调和小区株树的计算

计算家系平均遗传力时,如果数据不平衡(小区株树不一致)需要用到调和小区株树(nk)。

  • 单点
    \hat{h}_{f}^{2}=\frac{\hat{\sigma}_{a}^{2}}{\hat{\sigma}_{f}^{2}+\hat{\sigma}_{f b}^{2} / n_{b}+\hat{\sigma}_{e}^{2} /\left(n_{b}n_{k}\right)}
  • 多点
    \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_{b})+\hat{\sigma}_{e}^{2} /\left(n_{s}n_{b}n_{k}\right)}

nk的计算在黄少伟的论文中(黄少伟; 钟伟华 用小区平均值估算单株遗传力的方法. 华南农业大学学报 1998, 19, 76–81.)有介绍,计算公式为:

调和小区株树.png

关键点是得到具体方法每个小区的株树,加起来然后用地点数、区组数和家系数的积除一下即可得。

  • SPSS
    用general linear model中的univariate分析,响应变量选择一个最好没有缺失值的变量,单点时自变量选择family和block,多点则把site也选上。当然我们并不真的要做回归或ANOVA,所以要在options中勾选描述性统计,这个才是我们需要的。出来的结果是这样的:

output.png

我们需要最右列N,复制到Excel中,注意把所有Total的行去掉,按照公式计算就可以了。

  • 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)
}
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,088评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,715评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,361评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,099评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 60,987评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,063评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,486评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,175评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,440评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,518评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,305评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,190评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,550评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,880评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,152评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,451评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,637评论 2 335

推荐阅读更多精彩内容