрессии выражает среднюю величину одного признака как функцию другого.

· Функция регрессии - это модель вида у = л», где у - зависимая переменная (результативный признак); х - независимая, или объясняющая, переменная (признак-фактор).

· Линия регрессии - график функции у = f (x).

· Виды регрессий:

· 1) гиперболическая - регрессия равносторонней гиперболы: у = а + b / х + Е;

· 2) линейная - регрессия, применяемая в статистике в виде четкой экономической интерпретации ее параметров: у = а+b*х+Е;

· 3) логарифмически линейная- регрессия вида: In у = In а + b * In x + In E

· 4) множественная - регрессия между переменными у и х₁ , х₂ ...x_m, т. е. модель вида: у = f(х₁ , х₂ ...x_m)+E, где у - зависимая переменная (результативный признак), х₁ , х₂ ...x_m - независимые, объясняющие переменные (признаки-факторы), Е- возмущение или стохастическая переменная, включающая влияние неучтенных факторов в модели;

· 5) нелинейная - регрессия, нелинейная относительно включенных в анализ объясняющих переменных, но линейная по оцениваемым параметрам; или регрессия, нелинейная по оцениваемым параметрам.

· 6) обратная - регрессия, приводимая к линейному виду, реализованная в стандартных пакетах прикладных программ вида: у = 1/a + b*х+Е;

· 7) парная - регрессия между двумя переменными у и x, т. е, модель вида: у = f (x) + Е, где у -зависимая переменная (результативный признак), x – независимая, объясняющая переменная (признак - фактор), Е - возмущение, или стохастическая переменная, включающая влияние неучтенных факторов в модели.

 Система подбора производителей по принципу ротации линий предполагала, кроме избежания тесных инбридингов, еще и получение гетерозиса при кроссах линий. Но длительное и часто шаблонное применение такой системы не только приводит к большой генеалогической пестроте в каждом стаде, ио и к уменьшению возможности проявления гетерозиса.

Познавательные статьи:



Как правильно слушать собеседника

Типичные ошибки при выполнении бросков в баскетболе

Принятие христианства на Руси и его значение

Средства массовой информации США