P ( D H) Curso Fundamental de Inferencia Filogenética. Tema: Inferencia Filogenética con Máxima Verosimilitud
|
|
- Víctor Manuel Ayala Sosa
- hace 6 años
- Vistas:
Transcripción
1 urso Fundamental de Inferencia Filogenética ema: Inferencia Filogenética con Máxima Verosimilitud, UNM Junio, 7 Prof. Susana Magallón IB, UNM Método paramétrico MXIM VEROSIMILIUD (ML) EN L INFERENI FILOENEI Uso de matriz de taxa por caracteres discretos Utiliza un criterio de optimización para elegir árboles tributos: Permite explorar los datos y los modelos de substitución Permite adecuado aprovechamiento de información de secuencias Proporciona estimados de filogenia con poca varianza Es robusto a violaciones de supuestos de modelos Permite incorporar conocimiento sobre substitución molecular en la inferencia filogenética MXIM VEROSIMILIUD (ML) EN L INFERENI FILOENEI Utiliza un criterio de optimización para elegir árboles riterio de optimización: Máxima Verosimilitud Probabilidad de los datos dada una hipótesis P ( D H) MXIM VEROSIMILIUD (ML) EN L INFERENI FILOENEI avalli-sforza & Edwards (967) - frecuencias génicas avalli-sforza, L.L. and.w.f. Edwards Phylogenetic analysis: model and estimation procedures. Evolution 3:55-57, and merican Journal of Human enetics 9: Felsenstein (98) - secuencias de nucleótidos Felsenstein, J. 98. Evolutionary trees from DN sequences: a maximum likelihood approach. Journal of Molecular Evolution 7: Datos (D): - secuencias de nucleótidos - secuencias de aminoácidos Hipótesis (H): - árbol (topología) - longitud de ramas - parámetros del modelo de substitución Kishino et al. (99), dachi & Hasegawa (99) - secuencias de aminoácidos Kishino, H.,. Miyata and M. Hasegawa. 99. Maximum likelihood inference of protein phylogeny and the origin of chloroplasts. Journal of Molecular Evolution 3:5-6. dachi, J. and M. Hasegawa. 99. MOLPHYL: Programs for molecular phylogenetics I - PROML: maximum likelihood inference of phylogeny. omputer Science Monographs, No. 7. Institute of Statistical Mathematics, okyo. MXIM VEROSIMILIUD (ML) EN L INFERENI FILOENEI ESIMION DE ESDOS EN NODOS INERNOS omparación con otros Métodos Similitud con métodos de distancia e inferencia Bayesiana: - métodos paramétricos (uso explícito de un modelo de substitución) Similitud con parsimonia (MP): - uso directo de la matriz original de datos (taxa por caracteres) - uso de un criterio de optimización para elegir entre árboles
2 ESIMION DE ESDOS EN NODOS INERNOS ESIMION DE ESDOS EN NODOS INERNOS Nodos ncestrales con Parsimonia Nodos ncestrales con Máxima Verosimilitud probabilidad de cambio MEDIION DE L VEROSIMILIUD (L) DE UN RBOL URVS DE VEROSIMILIUD omparación de combinaciones de: - topología - longitudes de ramas - valores de los parámetros del modelo de substitución que maximicen globalmente la probabilidad de los datos (secuencias de nu, aa, etc.) Procedimiento iterativo, por ejemplo: (a) Proponer una topología (b) signar valores a los parámetros del modelo de substitución (c) Modificar las longitudes de ramas hasta encontrar aquellas que maximicen la probabilidad de los datos bajo la topología y los valores de parámetros fijos (d) Se mide la L del árbol * (e) Se repite desde (b) (f) Se repite desde (a) (g) Se elige la combinación global con mayor L Verosimilitud (L) Valor del parámetro LULO DE L VEROSIMILIUD (L) DE UN RBOL () lineamiento j N [] [] [3] [4] () rbol no enrraizado 3 (4) álculo de la L del sitio j L(j) = Prob + Prob + + Prob + + Prob L OMO LORIMO NURL. L. lnl <. 4 (3) rbol enrraizado arbitrariamente 3 4 (5) L total = producto de las Ls de cada sitio " N L = L() L() L(N) = L( j) j= (5) (6) (6) L total = producto de las Ls de cada sitio N lnl = lnl() + lnl() + + L(N) = " lnl( j) j=
3 MODELOS SELEION DE MODELOS eneralidad: Describe las características comunes de un proceso en diferentes entidades. Exploración de datos: Permite elección de un modelo con un buen ajuste a los datos Flexibilidad: Introducen flexbilidad al incluír parámetros que son relevantes en el proceso modelado. Parámetros: (a) Selección de parámetros - Incluir parámetros relevantes - Evitar parámetros superfluos (b) Especificación de los valores de los parámetros Prueba de ociente de Verosimilitudes (Likelihood Ratio est): Evalua significancia de la diferencia en L entre modelos anidados -(lnl - lnl ) = -ln(l /L ) riterio de Información de kaike (I): ontrarresta el incremento de L en un modelo mas complejo mediante una penalización por la inclusión de parámetros adicionales MODELOS DE SUBSIUION DE NULEOIDOS MRIZ DE SS INSNNES Describen el proceso de cambio de una base i a una j en un sitio Modelos Markovianos homogéneos µ(aπ c + bπ + cπ ) µaπ µbπ µcπ µgπ µ(gπ + dπ + eπ ) µdπ µeπ µhπ µiπ µ(hπ + iπ + fπ ) µfπ históricos: La probabilidad de cambio de i a j en un sitio no depende de la base en ese sitio antes de estar i. µjπ µkπ µlπ µ(jπ + kπ + lπ ) Las probabilidades de substitución son constantes en todo el árbol µ = tasa de substitución instantánea a, b, c,..., l = tasa de substitutción relativa µa, µb,..., µl = parámetros de tasa π, π, π, π = frecuencias de las bases MRIZ DE SS INSNNES MRIZ DE SS INSNNES Modelo eneral emporal Reversible (R) µ(aπ c + bπ + cπ ) µaπ µbπ µcπ µa µb µc µgπ µ(gπ + dπ + eπ ) µdπ µeπ µhπ µiπ µ(hπ + iπ + fπ ) µfπ R = µa µd µe µb µd µf µc µe µf µjπ µkπ µlπ µ(jπ + kπ + lπ ) µ(aπ c + bπ + cπ ) µaπ µbπ µcπ R = µa µb µc µg µd µe µh µi µf Π = π π π µaπ µ(aπ + dπ + eπ ) µdπ µeπ µbπ µdπ µ(bπ + dπ + fπ ) µfπ µj µk µl π µcπ µeπ µfπ µ(cπ + eπ + fπ ) 3
4 MRIZ DE SS INSNNES Modelo HKY85 ti tv MRIZ DE SS INSNNES ti tv Modelo KP ti: -; - b = e = κ tv: -; -; -; - a = c = d = f = ti: -; - b = e = κ tv: -; -; -; - a = c = d = f = π = π = π = π =.5 µ(aπ c + bπ + cπ ) µπ µkπ µπ ( + κ) κ µπ µ(aπ + dπ + eπ ) µπ µkπ ( + κ) κ µkπ µπ µ(bπ + dπ + fπ ) µπ κ ( + κ) µπ µkπ µπ µ(cπ + eπ + fπ ) κ ( + κ) MRIZ DE SS INSNNES Modelo J a = b = = f = π = π = π = π =.5 res tipos de substitución: (ti, y dos clases de tv) SOS ESPEILES DEL R R Igual frecuencia de bases rn SYM Dos tipos de substitución: (ti y tv) res tipos de substitución: (ti, y dos clases de tv) 3() 3() 3() HKY85 Un tipo de substitución F8 Igual frecuencia de bases KP K3S Dos tipos de substitución: (ti y tv) 3() Igual frecuencia de bases Un tipo de substitución J MODELOS DE SUBSIUION DE OROS IPOS DE DOS Proteínas MODELOS DE SUBSIUION DE OROS IPOS DE DOS odones Matriz de cambio de x Modelo de Poisson - Supuestos: - igual frecuencia de todos los aminoácidos - igual tasa de cambio entre los aminoácidos Modelo Proporcional de Hasegawa y Fujiwara (993): - admite frecuencias desiguales Modelo de Dayhoff (Kishino et al., 99; dachi and Hasegawa, 99) - análogo al R; utiliza tasa de substitución empírica de Dayhoff Retienen toda la información de las secuencias de nucleótidos, sin los problemas derivados de la degeneración del código genético Matriz de cambio de 6 x 6 Modelos: Muse and aut (994) oldman and Yang (994) Modelo J (Jones et al., 99) - actualización del modelo de Dayhoff. 4
5 OROS PRMEROS Variación de asas entre Sitios DISRIBUION MM Parámetro relevante en la substitución de nucleótidos Modelaje del parámetro: (a) Una tasa de substitución propia para cada sitio (b) signación de categorías funcionales a diferentes sitios - asa diferente a as, as y 3as posiciones del codón - Distribución de tasas entre sitios como una distribución gamma FORM DE L DISRIBUION MM = parámetro de forma OROS PRMEROS Sitios Invariables ierto porcentaje de los sitios no admite cambios Puede combinarse con diferentes tasas entre sitios variables: - % de sitios invariables - sitios variables: distribución de tasas como en una distribución gamma < < Versión discreta de la distribución amma - División del área bajo la curva en n sectores iguales - La media de cada sector representa todas las tasas dentro de ese sector ENIS DE ESIMION FILOENEI ON MXIM VEROSIMILIUD Estimación simultánea de topología, longitudes de ramas y parámetros de substitución. Es posible introducir algunos de los parámetros anteriores, a partir de información previa independiente Método de aproximación sucesiva: (a) obtener una topología adecuada (e.g., con MP o J) (b) estimar parámetros de substitución en topología disponible, con base en modelo con alto ajuste (c) realizar búsqueda de ML de toplogía usando modelo con alto ajuste, fijando los parámetros de substitución (d) re-estimar parámetros en la topología obtenida (e) etc., hasta lograr una estabilización de topología y parámetro de substitución 5
1/19/11! Taller Latinoamericano de Evolución Molecular! 2011! Criterios de Optimización II! Máxima Verosimilitud!
1/19/11 Máxima Verosimilitud (Maximum Likelihood - ML) como una técnica estadística Taller Latinoamericano de Evolución Molecular 2011 R.. Fisher: Fisher, R.. 1912. On the absolute criterion for fitting
Más detallesLección 3. Modelos de evolución molecular. Transiciones. Transversiones. Transiciones. Inferencia filogenética Mutación y substitución
Mutación y substitución Mutación (µ: cambio de base en la secuencia de DN de evolución molecular Substitución (µ: mutación que se fija en una población (o especie P(substitución = Nºmutaciones * P(fijación
Más detalles= " G. = 0.25 ) b. En los modelos más complejos: cuatro frecuencias diferentes, una para cada nucleótido (" A = " T # " G # " C # " T
TEMA 3.4. Selección del modelo evolutivo que mejor se ajuste a nuestros datos INTRODUCCIÓN Contacto: Virginia Valcárcel (virginia.valcarcel@uam.es) Para calcular las distancias entre pares de secuencia,
Más detallesPablo Vinuesa 2007, 1
Curso fundamenteal de Inferencia Filogenética Molecular Pablo Vinuesa (vinuesa@ccg.unam.mx) Progama de Ingeniería Genómica, CCG, UNAM http://www.ccg.unam.mx/~vinuesa/ Tutor: PDCBM, Ciencias Biológicas,
Más detalles1/26/11! Taller Latinoamericano de Evolución Molecular! 2011! Relojes Moleculares:! Fechación de Clados con Datos Moleculares! EL RELOJ MOLECULAR!
Taller Latinoamericano de Evolución Molecular! 2011! Relojes Moleculares:! Fechación de Clados con Datos Moleculares! Prof. Susana Magallón! Enero 27, 2011! EL RELOJ MOLECULAR! La distancia genética entre
Más detallesFilogenias. Charles Darwin (1859)
Filogenias Charles Darwin (1859) Filogenia Consiste en el estudio de las relaciones evolutivas entre diferentes grupos de organismos. Su inferencia implica el desarrollo de hipótesis sobre los patrones
Más detallesINTRODUCCIÓN MATERIALES Y METODOS
DETERMINACIÓN DE EVENTOS DE DISPERSIÓN Y VICARIANZA A PARTIR DE UN MODELO BASADO EN LIKELIHOOOD VERSUS EL ANÁLISIS DE DISPERSIÓN-VICARIANZA REALIZADO EN DIVA Laura Camila Cabanzo Olarte Código 2060522
Más detallesEVALUACION DEL EFECTO DE LA EVOLUCIÓN HETEROGENEA SITIO- ESPECIFICA SOBRE LA RECONSTRUCCIÓN FILOGENETICA MEDIANTE PARSIMONIA
EVALUACION DEL EFECTO DE LA EVOLUCIÓN HETEROGENEA SITIO- ESPECIFICA SOBRE LA RECONSTRUCCIÓN FILOGENETICA MEDIANTE PARSIMONIA INTRODUCCION La biología comparada estudia la diversidad de especies analizando
Más detallesLAB 1 LAB 1/2. Estadística descriptiva. Pruebas de neutralidad. Mismatch distribution. Tajima Fu MacDonald-Kreitman
LAB 1 Estadística descriptiva Pruebas de neutralidad Tajima Fu MacDonald-Kreitman Mismatch distribution LAB 1/2 1-numero de sitios segregantes en una muestra numero de sitios Tajima, 1989 : Var se puede
Más detallesMAXIMA PARSIMONIA EN LA INFERENCIA FILOGENÉTICA DE SECUENCIAS DE ADN
MAXIMA PARSIMONIA EN LA INFERENCIA FILOGENÉTICA DE SECUENCIAS DE ADN - Inferir una filogenia es un proceso de estimación. Se hace la mejor estimación de una historia evolutiva con base en la información
Más detallesPablo Vinuesa 2008, 1
Genómica Evolutiva I - Inferencia Filogenética y Evolución Molecular Semestre 2008-2 Pablo Vinuesa (vinuesa@ccg.unam.mx) Progama de Ingeniería Genómica, CCG-UNM, México http://www.ccg.unam.mx/~vinuesa/
Más detallesTÉCNICAS INTELIGENTES EN BIOINFORMÁTICA. Evolución Molecular y Filogenia
TÉCNICAS INTELIGENTES EN BIOINFORMÁTICA Evolución Molecular y Filogenia Ignacio Pérez Hurtado de Mendoza Grupo de investigación en Computación Natural Dpto. Ciencias de la Computación e Inteligencia Artificial
Más detallesLa teoría de coalescencia
La teoría de coalescencia Proceso estocástico Es un linaje de alelos proyectado hacia el pasado (su ancestro común mas reciente) Aproximación básica usando el modelo de Wright-Fisher Modelo probabilístico
Más detalles2008 Pablo Vinuesa, 1
Introducción a la Inferencia Filogenética y Evolución Molecular 23-26 Junio 2008, Fac. C. Biológicas - UANL Pablo Vinuesa (vinuesa@ccg.unam.mx) Centro de Ciencias Genómicas-UNAM, México http://www.ccg.unam.mx/~vinuesa/
Más detallesSILABO. UNIVERSIDAD RICARDO PALMA Facultad de Ciencias Biológicas Año Académico 2012 Semestre académico 2012-II I. DATOS GENERALES
UNIVERSIDAD RICARDO PALMA Facultad de Ciencias Biológicas Año Académico 2012 Semestre académico 2012-II SILABO I. DATOS GENERALES ASIGNATURA : TALLER DE SISTEMATICA Y FILOGENIA CÓDIGO : CB-02.64 CRÉDITOS
Más detallesDarwin: la evolución es descendencia con modificación
Curso de Evolución 2016 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ Tema 2. Las filogenias como contexto de análisis de la evolución. Métodos
Más detallesCurso de Evolución 2017 Facultad de Ciencias Montevideo, Uruguay
Curso de Evolución 2017 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ Tema 2. Las filogenias como contexto de análisis de la evolución. Métodos
Más detallesTEMA 2.1. Breve introducción a las técnicas y métodos de reconstrucción filogenética
TM 21 reve introducción a las técnicas y métodos de reconstrucción filogenética ontacto: Virginia Valcárcel (virginiavalcarcel@uames) xisten diversos métodos de análisis para estimar reconstrucciones filogenéticas
Más detallesHerramientas moleculares
MÁSTER UNIVERSITARIO EN BIODIVERSIDAD EN ÁREAS TROPICALES Y SU CONSERVACIÓN UNIVERSIDAD INTERNACIONAL MENÉNDEZ PELAYO Este documento puede utilizarse como documentación de referencia de esta asignatura
Más detallesModelos de sustitución de nucleótidos* (y otros modelos).
Modelos de sustitución de nucleótidos* (y otros modelos). Borrador preliminar, esta NO es una versión final. Ricardo García-Sandoval Facultad de Ciencias, UNAM. r.garciasandoval@gmail.com Contenido 1.
Más detallesMétodo de Hennig. Método alternativo. 1) Definir la raíz (escogiendo grupo externo) 1) Identificar caracteres informativos
urso de Evolución 06 Facultad de iencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ Tema. Las filogenias como contexto de análisis de la evolución. Métodos de inferencia
Más detallesEFECTO DE BASES AMBIGUAS EN LA RESOLUCION DE LAS FILOGENIAS. Laura Rocío Forero Moreno
EFECTO DE BASES AMBIGUAS EN LA RESOLUCION DE LAS FILOGENIAS Laura Rocío Forero Moreno 2020503 Introducción El objetivo de los métodos de reconstrucción filogenética es utilizar del mejor modo posible la
Más detallesESTRATEGIAS DE SELECCIÓN DEL MODELO DE SUSTITUCIÓN NUCLEOTÍDICA VERSUS EL NÚMERO DE TAXA. Johana Alexandra Dulcey Ulloa,
ESTRATEGIAS DE SELECCIÓN DEL MODELO DE SUSTITUCIÓN NUCLEOTÍDICA VERSUS EL NÚMERO DE TAXA Johana Alexandra Dulcey Ulloa, 2050183. Sistemática Filogenética, Universidad Industrial de Santander, 2009. INTRODUCCIÓN
Más detallesConsenso: Hoy 3 temas. 2- evaluando los resultados. evolucion.fcien.edu.uy/sistematica/sistematica.htm
PEDECIBA BIOLOGÍA CURSO: SISTEMÁTICA BIOLÓGICA: MÉTODOS Y PRINCIPIOS Guillermo D Elía Hoy 3 temas 1- qué hacemos cuando al analizar una matriz obtenemos más de un árbol más óptimo? - consensos - pesos
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesProcesos estocásticos Sesión 9. Cadenas de Markov a tiempo continuo
Procesos estocásticos Sesión 9. Cadenas de Markov a tiempo continuo Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos 1. Cadenas
Más detallesPRACTICA XI: ALINEAMIENTO POR TRADUCCION INVERSA Y ANALISIS FILOGENETICO POR EL CRITERIO DE DISTANCIAS
PRACTICA XI: ALINEAMIENTO POR TRADUCCION INVERSA Y ANALISIS FILOGENETICO POR EL CRITERIO DE DISTANCIAS Objetivo: - Aplicar las técnicas para realizar el alineamiento de secuencias de DNA codificantes empleadas
Más detallesTema 4: Alineamiento Múltiple y Filogenias (3)
Bioinformática lásica Bioinformática lásica ema 4: lineamiento Múltiple y Filogenias (3) Sección 3: Filogenias Dr. Oswaldo relles Universidad de Málaga La filogenia estudia las relaciones de parentesco
Más detallesPRÁCTICA I. Ejercicios Teóricos
PRÁCTICA I TEORÍA DE LA DECISIÓN BAYESIANA Ejercicios Teóricos Ejercicio. En el caso de dos categorías, en la regla de decisión de Bayes el error condicional está dado por la ecuación (7). Incluso si las
Más detallesEl virus de la gripe. Análisis bioinformático
El virus de la gripe Análisis bioinformático Es una enfermedad respiratoria, de origen vírico y altamente contagiosa. Obliga a hospitalizar a 200.000 personas al año en USA. Está relacionada con 30.000
Más detallesCaracteres moleculares
PEDECIBA BIOLOGÍA - 2007 Sistemática Biológica: Métodos y Principios Alejandro D Anatro Caracteres moleculares Esquema para esta clase Generalidades Tipos de caracteres moleculares Particularidades del
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detalles2008 Pablo Vinuesa, 1
Introducción a la Inferencia Filogenética y Evolución Molecular 23-26 Junio 2008, Fac. C. Biológicas - UANL Pablo Vinuesa (vinuesa@ccg.unam.mx) Centro de Ciencias Genómicas-UNAM, México http://www.ccg.unam.mx/~vinuesa/
Más detallesSelección Natural y Evolución
Selección Natural y Evolución La evolución es un cambio en la composición genética de las poblaciones. El estudio de los mecanismos evolutivos corresponde a la genética poblacional" (Dobzhansky, 1951),
Más detallesLección 4. Métodos filogenéticos
Básico La inferencia filogenética es un campo per se del estudio de la evolución, en continuo movimiento y expansión. filogenéticos La inferencia filogenética es un procedimiento de estimación estadística.
Más detallesTEMA 4 Modelos discretos elementales. Ecuaciones en diferencias
TEMA 4 Modelos discretos elementales. Ecuaciones en diferencias Chelo Ferreira González Avicenna (980-1037) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y
Más detallesLección 10. Aplicaciones filogenéticas en epidemiogía
Epidemiología filogenéticas en epidemiogía Curso Análisis filogenético Máster de Bioestadística 26 Universidad de Santiago de Compostela Marzo 26 La epidemiología estudia el origen, distribución, frecuencia,
Más detallesEl modelo de azar proporcional: la regresión de Cox
El modelo de azar proporcional: la regresión de Cox Alfonso Luis Palmer Pol y Jose Maria Losilla Vidal El Análisis de la Supervivencia (Palmer, 1988) engloba una variedad de técnicas estadísticas que permiten
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesÁRBOLES FILOGENÉTICOS
ÁRBOLES FILOGENÉTICOS Por qué usar filogenias? El conocimiento del pasado es importante para poder resolver muchas cuestiones relacionadas con procesos biológicos. Las filogenias nos permiten obtener relaciones
Más detallesEconomía Aplicada. Modelos con variables dependiente binarias. Departamento de Economía Universidad Carlos III de Madrid
Economía Aplicada Modelos con variables dependiente binarias Departamento de Economía Universidad Carlos III de Madrid Ver Stock y Watson (capítulo 11) 1 / 28 Modelos con variables dependiente binarias:
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesModelos de mutación y filogenética molecular. Bioinformática, Kevin Yip-CSE-CUHK (Universidad china de Hong-Kong)
Modelos de mutación y filogenética molecular Bioinformática, 6-4-16 Kevin Yip-CSE-CUHK (Universidad china de Hong-Kong) HOY 1. Distancia evolutiva y modelos de mutación 2. Árboles: Las estructuras jerárquicas
Más detallesConstrucción y análisis de árboles filogenéticos. Antonio Gómez Tato
Construcción y análisis de árboles filogenéticos Antonio Gómez Tato Introducción Árboles filogenéticos Surgen a partir de la teoría de la evolución de Darwin. Son representaciones gráficas de las relaciones
Más detallesFilogenias. Inferencia filogenética
Filogenias Para Darwin la evolución es descendencia con modificación a partir de un único origen de la vida. Siguiendo esta idea, todos los taxa actuales tendrán algún tipo de parentesco más o menos cercano.
Más detallesGrado en Matemáticas
Grado en Matemáticas CENTRO RESPONSABLE: FACULTAD DE CIENCIAS RAMA: Ciencias CRÉDITOS: 240,00 DISTRIBUCIÓN DE CRÉDITOS DE LA TITULACIÓN FORMACIÓN BÁSICA: 60,00 OBLIGATORIOS: 120,00 OPTATIVAS: 48,00 TRABAJO
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesCUERPO TÉCNICO, OPCION ESTADISTICA
CUERPO TÉCNICO, OPCION ESTADISTICA ESTADÍSTICA TEÓRICA BÁSICA TEMA 1. Fenómenos aleatorios. Conceptos de probabilidad. Axiomas. Teoremas de probabilidad. Sucesos independientes. Teorema de Bayes. TEMA
Más detallesTEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS
TEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) PROCEDIMIENTOS ESTADISTICOS CONSTRUCCION DE MODELOS DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS Cada procedimiento es aplicable a un
Más detallesCI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA
CI 41C HIDROLOGÍA HIDROLOGÍA PROBABILÍSTICA alcantarilla Puente? Badén http://www.disasternews.net/multimedia/files/drought5_9412.jpg Fenómenos en Ingeniería (según certeza de ocurrencia) determinísticos
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesClase 2. Introducción a la Sistemática Cladística
Curso: Principios y métodos de la Sistemática Cladística. Clase 2. Introducción a la Sistemática Cladística Fernando Pérez-Miles Entomología, Facultad de Ciencias El método más utilizado Hennig 950 Grundrüge
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesTema 6: Introducción a la Inferencia Bayesiana
Tema 6: Introducción a la Inferencia Bayesiana Conchi Ausín Departamento de Estadística Universidad Carlos III de Madrid concepcion.ausin@uc3m.es CESGA, Noviembre 2012 Contenidos 1. Elementos básicos de
Más detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesAnálisis de extremos
Análisis de extremos Referencias Wilks (sección 4.4.5): dice mucho, explica poco Coles (2001) An Introduction to Statistical Modeling of Extreme Values Introducción Objetivo del análisis de extremos: cuantificar
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesElvira Mayordomo y Jorge Álvarez. Marzo - Abril de 2016
TRABAJO DE PRÁCTICAS Elvira Mayordomo y Jorge Álvarez Marzo - Abril de 2016 1 Introducción El trabajo de prácticas de la asignatura consistirá en que cada alumno realice por separado el trabajo que se
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesPruebas para evaluar diferencias
Pruebas para evaluar diferencias Métodos paramétricos vs no paramétricos Mayoría se basaban en el conocimiento de las distribuciones muestrales (t- student, Normal, F): EsFman los parámetros de las poblaciones
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 13
Maestría en Bioinformática Probabilidad y Estadística: Clase 13 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Mayo de 2010 Contenidos 1 Hidden Markov Models
Más detallesElementos para la estimación de una tabla de mortalidad de inválidos
Elementos para la estimación de una tabla de mortalidad de inválidos La Superintendencia Financiera de Colombia (SFC) ha presentado para comentarios el proyecto de actualización de la tabla de mortalidad
Más detallesTeoría de colas. Modelado y Análisis de Redes de Telecomunicaciones. IIE - Facultad de Ingeniería
Teoría de colas Modelado y Análisis de Redes de Telecomunicaciones IIE - Facultad de Ingeniería Contenido 1 Proceso de Poisson 2 Teoría de colas 3 El proceso M/M/1 4 Los procesos M/M/* 5 El proceso M/G/1
Más detallesEstadística Bayesiana
Universidad Nacional Agraria La Molina 2017-1 Teoría de la decisión Riesgo de Bayes La teoría de decisión es un área de suma importancia en estadística ya que muchos problemas del mundo real pueden tomar
Más detallesTema 6. Estimación puntual
Tema 6. Estimación puntual Contenidos Planteamiento del problema Criterios de comparación de estimadores: Insesgadez Estimadores de mínima varianza Error cuadrático medio Consistencia Métodos para obtener
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesTaller Latinoamericano de Evolución Molecular y Filogenética. Junio 22 - Julio 3, Centro de Ciencias Genómicas, UNAM. Relojes Moleculares
Taller Latinoamericano de Evolución Molecular y Filogenética Junio 22 - Julio 3, 2009 Centro de Ciencias Genómicas, UNAM Relojes Moleculares Prof. Susana Magallón Instituto de Biología, UNAM s.magallon@ibiologia.unam.mx
Más detallesElementos de probabilidad e inferencia estadística en el seguro
Elementos de probabilidad e inferencia estadística en el seguro Instructor: Act. Erick Mier Moreno. Director general y profesor de AMAT- Applied Mathematics and Actuary Training. Profesor de asignatura
Más detallesMicroeconometría. Karoll GOMEZ Segundo semestre 2017
Microeconometría Karoll GOMEZ kgomezp@unal.edu.co http://karollgomez.wordpress.com Segundo semestre 2017 Generalidades: 3 horas a la semana por 16 semanas. Horario clases: Miercoles de 2pm-5pm. Inicio
Más detalles13.Teoría de colas y fenómenos de espera
3.Teoría de colas y fenómenos de espera Notación y terminología Modelado del proceso de llegada Modelado del proceso de servicio Notación de Kendall-Lee Procesos de nacimiento y muerte Modelo M/M/. Análisis
Más detallesMétodo bayesiano bootstrap y una aplicación en la estimación del percentil 85 en ingeniería de tránsito
Revista Colombiana de Estadística Volumen 27 N o 2. Págs. 99 a 107. Diciembre 2004 Método bayesiano bootstrap y una aplicación en la estimación del percentil 85 en ingeniería de tránsito Juan Carlos Correa
Más detallesDistribuciones Muestrales e Intervalos de Confianza
Distribuciones Muestrales e Intervalos de Confianza Sesión 5 Dr. Carlos J. Vilalta (DAP) Estadística - Curso propedéutico MAPP 2016 Centro de Investigación y Docencia económicas (CIDE) Contacto: carlos.vilalta@cide.edu
Más detallesEnsayos de consolidación (2)
Ensayos de consolidación (2) Análisis de las curvas asiento-tiempo Células con medida de presión (Célula Rowe) Ensayos con carga continua Resumen Análisis de las curvas asiento tiempo Método de Casagrande
Más detallesAndrea Bayancela Espinel Coordinación y edición: Eugenio Paladines y David Villamar
Determinación de los niveles óptimos del Seguro de Depósitos del Ecuador a partir de su función de distribución de pérdidas esperadas y de la estimación de las probabilidades de riesgo alto de las entidades
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesTema 6: Introducción a la inferencia estadística
Tema 6: Introducción a la inferencia estadística Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 6: Introducción a la inferencia estadística
Más detallesTEMA 5. Modelos para Datos de Conteo
TEMA 5. Modelos para Datos de Conteo Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Datos de Conteo 2 Regresión de Poisson 3 Extensiones Datos de Conteo Variable de
Más detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesMÉTODOS PARA ESTIMAR PARÁMETROS FENOTÍPICOS Y GENÉTICOS DE LA DESCENDENCIA
MÉTODOS PARA ESTIMAR PARÁMETROS FENOTÍPICOS Y GENÉTICOS DE LA DESCENDENCIA Aplicar métodos matemáticos para estimar componentes de similitud o varianza genética entre individuos de una población La habilidad
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesTEMA 3.5. Obtención de árboles mediante el método de inferencia bayesiana
TEMA 3.5. Obtención de árboles mediante el método de inferencia bayesiana Contacto: Isabel Draper (Isabel.draper@uam.es) PROGRAMAS NECESARIOS (1) Para la obtención de árboles mediante Inferencia Bayesiana
Más detallesIntroducción a la Simulación
Taller de Informática I Introducción a la Simulación Departamento de Computación Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 1er. Cuatrimestre 2016 Enrique Carlos Segura Introducción
Más detallesMarcel Goic
IN5602 Marketing II Modelos de Comportamiento: Estimación y Heterogeneidad Marcel Goic (mgoic@dii.uchile.cl) Semestre Otoño 2012 1 Ejemplo Proyección de Retención de Clientes 2 Motivación Año #Clientes
Más detallesTeoría neutral de la evolución molecular
Curso de Evolución 2014 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ Contexto histórico: Hace muy poco tiempo que empezamos a conocer en profundidad
Más detallesFecha de elaboración: 2003 Fecha de última actualización: F1232 Probabilidad y Estadística 1/9
Programa elaborado por: PROGRAMA DE ESTUDIO PROBABILIDAD Y ESTADÍSTICA Programa Educativo: Área de Formación : Licenciatura en Física Integral Profesional Horas teóricas: 4 Horas prácticas: 0 Total de
Más detalles12.Teoría de colas y fenómenos de espera
.Teoría de colas y fenómenos de espera Notación y terminología Modelado del proceso de llegada Modelado del proceso de servicio Notación de Kendall-Lee Procesos de nacimiento y muerte Modelo M/M/. Análisis
Más detallesDiseño de experimentos
Diseño de experimentos Quimiometría Por qué diseñar experimentos? Exploración: cuáles factores son importantes para realizar exitosamente un proceso Optimización: cómo mejorar un proceso Ahorro de tiempo:
Más detallesModelos de suavizado, aditivos y mixtos
Carmen Armero 1 de junio de 2011 Introducción Introducción Modelos lineales, LM Modelos aditivos, AM Modelos lineales generalizados, GLM GAM I Un modelo lineal generalizado (GAM) es un modelo lineal generalizado
Más detallesProcesos estocásticos
Procesos estocásticos Las cadenas de Markov estudian procesos estocásticos Los procesos estocásticos son modelos matemáticos que describen sistemas dinámicos sometidos a procesos aleatorios Parámetros:
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesGenómica comparada. Brown 2002, págs
Genómica comparada 1. Teoría neutralista de la evolución molecular 2. Sustituciones nucleotídicas sinónimas y no-sinónimas. Interpretación de la razón Ka/Ks. 3. Duplicaciones y el destino de los genes
Más detallesBiología Molecular y Filogenia en Micología
Biología Molecular y Filogenia en Micología Biól. Nicolás Pastor Micología 2014 Por qué usar herramientas moleculares? Sistemática - Delimitación de especies Concepto filogenético de especie Diagnosis
Más detallesPlanificaciones Probabilidad y Estadística B. Docente responsable: GRYNBERG SEBASTIAN PABLO. 1 de 6
Planificaciones 6109 - Probabilidad y Estadística B Docente responsable: GRYNBERG SEBASTIAN PABLO 1 de 6 OBJETIVOS 1) Que los estudiantes aprendan los elementos básicos del método probabilístico y de la
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Más detalles