Вы находитесь на странице: 1из 80

Copyright « « » & «A K -C »

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Калмыцкий государственный университет»

Л.Г. Моисейкина, Б.М. Турдуматов

МЕТОДЫ И ОЦЕНКИ КОЛИЧЕСТВЕННЫХ ПРИЗНАКОВ В ЖИВОТНОВОДСТВЕ

Учебно-методическое пособие

Рекомендовано УМО высших учебных заведений РФ по образованию в области зоотехнии и ветеринарии для студентов высших учебных заведений в качестве учебно-методического пособия по специальности 310700 – Зоотехния

Элиста 2011

Copyright « « » & «A K -C »

ББК П5(2Рос.Калм)в631я73 М 748

М 748

Моисейкина, Л.Г.

Методы и оценки количественных признаков в животноводстве [Текст]: учеб.-метод. пособие / Л.Г. Моисейкина, Б.М. Турдуматов. – 2-е

изд., перераб. и доп. – Элиста, 2011. – 80 с.

ISBN 5-230-20269-6

Учебное пособие предназначено для оказания помощи студентам при изучении дисциплины «Генетика и биометрия сельскохозяйственных животных» и содержит общие сведения по биометрии, где изложены ос- новные теоретические положения и практические методы количествен- ного анализа хозяйственно полезных признаков сельскохозяйственных животных, используемых в научно-биологических и сельскохозяйствен- ных целях. При подготовке тем и заданий лабораторных работ были использова- ны материалы учебника «Практикум по генетике» Ларцевой С.Х., Мук- синова М.К. и учебного пособия Антипова Г.П. и др. «Генетика с био- метрией». Задание для тестирования разработаны совместно с кафедрой генети- ки и разведения животных Московской сельскохозяйственной академии им. К.А. Тимирязева. По сравнению с предыдущим изданием (2006) в пособие включены компьютерные расчеты и электронные учебники. Учебное пособие предназначено для студентов 2-го курса специаль- ности «Зоотехния».

Печатается по решению редакционно-издательского совета Калмыцкого государственного университета

Рецензенты: проф. МГАБиБ А.В. Бакай; проф. ВГНИИЖ РАСХН Н.С. Марзанов

ISBN 5-230-20269-6

© Калмыцкий государственный университет, 2011 г. © Авторы, 2011 г.

2

Copyright « « » & «A K -C »

1. Биометрия

ОГЛАВЛЕНИЕ

1.1. Понятие о вариационном ряде, типы варьирования и их графическое изображение

1.2. Вычисления средних

1.2.1. Вычисление средней арифметической ( Х ) в малочисленных выборках ( n £ 20 )

1.2.2. Вычисления средней арифметической в многочисленных выборках

1.2.3. Вычисление средней взвешенной ( X )

взв

1.2.4. Вычисление средней величины для неизмеряемых признаков (непараметрическая средняя)

1.3. Показатели разнообразия

5

7

12

12

12

14

14

16

1.3.1. Вычисление среднего квадратического отклонения

в малочисленных выборках (n £ 30)

16

1.3.2. Вычисление среднего квадратического отклонения

в многочисленных выборках (n>30)

1.3.3. Вычисление среднего квадратического отклонения для альтернативных признаков

1.3.4. Вычисление коэффициента вариации

1.3.5. Нормированное отклонение (t)

1.4. Измерение связи между

19

19

20

22

23

1.4.1. Вычисление коэффициента фенотипической корреляции r

в малочисленных выборках (n 20)

1.4.2. Вычисление коэффициента корреляции для многочисленных выборок

1.4.3. Вычисление рангового коэффициента корреляции

Спирмена ( r s )

1.4.4. Вычисление коэффициента прямолинейной регрессии (R)

1.4.5. Вычисление коэффициента генетической корреляции

1.5. Оценка параметров генеральной совокупности по параметрам выборки

1.5.1. Репрезентативность выборочных показателей

1.5.2. Оценка достоверности выборочных

1.5.3. Оценка достоверности разности между средними величинами двух выборок

1.5.4. Определение достоверности средней разности при изучении совокупностей с попарно связанными вариантами

1.5.5. Использование критерия хи-квадрат (χ 2

1.6. Дисперсионный анализ

1.6.1. Однофакторный дисперсионный анализ

1.6.2. Определение наследуемости в однофакторном дисперсионном

комплексе

24

28

31

31

34

34

36

39

41

44

49

51

53

Copyright « « » & «A K -C »

1.7. Использование программы Microsoft Excel в биометрии

57

1.7.1. Запуск программы Excel

57

1.7.2.

Вычисление параметров вариационного ряда

59

2. Тесты по биометрии

65

3. Приложения

71

Приложение 1

71

Приложение 2

72

Приложение 3

73

Приложение 4

74

Список использованной литературы

79

4

Copyright « « » & «A K -C »

1. БИОМЕТРИЯ В настоящее время в генетике очень широко применяют различные ма- тематико-статистические приемы, а в ряде случаев создают определенные математические модели генетических явлений, которые анализируются в экс- периментах. Генетика является не описательной, а точной наукой, изучающей наслед- ственность и изменчивость организмов. Эти фундаментальные свойства ор- ганизмов проявляются в количественных закономерностях наследования признаков и свойств, как у отдельных индивидов, так и у их совокупностей. Биометрия (от греч. bios – жизнь, metron – мера) – наука о применении математических методов в биологических исследованиях при изучении груп- повых свойств биологических объектов. Содержанием биометрии является обработка данных наблюдений и экс- периментов в биологических исследованиях, а ее аппаратом (методом) – тео- рия вероятностей и математическая статистика. Предмет биометрии составляют те или иные варьирующие по размеру (изменяющиеся в определенных пределах) признаки или свойства объектов совокупности. Биометрию можно использовать при планировании и обработ- ке лишь тех биологических экспериментов и наблюдений, результаты кото- рых могут быть отнесены к теоретическому понятию статистической сово- купности. Методы биометрии основаны на теории вероятности и законе больших чисел. Вероятность объективная возможность наступления какого-либо собы- тия. Событие может наступить (при благоприятных условиях), а может не наступить (при неблагоприятных условиях). Математическим выражением вероятности является отношение числа случаев (а), благоприятствующих наступлению ожидаемого события (Р А ), к общему числу (n) всех возможных и несовместимых событий:

Р А = а / n. Вероятность любого события варьирует от 0 до 1. Вероятность альтернативных (противоположных) событий p и q равна единице (p + q = 1). Закономерность появления ожидаемого события выражается формулой бинома Ньютона: (p + q) n , где: p – вероятность альтернативных событий; n – общее число (положительных и отрицательных событий (наблюдений). Закон больших чисел (теорема Я. Бернулли): «При бесконечно большом числе наблюдений относительная частота события А будет как угодно мало отличаться от его вероятности». Генеральная совокупность большой массив животных, интересующих исследователя (например, животных калмыцской или другой породы круп- ного рогатого скота). Объем генеральной совокупности может быть как очень большим (50 тыс., 500 тыс. и более), так и очень малым. Метод сплошного обследования, т.е. изучение всех членов генеральной совокупности, требует большой затраты времени и труда. В случаях когда

Copyright « « » & «A K -C »

изучение генеральной совокупности связано с убоем животных, метод сплошного обследования совершенно неприемлем. Для изучения генеральной совокупности составляют выборку. Выборка должна быть типичной, т.е. правильно отражать генеральную совокупность. Например, при изучении молочной продуктивности коров нельзя включать в выборку больных животных и животных с атрофией сос- ков, т.к. они нетипичны для изучаемой совокупности. Выборка должна быть однородной (одна порода, один пол). Она составляется по принципу случай- ного отбора. Это значит, что в выборку с равной вероятностью может по- пасть каждый член генеральной совокупности. При изучении генеральной совокупности по выборке, т.е. характеристике целого по его части при случайном отборе особей, неизбежны ошибки репре- зентативности, указывающие на степень соответствия выборочных показате- лей параметрам генеральной совокупности. Материалом для составления выборки служат первичные зоотехнические, ветеринарные, а также экспериментальные данные. Величина признака у отдельной особи называется вариантой и обознача- ется буквой х. Величина варианты зависит от многих факторов. Например, суточный удой коровы зависит от генетических факторов, физиологического состояния организма, условий кормления и содержания, климатических фак- торов и др. При этом возможны многообразные сочетания факторов, поло- жительно и отрицательно влияющих на признак и обусловливающие его раз- нообразие. Очень важным вопросом является объем выборки. Определение ее объема зависит от изучаемых вопросов и степени их изученности. Число особей в выборке обозначается буквой n, в генеральной совокупно- сти N. Различают многочисленные (большие) и малочисленные (малые) выборки, для которых различны методы обработки показателей признаков. Большими называют выборки с численностью 30 особей и более, малыми численностью менее 30 особей. Следует отметить условность такого разделения, т.к. при наличии счетно- вычислительной техники деление на большие и малые выборки отпадает. При отсутствии счетно-вычислительной техники и наличии многознач- ных показателей обработка методами больших и малых выборок имеет зна- чение: расчет в больших выборках ведется не прямым способом, а путем группировки. После составления выборки приступают к ее изучению. К числу важнейших показателей, используемые в генетике и зоотехнии, относятся следующие:

1. Средние величины средняя арифметическая ( Х ), средняя взвешенная

( Х ), средняя геометрическая (G), средняя гармоническая (Н), мода (М о ), медиана (М е ).

2. Показатели разнообразия признака: лимиты (lim), среднее квадратиче-

ское отклонение (σ), коэффициент вариации (С v ), нормированное отклонение (t).

взв

6

Copyright « « » & «A K -C »

3. Показатели связи между признаками: коэффициенты фенотипической и

генетической корреляции (r и r G ), регрессии (R xy ) и др.

4. Показатели соответствия выборочных данных параметрам генеральной

совокупности, т.е. репрезентативности.

1.1. Понятие о вариационном ряде, типы варьирования и их графическое изображение Источником материала для обработки могут быть результаты экспери- ментов, карточки и книги племенного учета, бонитировочные ведомости, го- сударственные племенные книги и др. Допустим, что в выборке 25 свиноматок имели следующее количество поросят в пометах: 9, 8, 10, 8, 11, 12, 9, 10, 8, 11, 7, 12, 9, 10, 8, 9, 10, 11, 12, 9, 11, 10, 9, 9, 7. Эти цифры показывают фактическое многоплодие каждой свиноматки в отдельности. Ряд чисел, которые записаны в порядке их на- блюдения, называется сырым или первичным. Для наглядности сырой ряд (при не очень большом количестве наблюде- ний) упорядочивают и записывают полученные цифры по возрастанию от минимальной величины признака к максимальной или наоборот, т.е. ранжи- руют. Такой упорядоченный ряд цифр называется ранжированным: 7, 7, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 11, 11, 11, 11, 12, 12, 12. По нему сразу видны максимальная (12) и минимальная (7) величины значения признака, ориентировочно можно определить и среднюю. В рассматриваемом нами примере ранжированный ряд состоит всего из 25 дат. Его можно уплотнить и сделать более удобным для работы, сгруппи- ровав одинаковые даты и сохранив при этом упорядоченность. 25 маток делятся на 6 групп (классов) с соответствующим числом поро- сят. В каждый класс входят все свиноматки (все объекты выборки), имеющие одинаковое многоплодие. Класс это часть совокупности, в которой объединены все сходные по величине изучаемого признака объекты (варианты). Числовое значение клас- са (величина класса, его границы) обозначается буквой W. Количество вари- антов в каждом отдельном классе называется частотой и обозначается буквой f. Объем выборки равен сумме частот вариантов во всех классах ряда (N = f). Таким образом, получится вариационный ряд:

Вариации или классы, W

7

8

9

10

11

12

Частоты, f

2

4

7

5

4

3

N = f =

2 + 4 + 7 + 5 + 4 + 3 = 25.

Вариационный ряд это двойной ряд чисел, из которых один указывает значения признака в классах W, а другой число объектов в классах n. Клас-

сы располагают в порядке возрастания или убывания значения признака W, причем интервал между ними для всего вариационного ряда один тот же. В

Copyright « « » & «A K -C »

нашем примере это 1: каждый класс от соседнего W отличается на 1 на всем протяжении вариационного ряда. Вариационный ряд дает наглядное представление о том, как часто встре- чаются отдельные варианты в данной совокупности, в каком количестве и как они распределяются, т.е. показывает закономерность варьирования изучаемого признака. Он значительно облегчает расчеты всех основных биометрических параметров. Правила его построения зависят от характера признака.

В биометрии принято различать признаки с дискретным (прерывистым) и

непрерывным разнообразием. Дискретные признаки характеризуются тем, что их соседние значения отличаются друг от друга на единицу: например, плодо- витость, яйценоскость и др., значение их может быть изменено только целым, а не дробным числом. Так, овцы за окот (ягнение) приносят 1, 2, 3, 4, 5 ягнят. Большим размахом разнообразия характеризуются по многоплодию свино-

матки: у них в одном опоросе бывает от 6 до 15 поросят, а иногда и больше. Соседние значения признака с непрерывным разнообразием могут разли- чаться сколь угодно мало. Обычно эти различия ограничиваются точностью измерения признака. Существенной разницы между дискретным и непрерыв- ным признаками нет. Действительно, если животных взвешивать с точностью до 1 кг, то их масса будет выглядеть как дискретный признак. Построение вариационного ряда в многочисленной выборке имеет свои особенности. Пример. Имеется выборка (n=100). Требуется разнести по классам дан- ные суточного удоя. Для построения вариационного ряда прежде всего следует найти лимиты минимальное и максимальное значения вариант. В приведенной выборке они выделены. Лимиты указывают на общий размах разнообразия признака.

Суточный удой коров

21,9

21,4

27,7

17,0

12,3

21,7

23,4

25,7

21,2

20,3

23,8

24,1

25,9

21,4

20,7

18,5

22,5

23,0

18,5

25,7

20,1

21,3

15,7

24,8

19,3

22,2

22,9

14,9

26,1

20,5

14,6

27,8

22,4

16,7

22,9

25,3

22,7

19,7

15,2

21,3

22,1

20,5

19,7

24,5

29,6

22,3

19,1

23,5

25,9;

17,2

15,5

18,1

23,9

25,4

20,4

13,2

19,6

24,4

18,2

24,8

24,2

20,9

21,0

16,5

20,9

23,2

27,2

21,1

26,3

18,6

17,2

17,8

31,2

25,0

20,7

18,3

23,7

16,1

16,2

21,6

23,0

20,7

25,3

13,9

17,3

21,8

14,1

19,0

21,9

18,7

28,5

21,2

19,9

24,8

22,7

16,4

20,6

23,5

22,2

19,5

В

данном примере минимальная варианта (х min )=12,3 кг, максимальная

(x max )=31,2 кг. Для составления вариационного ряда нужно найти величину классового

промежутка (К), которая определяется следующим образом:

8

Copyright « « » & «A K -C »

К =

X

max -

X

min

число классов

Число классов устанавливается в зависимости от степени точности, с ко- торой ведется обработка, и числа объектов в выборке. Удобно иметь сле- дующее число классов: при объеме выборки от 30 до 60 — 6—8 классов, при объеме от 61 до 100 — 7—8 классов, при объеме от 101 и более — 9—12 классов. В данном примере рассчитываются 10 классов.

К =

31,2

-

12,3 =

10

1,89

Полученное число целесообразно округлить до целого. Округлив 1,89, получим К=2. Для удобства часто округляют и недробную величиу классового проме- жутка, если она неудобна при вычислениях. Например, если при обработке живой массы получено К=17 кг, то ее удобно округлить до 15 или 20. Полу- ченный классовый промежуток по удою за лактацию 969 кг можно округлить до 1000 кг. Такое округление может повлиять на количество составленных классов: при увеличении величины классового промежутка оно может уменьшиться, а при уменьшении - увеличиться. Составление классов прово- дится следующим образом. Минимальную величину х min =12,3 округляют до ближайшего меньшего круглого числа (12), которое будет нижней границей первого класса. Прибавляя к ней величину классового промежутка (2 кг), на- ходят нижнюю границу второго класса (14). Таким же путем находят нижние границы последующих классов. В данном примере они будут 12, 14, 16, 18, 20 и т. д. Чтобы варианта не попала на границу между двумя классами, условно обозначают, к какому классу относится пограничная величина. С этой целью уменьшают верхнюю границу каждого класса на величину, равную 0,1 точ- ности измерения признака. Уменьшив верхние границы на 0,1 кг, получают границы первого класса 12,0-13,9, второго - 14,0—15,9 и т. д. Затем опреде- ляют величину середины классов (W). Середина классов равна полусумме нижних границ следующего класса (12+14):2=13, (14+16):2=15 или путем прибавления к нижней границе половины классового промежутка (12+1=13 и т.д.). Установив границы классов, приступают к разноске вариант по классам, для чего составляют таблицу из четырех граф и числа строк, равного числу классов (табл. 1). В первую графу выписывают границы классов, во вторую середины классов, третья служит для разноски вариант, в четвертой сум- мируют данные разноски для установления количества вариант в каждом классе. Количество вариант в классе называют частотами и обозначают сим- волом f. Разноска по классам данных по суточному удою коров приведена в таб- лице 1.

Copyright « « » & «A K -C »

Таблица 1

Разноска по классам данных суточного удоя

по классам данных суточного удоя При разноске следует

При разноске следует воспользоваться обозначениями точками и черточ- ками. Так первая корова вносится в класс с границами 20,0 – 21,9, где и ста- вится точка, вторая в класс с границами 22 – 23,9, и т.д. Поскольку место для разноски ограничено, то точки объединяют черточками. Например - : : 4, замкнув один квадрат ставят следующие значения - и т.д. Закончив разно- ску, записывают в графу частоты, получившуюся сумму. В первый класс по- пало 3 коровы, во второй 6, третий – 10 и т.д.

, во второй 6, третий – 10 и т . д . Для проверки , не

Для проверки, не пропущены ли при разноске отдельные варианты, нужно суммировать все показатели графы «Частоты». Их сумма (f) должна быть равна общему числу вариант в выборке (n). В данном примере ∑ f = n = 100. Двойной ряд чисел, отражающий распределение вариант по классам, на- зывается вариационным рядом. В разобранном случае вариационный ряд можно записать следующим об- разом:

Классы (W), кг

13

15

17

19

21

23

25

27

29

31

Частоты (f)

3

6

10

15

24

19

14

6

2

1

Вариационный ряд можно изобразить графически в виде гистограммы или в виде линейной кривой (полигон распределения). Для этого, используя систему координат, строят график: на горизонтальной оси (ось абсцисс) от- кладывают границы классов, на вертикальной (ось ординат) - частоты. Изо- бразив частоты каждого класса в виде столбиков, получают ступенчатую фи- гуру, называемую гистограммой. Во втором случае при пересечении перпен- дикуляров, восстановленных из значений середины классов с горизонталь-

10

Copyright « « » & «A K -C »

ными линиями, проведенными из соответствующих их частот, ставят точки, которые затем соединяют ломаной линией, называемой вариационной кривой (рис. 1).

вариационной кривой ( рис . 1). Рис . 1. Графическое изображение

Рис. 1. Графическое изображение вариационного ряда по удою:

а гистограмма, б линейная кривая При нормальном распределении кривая симметрична к перпендикуляру, опущенному из ее вершины на ось абсцисс (рис. 2). Ветви нормальной кри- вой подходят к оси абсцисс, не сливаясь с ней. Нормальная кривая в зависи- мости от разнообразия признака может иметь три формы высокую, пло- скую и низкую (рис. 3).

, пло - скую и низкую ( рис . 3). Рис .2. Нормальная кривая Рис .3.

Рис.2. Нормальная кривая Рис.3. Типы нормальных кривых

распределения

в зависимости от разнообразия признаков

Задания По данным следующих распределений начертить вариационные кривые, определить тип, характер кривой:

1. Для исследования на зараженность глистной инвазией вылавливали 20

десятков карпов (n=200). Распределение по числу рыб, зараженных глистной инвазией, было следующим:

Число больных рыб (х)

0 1

2

3

4

5

6 8

7 9

10

Число десятков (p)

1 3

4

5

3

2

1 0

1 0

0

Всего десятков

 

20

2. При изучении появления альбиносов у гибридных мышей в выборку

отбирали пометы с числом родившихся 6 мышат в каждом из пометов. Полу-

Copyright « « » & «A K -C »

чили следующее распределение пометов по числу альбиносов из шести ро- дившихся мышат:

Число альбиносов в помете (х)

0

1

2

3

4

5 6

Число пометов (р)

20

30

28

15

5

1 1

Всего пометов

 

100

3. Для изучения влияния скармливания метионина курам на соотношение полов у цыплят отобрано 53 курицы. От каждой курицы отобрано по 10 яиц, из которых получено по 10 цыплят. Получено следующее распределение:

Число курочек из 10 цыплят (х)

0 1

2

3

5

4 6

7

8

9

10

Число групп (р)

1 0

2

2

5 10

5

15

10

2

1

Всего

 

53

4. По данным индивидуальных заданий составить вариационный ряд и изобразить в виде гистограммы и вариационной кривой.

1.2. Вычисления средних величин Средняя арифметическая является основным показателем, характеризую- щим совокупность по величине изучаемого признака.

1.2.1. Вычисление средней арифметической ( Х ) в малочисленных выборках ( n £ 20 ) Средняя арифметическая величина в малочисленных выборках вычисля- ется прямым способом, который заключается в суммировании всех вариант (х 1 +х 2 +х 3 +…+х n ) с последующим делением суммы на число вариант в сово- купности (n):

X =

x

1

+

x

2

+

x

3

+

+

x

n

n

=

Â

x

n

где ∑х сумма вариант. Формула является наиболее точным способом вы-

числения Х . Пример. В группе из 6-ти коров среднесуточный удой в кг составляет: х 1 – 21; х 2 – 12; х 3 – 15; х 4 – 18; х 5 – 20; х 6 – 23. Подставляя эти значения в формулу средней, получаем:

X =

21

+

12

+

15

+

18

+

20

+

23 =

 

6

109

6

= 18,17

1.2.2. Вычисления средней арифметической в многочисленных выборках

Прямой метод вычисления Х при большом числе вариант при отсутствии вычислительной техники требует много труда. Поэтому при биометрической обработке многочисленных выборок используются другие методы. Для вы-

12

Copyright « « » & «A K -C »

числения средней арифметической величины используются вариационные ряды. Вычисление проводится по формуле:

X

= A + b или

X

=

A

+

K Â

fa

n

где А произвольно выбираемая условная средняя; b – поправка, которую

нужно прибавить к А для получения Х . Для вычисления средней арифметической величины по суточному удою коров выписываем вариационный ряд по суточному удою, приведенный ра- нее.

Затем надо выбрать условную среднюю (А). В качестве таковой обычно берут значение середины того класса, в который входит наибольшее число вариант. В данном примере А=21 кг молока, т.к. в этом классе наибольшая частота f (24). Чтобы с помощью условной средней А вычислить среднюю арифметиче- скую, нужно найти поправку b. Для этого, в третьей графе таблицы 2 отме- чают, на сколько классовых промежутков отклоняется от условной средней середина каждого из класса. Эти отклонения обозначаются буквой а. Начи- нать надо с класса, середина которого равна 21. Его отклонение от условной средней (А=21) равно нулю.

Таблица 2

Вычисление средней арифметической суточных удоев стада 100 коров

Классы (середина) (ω)

Частоты (f)

Отклонения (а)

Произведение отклонений на частоту (fa)

13

3

-4

-12

15

6

-3

-18

17

10

-2

-20

-65

19

15

-1

-15

А-21

24

0

0

23

19

+1

+19

25

14

+2

+28

27

6

+3

+18

+78

29

2

+4

+8

31

1

+5

+5

 

n=100

fa=+13

Класс 19 отклоняется на один классовый промежуток, класс 17 – на два, класс 15 – на три, класс 13 – на 4 промежутка. Отклонения этих классов от- рицательны, так как их значения меньше, чем условная средняя. Классы 23, 25, 27 и т.д. отклоняются от условной средней тоже на 1, 2, 3 и т.д. классовых промежутков, но их отклонения положительны, так как их значения больше условной средней. Записав отклонения с их знаками в третью графу таблицы, умножают отклонения каждого класса а на соответствующую частоту f и

Copyright « « » & «A K -C »

произведения fa вписывают в четвертую графу таблицы. Наконец, суммиру- ют все значения fa с учетом их знака, все положительные (+fa), затем все от- рицательные, и вычитают из большей суммы меньшую, сохраняя знак боль- шей величины. В данном примере сумма положительных значений (+fa) равна +78, сумма отрицательных равна -65. Их алгебраическая сумма (+78) + (-65) = 13. fa представляет собой сумму отклонений вариант от условной средней А, выраженную в числе классовых интервалов. Для вычисления средней

арифметической Х нужно найти по формуле для Х ,величину поправки b:

b

=

K

Â

fa

= 2

+ 13

n 100

= + 0.26

Когда поправка имеет знак «+», ее прибавляют к условной средней, а ко- гда поправка имеет знак « - », ее отнимают от А. Прибавив к условной средней поправку, получают среднюю арифметиче-

скую: Х = А + b = 21 +0,26 = 21,26 кг молока.

1.2.3. Вычисление средней взвешенной ( X ) Средняя взвешенная представляет собой сумму средних арифметических нескольких совокупностей. Она вычисляется по формуле:

взв

Х

взв

=

Х n

1

1

+

Х n

2

2

+

X

3

n

3

+

+

X

S

 

n

1

+

n

2

+

n

3

+

 

+

n

S

=

Â

Xn

Â

n

где: Х взв - средняя взвешенная,

Х 1 , Х 2

X S - средние арифметические первой, второй, и т.д. сово-

купностей, n 1 ,n 2 ,… s - объем совокупностей.

,n

При вычислении средней взвешенной нужно учитывать не только средне-

суточный удой в каждом хозяйстве ( Х , Х , Х , Х ), но и объем выборок (n 1 , n 2 , n 3 , n 4 ), по которым вычислены средние в каждом хозяйстве. Используя для вычисления средней взвешенной формулу получают:

1

2

3

4

Х взв

= (

Х n

1

1

+ X

2

n

2

+

X

s

n

s

)

+

Â

n

 Xn

=

Â

n

Пример. Известны среднесуточный удой и число коров в четырех хозяй-

,

ствах:

n 4 =500. Нужно вычислить средний удой по данным всех четырех хозяйств.

x

1

20 ,2

,

n 1 =1000,

x

2

= 18,4

2 , n 2 =500,

x

3

= 18,0

, n 3 =2000,

x

4

= 21,5

=

Х взв

=

Â

Xn

Â

n

=

20,2 *1000

+

18,4 * 500

+

18,0 * 2000

+

21,5 * 500 =

 

1000

+

500

+

2000

+

500

76150

4000

= 19,06 кг

Средний удой в четырех хозяйствах равен 19,06 кг.

1.2.4. Вычисление средней величины для неизмеряемых признаков (непараметрическая средняя) Многие признаки не имеют количественного измерения (интенсивность окраски шкурок цветного каракуля, норок и др.). По степени интенсивности

14

Copyright « « » & «A K -C »

развития признака животные могут быть ранжированы в порядке усиления или ослабления выраженности признака. Порядковый номер животного на- зывается рангом. Пример. От двух баранов-производителей (5 и № 6) каракульской по- роды и группы отобранных маток получено по 8 серых ягнят с различной ин- тенсивностью окраски(от светлой до темно-серой). Требуется выяснить, какой из производителей дает потомство с более темной мастью. Все потомки обоих баранов-производителей распределены в ранжированный ряд от светло-серой до темно-серой окраски шерсти с указа- нием номера отца.

Ранги

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

Номер

5

6

5

6

5

5

6

5

5

5

6

5

6

6

6

6

отца

На основании полученного ряда определяют средний ранг каждого произ- водителя:

Х =

5

Х =

6

1

+

3

+

5

+

6

+

8

+

9

+

10

+

12

54

 
 

=

= 6,5

;

 

8

 

8

2

+

4

+

7

+

11

+

13

+

14

+

15

+

16

= 10,2.

 
 

8

Второй производитель имел больше ягнят с темно-серой окраской, кото- рая ценится дороже.

Задания

1. Вычислить среднюю арифметическую по следующей выборке живой

массы 12 коров: 512, 472, 289, 282, 468, 479, 515, 451, 475, 402, 473, 467 2. Вычислить среднюю взвешенную по следующим показателям:

В хозяйстве имеется три отделения. На молочный завод отправлено мо- лока: из первого отделения - 5000 кг с содержанием жира 3,81%, из второго -

4500кг с содержанием жира 3,92% и из третьего - 3000 кг молока с содержа- нием жира 4,01%. Определить среднее содержание жира в молоке коров хо- зяйства.

3. В хозяйстве от трех быков-производителей получено 58 дочерей. Сред-

ний удой 20 дочерей Ветерка составил 3250 кг молока за лактацию с содер- жанием жира в нем 4,3%. Средний удой 23 дочерей Метеора составил 4115 кг

молока с содержанием жира 3,8%. Средний удой 15 дочерей Грома составил

2769 кг с содержанием жира 4,53%. Определить среднее содержание жира в молоке дочерей всех трех производителей.

4. На трех птицефабриках число несушек на начало года составило 30

000, 15 000 и 7 900 голов, а количество снесенных, за год яиц соответственно составляло 7,2; 4,2 и 2,16 млн. Вычислить среднюю яйценоскость птиц по каждому из хозяйств и среднюю яйценоскость по трем хозяйствам вместе.

5. Вычислить средний ранг (непараметрическую среднюю) для двух сам-

цов норок № 201 и № 202 голубой окраски. От каждого самца и группы са-

Copyright « « » & «A K -C »

мок получено 20 щенков с различной окраской меха, от почти белого до тем- но-голубого. Какой самец дает потомство с более темной окраской меха? Составлен следующий ранжированный ряд потомков производителей в порядке усиления серого цвета:

Ранг Номер отца Ранг Номер отца Ранг Номер отца

1 201

8

201

15

202

2 202

9

201

16

202

3 201

10

201

17

201

4 202

11

202

18

202

5 201

12

201

19

202

6 201

13

202

20

202

7 202

14

202

6. по данным индивидуальных заданий вычислить средний удой и жир- ность молока у 100 коров.

1.3. Показатели разнообразия признаков Установление степени разнообразия признака в популяциях имеет важное значение в селекции. Показателем разнообразия признака в совокупности могут в известной мере служить лимиты, которые характеризуют минимальное и максимальное значение изучаемого признака в выборочной совокупности и указывают на амплитуду вариации. Однако эти показатели недостаточны, так как животные с такими показа- телями могут быть нехарактерны для данного стада. Кроме того, лимиты не отражают индивидуальных различий внутри выборки. Например, при одина-

,

2 = лимиты составляли в первой группе 450-550, во второй - 420-600.

ковой средней величине животных двух групп по живой массе Х 526кг

1 =

Х

526кг

Размах колебаний в первой группе был 100 кг, во второй - 180 кг. Таким об- разом, при одной и той же средней величине группы неоднородны. Наилучшим показателем разнообразия признака является среднее квадра- тическое отклонение σ, которое учитывает отклонение каждой варианты от средней арифметической.

1.3.1. Вычисление среднего квадратического отклонения

в малочисленных выборках (n £ 30)

При небольшом числе вариант среднее квадратическое отклонение вы-

числяется по формуле:

s = ±

 ( х Х - ) 2 . n - 1
Â
(
х Х
-
) 2
.
n - 1

Пример. Требуется вычислить среднее квадратическое отклонение по дан- ным живой массы 12 коров (табл. 3 ).

16

Copyright « « » & «A K -C »

Таблица 3 Вычисление среднего квадратического отклонения прямым способом

Живая масса коров, кг

Отклонения

Квадраты отклонений

 

х

 

х - Х

   

(

х - Х

) 2

 

529

 

8,5

   

72,25

 
 

562

 

41,5

   

1722,25

 
 

523

 

2,5

   

6,25

 
 

469

 

-51,5

   

2652,25

 
 

543

 

22,5

   

506,25

 
 

518

 

-2,5

   

6,25

 
 

527

 

6,5

   

42,25

 
 

497

 

-23,5

   

552,25

 
 

518

 

-2,5

   

6,25

 
 

557

 

36,5

   

1332,25

 
 

493

 

-27,5

   

756,25

 
 

510

 

-10,5

   

110,25

 
 

Â

(

х

 

Х

)= 0

 

)

2

 

X =

6246

= 520,5

-

Â

(

х - Х

 

=

7765

 

12

     

В первую графу вписывают варианты (х) – живую массу коров. Суммиро- вав их и разделив на 12 (число вариант), получают среднюю живую массу

коров ( X ) = 520,5 кг.

Затем вычитают Х из каждой варианты и разности (отклонения от сред- ней) и вписывают во вторую графу. Для проверки правильности вычислений

суммируют все разности (х - Х ) их сумма должна быть равна нулю. Далее каждое отклонение возводят в квадрат и вписывают квадраты отклонений (х

- Х ) 2 в третью графу. Квадраты отклонений всегда положительны. Суммируя

все числа третьей графы, получают сумму квадратов отклонений ∑(х - Х ) 2 которую вписывают в итог третьей графы. Среднее квадратическое отклоне- ние вычисляют по формуле.

s

= ±

 ( x - X ) 2 7765 = n - 1 12 - 1
Â
( x
- X
) 2
7765
=
n - 1
12
- 1

= ± 26,6 кг

Выражение n - 1 называется числом степеней свободы (v), которое указы- вает на ограничение, имеющее при вычислении среднего квадратического отклонения одно условие: сигма является показателем разнообразия изучае- мого признака для группы, имеющей определенную среднюю арифметиче- скую, поэтому v = n - 1. Полученная величина

σ = 26,6 кг указывает, что в среднем отклонения вариант данного призна- ка от средней арифметической составляют 26,6 кг.

Copyright « « » & «A K -C »

1.3.2. Вычисление среднего квадратического отклонения в многочисленных выборках (n>30) Вычисление сигмы по формуле для малых выборок в больших выборках очень трудоемко. В таких случаях лучше пользоваться формулой:

s

= ±

К

2 2 Â fa Ê Â fa ˆ - Á ˜ n Ë n ¯
2
2
Â
fa
Ê
Â
fa ˆ
- Á
˜
n
Ë
n
¯

,

где К величина классового промежутка; f – частоты; а отклонения от ус- ловного среднего класса, выраженные в числе классовых промежутков; n – число вариант в выборке. Пример. Требуется вычислить среднее квадратическое отклонение по дан- ным удоя 100 коров, приведенных ранее. Для вычисления сигмы надо найти ∑fa 2 . Для этого fa умножают на a. За- тем просуммировав значения fa 2 , получают ∑fa 2

Таблица 4 Вычисление среднего квадратического отклонения суточных удоев

Классы

Частоты f

a

f a

f a 2

(середина w)

13

3

-4

-12

48

15

6

-3

-18

54

17

10

-2

-20