ESTADISTICA APLICADA AL

MEJORAMIENTO
GENETICO
PARAMETROS Y ESTADISTICOS
 Muchos fenómenos biológicos pueden ser expresados en términos de
expresiones estadísticas vinculadas a distribuciones de probabilidad. Algunas
de ellas son las siguientes:
 Hipergeométrica exponencial
 Binomial gamma
 Poisson beta
 Binomial negativa weibull
 Geométrica ji-cuadrada
 Normal t de student
 Estandar normal F

DISTRIBUCIONES
OSTLE (1968)
 Las distribuciones más empleadas por nosotros en el
mejoramiento genético animal son las previamente marcadas con
negritas, entre ellas la más frecuente es la distribución normal.
 Las distribuciones son arreglos de datos de medidas u
observaciones correspondientes a determinadas variables -que
pueden ser aleatorias (casual)-, ajustadas a la función que mejor
expresa los valores numéricos estimados de cada uno de los datos
reales en un espacio muestral dado.
 Estasvariables pueden ser: i) aleatoria discreta.- variable que solamente
puede tomar un número finito de valores; y, ii) aleatoria continua.-
variable que puede tomar un número indeterminado de valores

DISTRIBUCIONES
 Distribución de probabilidad, con forma de campana
simétrica, que corresponde a una variable continua y que
aparece con mayor frecuencia en fenómenos reales,
conociéndose también como Campana de Gauss. La
altura y el ancho de la campana dependen del grado de
dispersión de los datos u observaciones que corresponden
a la variable f (X)considerada
 Parámetros.- Son promedios de medidas de tendencia
central (m x) o de dispersión (s 2x) que sirven para tipificar
una población. Sus valores son constantes.
 Estadísticos.-Son promedios de medidas de tendencia
central (ഥ
𝒙) o de dispersión (𝑺𝟐𝒙 ) que sirven para tipificar una
muestra o para estimar los parámetros de la población de
la cual la muestra forma parte. Los estadísticos sirven
para estimar los valores paramétricos. Sus valores son
variables.
 Media .- Medida de tendencia central que representa el promedio de la
población o de una muestra representativa de ella, en relación a una variable
evaluada.
 En el caso de los números de un dado el promedio de la población es:

 En el caso de una muestra de los números de un dado, su promedio es:

ESTIMADORES DE LOS PARÁMETROS

  Notación general del promedio poblacional:

 En el caso del promedio poblacional de los puntos de un dado:

 En el caso del promedio muestral de algunos puntos del dado:

NOTACIÓN DE LAS VARIABLES, PARÁMETROS Y ESTADÍSTICOS

 Notación general de la variancia poblacional:
𝑋1 − 𝜇 2+ 𝑋2 − 𝜇 2+ ….+ 𝑋𝑛 − 𝜇 2
σ𝑛
𝑖=1 𝑋𝑖 − 𝜇
2
𝝈𝟐𝒙 = =
𝑁 𝑁

 Notación de la variancia muestral:

ത 2+(X2 − 𝑋)
(X1 − 𝑋) ത 2+ ….+ 𝑋𝑛 − 𝑋ത 2
σ𝑛 ത 2
𝑖=1(Xi − 𝑋)
𝒔𝟐𝒙 = =
𝑁 𝑁

 En el caso de la variancia de los puntos en la muestra del dado.

2 2 2
(2 −3) +(3 −3) + 4 −3 −1 2+ 0 2+ +1 2
𝒔𝒙 =
𝟐 = =1
3 −1 2

NOTACIÓN DE LAS VARIABLES, PARÁMETROS Y ESTADÍSTICOS

LA VARIANCIA Y LA DESVIACIÓN ESTÁNDAR
 El Coeficiente de Variación (CV).- es una medida relativa de dispersión que permite
comparar la variabilidad entre muestras con distintos promedios.

 Desviación Estándar de Promedios.- los promedios y las desviaciones estándar

muestrales están sujetas a variación y pueden constituir poblaciones; existiendo
relación entre la variancia entre individuos y entre sus medias.

COEFICIENTE DE VARIACIÓN Y DESVIACIÓN ESTÁNDAR DE PROMEDIOS

CUALQUIER POBLACIÓN, O MUESTRA NORMAL, PUEDE SER TIPIFICADA EN FUNCIÓN DEL PROMEDIO
Y VARIANCIA, DE UNA O VARIAS CARACTERÍSTICAS MEDIDAS EN ELLA; Y DE LA MISMA MANERA,
CUALQUIER OBSERVACIÓN CORRESPONDIENTE A UNA CARACTERÍSTICA, PUEDE SER EXPRESADA EN
FUNCIÓN DEL PROMEDIO -DE LA POBLACIÓN O MUESTRA- MÁS SU DESVIACIÓN RESPECTO A ÉSTE.
Ambiental:
a. Clima.- Sus efectos pueden provenir de los siguientes factores: altitud, luminosidad, temperatura y humedad
relativa. Algunos pueden ser controlados por el hombre, en especial cuando la crianza se realiza en ambientes
cerrados;
b. Manejo.- Se refiere al tratamiento que reciben los animales por parte del ser humano en las labores de crianza
rutinarias: ordeños, esquilas, movimiento entre corrales, separación de sexos, selección, apareamiento y
entrenamiento, entre otros;
c. Alimentación.- Para asegurar de manera adecuada las demandas nutricionales de acuerdo a las etapas de
lactación, crecimiento, acabado, reproducción y mantenimiento;
d. Sanidad.- Se refiere a las actividades relacionadas a la prevención, vigilancia y control de las enfermedades del
ganado, en sus diferentes etapas de vida.

FUENTES DE VARIACIÓN AMBIENTAL Y GENÉTICA



REGRESIÓN LINEAL SIMPLE REFERENCIA:

STEEL & TORRIE (1960)
GENERACIÓN DE LA LÍNEA DE REGRESIÓN

x1 x2 x3
 La estimación se realiza mediante el método de los Mínimos
Cuadrados, teniendo como pivote la intersección de los promedios
de X e Y, y buscando que la sumatoria de los errores
correspondientes a cada uno de los valores estimados de Y se iguale
a cero.
 Conforme al gráfico anterior, la ecuación de la Línea de
Regresión con base a cualquier valor estimado de Y, puede ser
expresada como:
i-esimo valor de Y i-esimo valor de X, del cual depende Yi

by/x = coeficiente de regresión de Y dependiente de X

 La ecuación de la Regresión Lineal puede también
ser expresada como:
 Lacual también puede ser obtenida de gráfico anterior, o
a través de:

intercepto

ESTIMACIÓN DE LA LÍNEA DE REGRESIÓN



CÁLCULO DEL COEFICIENTE DE REGRESIÓN

 La Fórmula de Trabajo para el cálculo del Coeficiente de Regresión
es la siguiente:

 Lasunidades del Coeficiente de Regresión corresponden a las de la

variable dependiente (Y).
Donde:
n= número de pares de observaciones X e Y.

CÁLCULO DEL COEFICIENTE DE REGRESIÓN

 Los
valores observados de cualquier Y pueden ser ajustados
empleando el Coeficiente de Regresión, como sigue:

 Donde: valor ajustado Yi

AJUSTE DE LOS VALORES OBSERVADOS DE Y, Y

PREDICCIÓN DE VALORES
 Uncoeficiente de Regresion es significativo cuando es al
menos diferente de cero al nivel de probabilidad del 5%
(P≤ 0,05), bajo las hipótesis siguientes.
Ho:b = 0
Ha:b ≠ 0
(P≤ 0,05)
 Laspruebas de significancia se realizan a treves de valires
calculados de F y “t” que se comparan con sus
respectivos valores tabulares, con 1/ (n-2) y (n-2) grados
de libertad, respectivamente.

SIGNIFICANCIA DEL COEFICIENTE DE REGRESIÓN

 El valor F proviene de una relación de variancias, y el “t” de una relación de
desviaciones; por tanto, para similares grados de libertad: F = t2.

 El valor de “t” se calcula de la siguiente manera:

CÁLCULO DE LOS VALORES DE F Y “┼”

 Cálculo del Cuadrado Medio del Error o Residual de la
Regresión:

Donde:

CÁLCULO DE LOS VALORES DE F Y “┼”

 Intervalos de Confianza para el Coeficiente de Regresión:

 Intervalos de Confianza de los Valores Estimados de Y:

(Cuando nos dan un valor de X)

(Cuando nos dan el valor del Y estimado)

CÁLCULO DE LOS INTERVALOS DE CONFIANZA EN LA

ESTIMACIÓN DE LOS PARÁMETROS
  Intervalos de Confianza para el Intercepto:

 Intervalos de Confianza para un valor predicho de Y:

CÁLCULO DE LOS INTERVALOS DE CONFIANZA EN

LA ESTIMACIÓN DE LOS PARÁMETROS
 2

ANÁLISIS DE VARIANCIA PARA LA REGRESIÓN

 La correlación expresa el grado de relación existente entre dos
variables, como consecuencia de factores que actúan -o que han
actuado- sobre ambas de manera simultánea. A
diferencia de la regresión, en la correlación ninguna de las
variables es dependiente de la otra.
 La correlación se mide a través del Coeficiente de Correlación (r),
cuyos valores van de -1 a +1. Pudiendo por tanto existir
correlaciones negativas y positivas entre dos variables X e Y. Son
positivas cuando el incremento de una de las variables se asocia al
incremento de la otra; y son negativas, cuando el incremento de
una se asocia al decremento de la otra.

CORRELACIÓN
 (Por definición)

 (Fórmula de trabajo)

 (Producto de Coeficientes de Correlación recíprocos)

CÁLCULO DEL COEFICIENTE DE CORRELACIÓN

 El Coeficiente de Determinación (R2), indica el grado en que la
variación total de las variables involucradas es explicada por la
Correlación entre ellas.

R2= r2
 El Coeficiente de No Determinación (K2), indica el grado en que
la variación total de las variables involucradas no es
explicada por la Correlación entre ellas.

K2 = 1- R2

COEFICIENTES DE DETERMINACIÓN Y NO
DETERMINACIÓN
 Debido a que el Coeficiente de Correlación puede tomar valores
entre -1 y +1, los Intervalos de Confianza para sus valores paramétricos
tienden a ser asimétricos.
 Lasimetría se observa solamente cuando el valor paramétrico del
Coeficiente de Correlación es Cero, y la asimetría se hace mayor
cuando tal valor es cercano a -1 ó a +1.
 LosIntervalos de Confianza pueden ser obtenidos mediante el uso de
la Tabla de David ó aplicando el Método de Fisher.

INTERVALO DE CONFIANZA DEL COEFICIENTE DE

CORRELACIÓN
 Tabla de David: Para α= 0, 0 5 o 0, 0 1

Escala r
0.30

Escala

INTERVALO DE CONFIANZA DEL COEFICIENTE

DE CORRELACIÓN
 2.Metodo Fisher: los valores de “r” se convierten a valores “z” (normales
estándar) para determinar los valores limites y luego estos últimos se
reconvierten a valores “r”.

(Simétrica)

Tabla A.12 Steel & Torrie (1960), convierte valores de z a r

(Asimétrica)

INTERVALO DE CONFIANZA DEL COEFICIENTE DE CORRELACIÓN

  Con los valores de r convertidos a z mediante el
método Fisher, se puede probar si el Coeficiente de
Correlación es significativo (p ≠ 0) o diferente a cualquier
valor referencial. Para lo cual se aplica una prueba de tZ.

PRUEBAS DE SIGNIFICANCIA DE LA CORRELACIÓN

 Fuente de GL Suma de Cuadrados Cuadrados Componentes
Variación Medios de Variancia

Tratamientos t-1

Residual o n.. - t
Error

Total n.. - 1

ANÁLISIS DE VARIANCIA PARA LA CORRELACIÓN INTRACLASE

 • Ambiental.- Ambiente

re
C1 C2

• Genética.-
Genes
rg
C1 C2
• Fenotípica.-
Ambiente + Genes

rf
C1 C2

TIPOS DE CORRELACIÓN ENTRE DOS CARACTERES