Sobre la Deriva Genética

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Sobre la Deriva Genética"

Transcripción

1 Sobre la Deriva Genética La evolución biológica consiste en el cambio de las características hereditarias a través de las generaciones. Los fenómenos que m as intervienen en el proceso evolutivo son la selección natural y la deriva genética. En este trabajo vamos a tratar de describir por medio de un sencillo modelo matemático, el fenómeno conocido en genética de poblaciones por deriva o también a veces como consanguinidad, Cabrero et AL. 22, Gale 199, Drae et al Consideremos una población de organismos diploides y cuyo tamaño poblacional, para simplificar, supondremos constante, N, de generación en generación. También por simplicidad trataremos al tiempo como una variable discreta, cuantificado en término de generaciones. Supondremos apareamiento al azar panmixia y no consideraremos ni migración, ni mutación, ni selección. Vamos a estudiar, para un locus autosómico determinado, con dos alelos posibles, H y h, como cambian las frecuencias génicas y genotípicas, especialmente la frecuencia de heterocigotos Hh, de generación en generación. Sea W j X j, Y j, Z j un vector aleatorio que representa el número de individuos con genotipos HH, Hh y hh respectivamente, en la generación j. Observemos que X j + Y j + Z j N y como el total de alelos para este locus es. Como consecuencia de la hipótesis de panmixia, y en ausencia de mutación, selección o migración, si en la j-ésima generación X j x j, Y j y j y Z j z j, al formar un cigoto de la generación j + 1, tendremos las siguientes probabilidades p P HH a j 2, q P Hh 2 a j a 1 j, 1 r P hh 1 aj 2 siendo a j 2x j + y j, la frecuencia absoluta del alelo H en la generación j. La distribución de W j+1 X j+1, Y j+1, Z j+1 condicionada a W j X j, Y j, Z j será una trinomial, i.e.: P [X j+1 x j+1, Y j+1 y j+1, Z j+1 z j+1 X j x j, Y j y j, Z j z j ] N! x j+1! y j+1! z j+1! p x j+1 q y j+1 r z j+1 La función característica de W j+1 X j+1, Y j+1, Z j+1, que nos servirá para hallar la esperanza de Y j+1, la podremos calcular mediante: Φ Wj+1 t 1, t 2, t 3 E e it 1X j+1 +t 2 Y j+1 +t 3 Z j+1 E E e it 1X j+1 +t 2 Y j+1 +t 3 Z j+1 W j+1 P X j x j, Y j y j, Z j z j Φ Wj+1 W j t 1, t 2, t 3 x j +y j +z j N x j +y j +z j N P X j x j, Y j y j, Z j z j pe it 1 + qe it 2 + re it 3 N

2 Por tanto, Φ t 2 i x j +y j +z j N P X j x j, Y j y j, Z j z j Npe it 1 +qe it 2 +re it 3 N 1 q e it 2 y como resulta iey j+1 Φ t 2,, y p + q + r 1, teniendo en cuenta 6, EY j+1 x j +y j +z j N P X a j x j, Y j y j, Z j z j a j 1 j EA j 1 EA2 j donde A j es la variable aleatoria número de alelos H presentes en la generación j. Alternativamente podemos escribir también: EY j+1 EA j 1 vara j + E 2 A j. 2 Vemos pues que EY j depende de la esperanza y varianza de A j, por lo que procederemos a calcularlas. La variable aleatoria A j, el número de alelos H en la generación j, puede tomar valores, 1,...,. Supongamos que en la generación inicial el número de alelos H que hay en la población es c, conocido, A c. Vamos a calcular los momentos de la variable aleatoria A j a partir de la función característica, como hemos hecho anteriormente. Φ Aj+1 t E e itaj+1 E E e ita j+1 A j P A j Φ Aj+1 A j t donde Φ Aj+1 A jt es la función característica de A j+1 condicionada a A j. La distribución de la variable aleatoria A j+1 condicionada a A j, como consecuencia de la hipótesis de panmixia y en ausencia de mutación, selección o migración, será una Binomial, B,, por tanto Φ Aj+1 t Φ A j+1 t i P A j eit + 1 P A j eit + 1 y como iea j+1 Φ A j+1, resulta: EA j+1 lo que implica, por recurrencia, que P A j EA j EA j+1 EA j... EA c. 1 eit

3 Es decir que el valor medio de las frecuencias de los alelos H permanece constante a lo largo de todas las generaciones. Para obtener la varianza de A j+1, calcularemos primero EA 2 j+1 a través de la derivada segunda de la función característica, ya que EA 2 j+1 Φ A j+1. Φ A j+1 t por lo tanto y vara j+1 P A j 1 eit eit eit EA 2 j+1 1 P A j 4N EA 2 j EA j 1 1 vara j + EA j 2 EA j 1 1 vara j + c 2 c N 2 e2it 1 1 vara j + c 2 + c c vara j + c 1 c Reiterando el proceso, al ser A una constante, vara, tendremos vara 1 c 1 c vara 2 c 1 c vara 3 c 1 c vara n c 1 c n 1 y teniendo en cuenta la fórmula de la suma de los n primeros términos de una progresión geométrica, tendremos finalmente vara n c 1 c n Podemos observar, a partir de la anterior expresión, que, fijado el tamaño poblacional N, la varianza de la variable aleatoria, número de alelos H, aumenta de generación en generación. Cuando el número de generaciones tiende a infinito, la varianza será: lím vara n b n 1 b vara 1 3

4 Volviendo ahora a la expresión 2, tendremos finalmente EY j+1 c 1 c 1 1 j+1 Si suponemos que la población inicialmente ya estaba en equilibrio Hardy- Weinberg, las frecuencias relativas de los diferentes genotipos al inicio son: f r HH Por lo tanto y resulta finalmente a: c 2 c, fr Hh 2 1 c, f r hh 1 c 2 Y c 1 c EY n Y 1 1 n lo que significa que la esperanza de la frecuencia del genotipo Hh en la generación n, depende de la cantidad inicial de heterocigotos y va disminuyendo a medida que transcurren las generaciones. Si calculamos el límite cuando n tendremos: lím EY n n lím n Y 1 1 n Lo que demuestra que, en las condiciones estudiadas, los heterocigotos se extinguen. A continuación exponemos unas gráficas, en donde se pone de manifiestos los resultados teóricos obtenidos anteriormente. En Figura 1 realizamos simulaciones con 1 individuos y con 25 alelos H al inicio. Observamos que en la generaciones, 216, 832, 1748 el alelo H ha desaparecido y que en la generación 1721, con las mismas condiciones iniciales, todos los alelos de la población, son H. En la Figura 2, vemos que en las generaciones 299, 678, 1798 todos los alelos son H y que con las mismas condiciones experimentales, los alelos H han desaparecido en la generación En general si el número de alelos inicial b, está más próximo a cero que a, es más fácil que se alcance el estado estacionario que el. Viceversa, si está más cerca de es más fácil que acaben siendo todos los alelos H. Además, en general, cuando más cerca esté el número de alelos H del estado absorbente, ó, o más pequeño sea el tamaño de la población, más rápido se alcanza esta situación. Ver en Figuras 3 que con 25 individuos y con el 5 % de alelos H al inicio, acaban siendo todos H en la generación 578 y que con 1 individuos y con el 5 % de alelos H al inicio, acaban siendo todos H en la generación 162. Vamos a tratar el tema utilizando una cadena de Marov. En una población de N individuos, en las mismas condiciones que las anteriormente descritas, con dos posibles alelos H y h, para un locus autosómico determinado, tendremos los + 1 estados {A, A 1,..., A }, donde A i es el número de alelos H en el total de la población. En la genración tendremos los estados {A, A 1,..., A }.

5 La probabilidad p ij de pasar del estado A i al estado A j, al cambiar de la genración a la + 1 será: p ij pa +1 j /A! i j!j! i j i j La matriz de transición P p ij ; i, j, 1,..., es de la forma: 1 P u P 1 v 4 1 donde: es el vector nulo de orden 1, u p 1, p 2,..., p 1, v p 1, p 2,..., p 1, p 1 p 1, p 2 p 1,..., p 1 p 1, y P 1 es una matriz de orden 1, 1 cuyos elementos son mayores que cero e inferiores a la unidad. Se puede demostrar fácilmente por inducción que P n 1 I P 1 n I P 1 1 u P n 1 I P 1 n I P 1 1 v 1 5 Cuando transcurre un número suficientemente grande de generaciones, la matriz de transición que da como: 1 lím P n n I P 1 1 u Q I P 1 1 v 6 1 Q es una matriz 1, 1 cuyos elementos son todos nulos. El vector columna c I P 1 1 u, tiene por componentes c j j, j 1,..., 1 ya que el vector u I P 1 c tiene por componentes: u j p j que cumplen En efecto j j j j 1 1 u j c j p jα c α α1 α1! j α!α! j α j j α α

6 j j j j De manera similar puede demostrarse que el vector columna d I P 1 1 v, tiene por componentes d j j, j 1,..., 1 Si en la poblacón inicial tenemos q alelos H, el vector estado inicial es q,..., 1,...,, es decir todas las componentes son cero excepto la que ocupa el lugar q. Transcurrido un número suficientemente grande de generaciones, tendremos un vector estado f q,,...,, q es decir estaríamos en el estado A todos los genotipos de la población serían hh con probabilidad q q o todos serían HH con probabilidad Bibliografía Cabrero, J., Camacho J.P. 22. Fundamentos de Genética de Poblaciones. En: Soler M. Ed. EVOLUCIÓN. La base de la Biología, pp Proyecto Sur de Ediciones, S.L. Drae, J.W., Charlesworth, B., Charlesworth, D., Crow, J.F Rates of spontaneous mutation. Genetics 148: Gale, J.S. 199 Theoretical population genetics. Unwin Hyman Ltd. London. Martín Ríos. Departamento de Estadística. Facultad de Biología. Universidad de Barcelona.

7 Número de Individuos: 1 Frecuencia Inicial: 25 2 Número de alelos Generación Figura 1: Número de Individuos: 1 Frecuencia Inicial: Número de alelos Generación Figura 2: Número de Individuos: 25/1 Frecuencia Inicial: 25/1 2 Número de alelos Generación Figura 3:

AA Aa aa p 2 2pq q 2

AA Aa aa p 2 2pq q 2 QUÉ ESTUDIA LA GENÉTICA POBLACIONAL? SE OCUPA FACTORES GENÉTICOS FACTORES AMBIENTALES GENÉTICA POBLACIONAL ley de Hardy-Weinberg 1908 AA Aa aa p 2 2pq q 2 Hardy Weinberg condiciones de equilibrio : población

Más detalles

LA ENDOGAMIA. MODELO SIMPLE DE POBLACIÓN SUBDIVIDIDA

LA ENDOGAMIA. MODELO SIMPLE DE POBLACIÓN SUBDIVIDIDA LA ENDOGAMIA. MODELO SIMPLE DE POBLACIÓN SUBDIVIDIDA Sewall Wright James F. Crow Motoo Kimura LA POBLACIÓN IDEAL DE WRIGHT DERIVA GENÉTICA Varianza de la frecuencia génica Proceso de fijación Frecuencias

Más detalles

Tipos de variación genética

Tipos de variación genética Tipos de variación genética GENÉTICA DE POBLACIONES La genética de poblaciones es la rama de la genética que describe en términos matemáticos las consecuencias de la genética mendeliana a nivel poblacional.

Más detalles

GENÉTICA DE POBLAC A IONE N S

GENÉTICA DE POBLAC A IONE N S GENÉTICA DE POBLACIONES Genética de Poblaciones Es el estudio de los GENES en las poblaciones Estudia la constitución genética de los individuos que la componen y la transmisión de los genes de una generación

Más detalles

4a. Deriva genética. Mutación. Equilibrios entre mutación y deriva.

4a. Deriva genética. Mutación. Equilibrios entre mutación y deriva. Curso de Evolución 2017 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ Sewall Wright 4a. Deriva genética. Mutación. Equilibrios entre mutación y

Más detalles

Cadenas de Markov Cálculos probabilísticos con RCommander

Cadenas de Markov Cálculos probabilísticos con RCommander Sesión 3 Cadenas de Markov. En la teoría de la probabilidad, se conoce como cadena de Markov a un tipo especial de proceso estocástico discreto en el que la probabilidad de que ocurra un evento depende

Más detalles

TEMA 7 GENÉTICA DE POBLACIONES

TEMA 7 GENÉTICA DE POBLACIONES TEMA 7 GENÉTICA DE POBLACIONES Genética de Poblaciones Introducción a la Genética de Poblaciones El Equilibrio de Hardy-Weinberg Agentes Evolutivos que afectan al equilibrio H-W Genética de Poblaciones

Más detalles

Deriva selección: Pob. grande, deriva pequeña. Estudios de simulación nos dan una idea del efecto de deriva en las poblaciones:

Deriva selección: Pob. grande, deriva pequeña. Estudios de simulación nos dan una idea del efecto de deriva en las poblaciones: DERIVA GENÉTICA = Genetic drift Deriva genética: cambio producido en las frecuencias alélicas debido al muestreo de los gametos, que se realiza generación tras generación, a causa del tamaño finito de

Más detalles

EVOLUCIÓN. I. Objetivos. II. Introducción

EVOLUCIÓN. I. Objetivos. II. Introducción Práctica #8 I. Objetivos 54 EVOLUCIÓN * Explicar el equilibrio Hardy-Weinberg en termino de las frecuencias alelicas y frecuencias genotipicas * Describir las condiciones para el mantenimiento del equilibrio

Más detalles

DESCRIPCIÓN DE POBLACIONES MENDELIANAS: EQUILIBRIO DE HARDY-WEINBERG

DESCRIPCIÓN DE POBLACIONES MENDELIANAS: EQUILIBRIO DE HARDY-WEINBERG DESCRIPCIÓN DE POBLACIONES MENDELIANAS: EQUILIBRIO DE HARDY-WEINBERG T. DOBZHANSKY G. H. HARDY CONCEPTO DE POBLACIÓN DESCRIPCIÓN ESTÁTICA DE POBLACIONES DESCRIPCIÓN DINÁMICA: EQUILIBRIO DE HARDY-WEINBERG

Más detalles

GÉNETICA POBLACIONAL. Dra. María Teresa Lemus Valdés Especialista en Genética Clínica. Profesora Auxiliar Parte I

GÉNETICA POBLACIONAL. Dra. María Teresa Lemus Valdés Especialista en Genética Clínica. Profesora Auxiliar Parte I GÉNETICA POBLACIONAL Dra. María Teresa Lemus Valdés Especialista en Genética Clínica. Profesora Auxiliar Parte I Más que en ninguna otra especialidad médica, los pacientes de Genética son un reflejo de

Más detalles

Tema 14: Genética de Poblaciones Población mendeliana Equilibrio Hardy-Weinberg

Tema 14: Genética de Poblaciones Población mendeliana Equilibrio Hardy-Weinberg Tema 14: Genética de Poblaciones Población mendeliana Equilibrio Hardy-Weinberg 1 Tema 14: Genética Poblaciones I 1 Tema 14: Genética de Poblaciones I: La revolución darwiniana, el equilibrio de Hardy-

Más detalles

Población = conjunto de individuos con

Población = conjunto de individuos con Población = conjunto de individuos con capacidad de reproducirse entre sí. Generación 0 Generación 1 La estructura poblacional está determinada por sus parámetros Frecuencias Genotípicas Frecuencias Génicas

Más detalles

Genética de Poblaciones

Genética de Poblaciones Genética de Poblaciones Ciclo de Formación Superior Licenciatura en Ciencias Biológicas Departamento de Ciencias Naturales Unidad 8 La hipótesis neutralista. Modelo mutación deriva. Número de alelos mantenidos

Más detalles

Genética de poblaciones

Genética de poblaciones Genética de poblaciones Antecedentes Darwin-Wallace + redescubrimiento de la herencia de caracteres de Mendel = La variación genética es la base de la evolución. Enlace del concepto de genes y alelos con

Más detalles

GENÉTICA DE POBLACIONES

GENÉTICA DE POBLACIONES GENÉTICA DE POBLACIONES Genética de Poblaciones Estudia la estructura o constitución genética de la población y cómo se transmiten los genes de una generación a la siguiente. Estos estudios se basan en

Más detalles

Frecuencias génicas y genótipicas. mayor al 99% de encontrar más de un alelo en una muestra de genes.

Frecuencias génicas y genótipicas. mayor al 99% de encontrar más de un alelo en una muestra de genes. Frecuencias génicas y genótipicas Polimórfismo: cuando existe una probabilidad mayor al 99% de encontrar más de un alelo en una muestra de genes. Frecuencia alélica (génica): proporción de las copias génicas

Más detalles

Frecuencias génicas y genótipicas. mayor al 99% de encontrar más de un alelo en una muestra de genes.

Frecuencias génicas y genótipicas. mayor al 99% de encontrar más de un alelo en una muestra de genes. Frecuencias génicas y genótipicas Polimórfismo: cuando existe una probabilidad mayor al 99% de encontrar más de un alelo en una muestra de genes. Frecuencia alélica (génica): proporción de las copias génicas

Más detalles

Modelo de Hardy-Weinberg. Dos oportunidades para que ocurran efectos de muestreo. Abandonando el supuesto del tamaño poblacional infinito

Modelo de Hardy-Weinberg. Dos oportunidades para que ocurran efectos de muestreo. Abandonando el supuesto del tamaño poblacional infinito Curso de Evolución 2016 Facultad de Ciencias Montevideo, Uruguay http://evolucion.cien.edu.uy/ http://eva.universidad.edu.uy/ Sewall Wright 4a. Deriva genética. Mutación. Equilibrios entre mutación y deriva.

Más detalles

Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.5 Cadenas de Markov

Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.5 Cadenas de Markov Cálculo científico y técnico con HP49g/49g+/48gII/5g Módulo 3: Aplicaciones Tema 3.5 Cadenas de Markov Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de

Más detalles

3. ÁLGEBRA LINEAL // 3.3. AUTOVALORES Y

3. ÁLGEBRA LINEAL // 3.3. AUTOVALORES Y 3. ÁLGEBRA LINEAL // 3.3. AUTOVALORES Y AUTOVECTORES. SISTEMAS DE EVOLUCIÓN. COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.3.1. Ejemplos de sistemas de evolución discretos

Más detalles

COPIA NO VÁLIDA PARA TRÁMITE

COPIA NO VÁLIDA PARA TRÁMITE PÁGINA: 1 de 5 VICERRECTORIA DE DOCENCIA FACULTAD DE CIENCIAS BASICAS PROGRAMA DE BIOLOGIA PLANEACIÓN DEL CONTENIDO DE CURSO 1. IDENTIFICACIÓN DEL CURSO NOMBRE : GENÉTICA CUANTITATIVA CÓDIGO : 20118 SEMESTRE

Más detalles

Procesos evolutivos en poblaciones y especies

Procesos evolutivos en poblaciones y especies Procesos evolutivos en poblaciones y especies 1. La mayoría de los rasgos fenotípicos son adaptativos. 2. Hay adaptación a causa de la selección natural. 3. Las adaptaciones evolucionan por selección natural

Más detalles

TEMA 4 Modelos discretos elementales. Ecuaciones en diferencias

TEMA 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 detalles

Análisis de Correspondencias Simple

Análisis de Correspondencias Simple 1 Capítulo 4 Análisis de Correspondencias Simple 41 INTRODUCCIÓN El Análisis de Correspondencias Simple permite describir las relaciones entre dos variables categóricas dispuestas en una tabla de contingencia

Más detalles

Maestría en Bioinformática Probabilidad y Estadística: Clase 7

Maestría en Bioinformática Probabilidad y Estadística: Clase 7 Maestría en Bioinformática Probabilidad y Estadística: Clase 7 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Condiciones de ergodicidad

Más detalles

TEMA 5: HARDY WEINBERG

TEMA 5: HARDY WEINBERG TEMA 5: HARDY WEINBERG alélicas (n) genotípicas (n(n+1)/) PRINCIPIO DE HARDY WEINBERG: En ausencia de factores que modifiquen las frecuencias alélicas (mut., sel., mig., deriva,...), en presencia de poblaciones

Más detalles

Tema 14: Genética de Poblaciones Población mendeliana Equilibrio Hardy-Weinberg

Tema 14: Genética de Poblaciones Población mendeliana Equilibrio Hardy-Weinberg Tema 14: Genética de Poblaciones Población mendeliana Equilibrio Hardy-Weinberg 1 Tema 14: Genética Poblaciones I 1 Tema 14: Genética de Poblaciones I: La revolución darwiniana, el equilibrio de Hardy-

Más detalles

Iniciación a la experimentación en el ámbito de la Biología Celular, Molecular, Genética y Evolutiva. Tema 5. Técnicas de Análisis Poblacional

Iniciación a la experimentación en el ámbito de la Biología Celular, Molecular, Genética y Evolutiva. Tema 5. Técnicas de Análisis Poblacional Iniciación a la experimentación en el ámbito de la Biología Celular, Molecular, Genética y Evolutiva Tema 5. Técnicas de Análisis Poblacional El concepto de diversidad genética La diversidad genética es

Más detalles

Ms. C. Marco Vinicio Rodríguez

Ms. C. Marco Vinicio Rodríguez Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:

Más detalles

2 CADENAS DE MARKOV HOMOGÉNEAS DE PARÁMETRO DISCRETO

2 CADENAS DE MARKOV HOMOGÉNEAS DE PARÁMETRO DISCRETO 2 CADENAS DE MARKOV HOMOGÉNEAS DE PARÁMETRO DISCRETO Cadenas de Markov 10 En la primera parte del capítulo se estudian las probabilidades condicionales de transición -definidas en (l5) y (16) - e incondicionales

Más detalles

Tema 13: Distribuciones de probabilidad. Estadística

Tema 13: Distribuciones de probabilidad. Estadística Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número

Más detalles

CLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA

CLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA 1 CLASES DE ESTADÍSTICA II CLASE ) ESPERANZA ABSOLUTA. ESPERANZA CONDICIONAL. ESPERANZA ABSOLUTA El cálculo de valores esperados o esperanzas a nivel de dos variables aleatorias es una generalización matemática

Más detalles

EL PARADIGMA POBLACIONAL: la variación en el seno de las poblaciones es la materia prima de la evolución

EL PARADIGMA POBLACIONAL: la variación en el seno de las poblaciones es la materia prima de la evolución EL PARADIGMA POBLACIONAL: la variación en el seno de las poblaciones es la materia prima de la evolución Lo único que se trasmite a la descendencia son genes Genotipo Fenotipo Expresión génica, desarrollo

Más detalles

CONSTITUCION GENETICA DE UN GRUPO DE INDIVIDUOS

CONSTITUCION GENETICA DE UN GRUPO DE INDIVIDUOS FRECUENCIA GENETICA INTRODUCCIÒN El objetivo del Mejoramiento genético es el aumento de la frecuencia de los genes favorables para los caracteres de importancia económica dentro de una población POBLACION

Más detalles

2 Variables Aleatorias y Distribuciones de Probabilidad

2 Variables Aleatorias y Distribuciones de Probabilidad 2 Variables Aleatorias y Distribuciones de Probabilidad Problemas. El abdomen del cangrejo de mar común Carcinus moenas) está integrado por siete segmentos dispuestos paralelamente. En los machos se suelen

Más detalles

-Los organismos componentes de esa población han de ser diploides y de reproducción al azar (panmixia).

-Los organismos componentes de esa población han de ser diploides y de reproducción al azar (panmixia). LA DINÁMICA GENÉTICA DE LAS POBLACIONES EN EVOLUCIÓN. Mientras la investigación en citogenética y mutaciones tenía a los individuos como objeto de estudio, las poblaciones ocupaban un lugar central en

Más detalles

Genética de poblaciones

Genética de poblaciones Genética de poblaciones Población Intuitivamente: grupo local de individuos de la misma especie (implicaciones demográficas) que se reproducen entre sí (implicaciones genéticas). Conjuntos de individuos

Más detalles

Procesos estocásticos Sesión 4. Cadenas de Markov

Procesos estocásticos Sesión 4. Cadenas de Markov Procesos estocásticos Sesión 4. Cadenas de Markov Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos 1. Probabilidades de retorno

Más detalles

Analizar cuales son las fuerzas evolutivas y sus efectos en las poblaciones.

Analizar cuales son las fuerzas evolutivas y sus efectos en las poblaciones. Fuerzas Evolutivas Analizar cuales son las fuerzas evolutivas y sus efectos en las poblaciones. 1 Cómo se relacionan las poblaciones, los genes y la evolución? 2 Qué causa la evolución? 3 Cómo funciona

Más detalles

CONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD

CONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos

Más detalles

Objetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria

Objetivos. 1. Variable Aleatoria y Función de Probabilidad. Tema 4: Variables aleatorias discretas Denición de Variable aleatoria Tema 4: Variables aleatorias discretas Objetivos Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular probabilidades. Conocer el signicado y saber calcular la esperanza

Más detalles

Utilizamos modelos matemáticos para conocer el modo por el cual un proceso es influenciado por variables fundamentales

Utilizamos modelos matemáticos para conocer el modo por el cual un proceso es influenciado por variables fundamentales GENÉTICA DE POBLACIONES Estudia la dotación genética de los grupos de individuos y los cambios que sufre ésta con el tiempo. Población mendeliana: grupo de individuos, de reproducción sexual, que se reproducen

Más detalles

Tema 12: Distribuciones de probabilidad

Tema 12: Distribuciones de probabilidad Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:

Más detalles

06/05/2013 EQUILIBRIO DE HARDY-WEINBERG EQUILIBRIO DE HARDY-WEINBERG EQUILIBRIO DE HARDY-WEINBERG

06/05/2013 EQUILIBRIO DE HARDY-WEINBERG EQUILIBRIO DE HARDY-WEINBERG EQUILIBRIO DE HARDY-WEINBERG GENÉTICA DE POBLACIONES Estudia la dotación genética de los grupos de individuos y los cambios que sufre ésta con el tiempo. Población mendeliana: grupo de individuos, de reproducción sexual, que se reproducen

Más detalles

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados.

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con

Más detalles

Una pregunta pendiente

Una pregunta pendiente Una pregunta pendiente Cómo podemos construir un generador (casi) uniforme para una relación? Recuerde el problema KS definido en la sección anterior y la relación: R KS = {((~a, b), ~x) ~a 2 N n y ~x

Más detalles

3. Introducción a la microevolución. Variación genética. Equilibrio Hardy-Weinberg y factores que producen desviaciones del mismo.

3. Introducción a la microevolución. Variación genética. Equilibrio Hardy-Weinberg y factores que producen desviaciones del mismo. Curso de Evolución 2016 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ G. H. Hardy W. Weinberg 3. Introducción a la microevolución. Variación genética.

Más detalles

Facultad de Veterinaria

Facultad de Veterinaria UNIVERSIDAD CATOLICA DE CUYO SEDE SAN LUIS Facultad de Veterinaria Programa de Estudio de la Asignatura GENETICA Y MEJORAMIENTO ANIMAL correspondiente a la carrera de VETERINARIA correspondiente al ciclo

Más detalles

Tema 2: Determinantes

Tema 2: Determinantes Tema 2: Determinantes 1. Introducción En este tema vamos a asignar a cada matriz cuadrada de orden n, A M n un número real que llamaremos su determinante y escribiremos A. Vamos a ver cómo se calcula.

Más detalles

PROCESOS ESTOCÁSTICOS

PROCESOS ESTOCÁSTICOS Capítulo 10 Cadenas de Markov PROCESOS ESTOCÁSTICOS Una sucesión de observaciones X 1,X 2,... se denomina proceso estocástico Si los valores de estas observaciones no se pueden predecir exactamente Pero

Más detalles

Cadenas de Markov Tiempo Continuo. Modelado y Análisis de Redes de Telecomunicaciones

Cadenas de Markov Tiempo Continuo. Modelado y Análisis de Redes de Telecomunicaciones Tiempo Continuo Modelado y Análisis de Redes de Telecomunicaciones 1 Agenda en tiempo continuo Ergodicidad de la cadena Ejemplo: Líneas Telefónicas página 2 CMTC Consideremos ahora los procesos de Markov

Más detalles

INTRODUCCIÓN POBLACIÓN IDEAL TAMAÑO EFECTIVO Y

INTRODUCCIÓN POBLACIÓN IDEAL TAMAÑO EFECTIVO Y TEMA 8: GESTIÓN GENÉTICA DE LAS POBLACIONES II (POBLACIONES NO GENEALÓGICAS) Juan Vicente Delgado Bermejo. Profesor Titular de Genética de la Universidad de Córdoba. España INTRODUCCIÓN POBLACIÓN IDEAL

Más detalles

GENÉTICA DE POBLACIONES Dra. Blanca Urzúa Orellana Departamento de Ciencias Básicas y Comunitarias. Facultad de Odontología, U. De Chile.

GENÉTICA DE POBLACIONES Dra. Blanca Urzúa Orellana Departamento de Ciencias Básicas y Comunitarias. Facultad de Odontología, U. De Chile. GENÉTICA DE POBLACIONES Dra. Blanca Urzúa Orellana Departamento de Ciencias Básicas y Comunitarias. Facultad de Odontología, U. De Chile. GENÉTICA DE POBLACIONES 1. Introducción: Qué es la genética de

Más detalles

1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos

1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación

Más detalles

Genética de Poblaciones

Genética de Poblaciones Universidad Nacional de Río Cuarto Facultad de Ciencias Exactas, Físico-Químicas y Naturales Departamento de Ciencias Naturales Genética de Poblaciones UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS

Más detalles

La metodología de extracción de ADN permitió obtener productos de PCR de buena

La metodología de extracción de ADN permitió obtener productos de PCR de buena V.- RESULTADOS. La metodología de extracción de ADN permitió obtener productos de PCR de buena calidad. En la figura 2 se puede observar un ejemplo de los bandeos presentados en algunos de los organismos

Más detalles

si existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V :

si existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V : Capítulo 7 Extremos Relativos Una aplicación clásica del Teorema Local de Taylor es el estudio de los extremos relativos de una función escalar. Aunque la analogía con el caso de una variable es total,

Más detalles

Genética de poblaciones

Genética de poblaciones Genética de poblaciones Ciclo Básico Licenciatura en Ciencias Biológicas Departamento de Ciencias Naturales UNIDAD 1 El concepto de evolución y sus principales mecanismos. La Genética de las Poblaciones.

Más detalles

Genética mendeliana en poblaciones

Genética mendeliana en poblaciones Genética mendeliana en poblaciones La mayoría de las personas son susceptibles al VIH Hay algunos individuos que permanecen sanos a pesar de su exposición repetida La CCR5 es utilizada por la mayoría de

Más detalles

Genética de Poblaciones

Genética de Poblaciones Genética de Poblaciones Parámetros Utilizados en Genética de Poblaciones Frecuencia Fenotípica : Cuociente entre el número de individuos de cada fenotipo para un locus y el total de individuos para ese

Más detalles

Hoja 4 Variables aleatorias multidimensionales

Hoja 4 Variables aleatorias multidimensionales Hoja 4 Variables aleatorias multidimensionales 1.- Estudiar si F (x, y) = 1, si x + 2y 1, 0, si x + 2y < 1, es una función de distribución en IR 2. 2.- Dada la variable aleatoria 2-dimensional (X, Y )

Más detalles

TEMA 13 Tema 15: Evolución

TEMA 13 Tema 15: Evolución Tema 15: Evolución Jorge Muñoz Aranda Biología-Curso de Acceso UNED-Tudela. Aula de milagro EVOLUCIÓN Es el fenómeno por el cual las diferentes especies sufren variaciones en sus características, en orden

Más detalles

PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02

PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02 PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES Problemas 0 Salvador Pérez Gómez pies3coma14@hotmail.com 4 de abril de 007 PROBLEMA 1 Sea n un número natural. Sea A n = n + n + 3n. a) Demostrar que

Más detalles

PROGRAMA DE LA MATERIA:

PROGRAMA DE LA MATERIA: PROGRAMA DE LA MATERIA: (406) Genética de Poblaciones Resol. (CD) Nº 879/07 1.- Denominación de la actividad curricular. 406- Genética de Poblaciones Carga Horaria: 50 hs. 2- Objetivos Definir y caracterizar

Más detalles

GENÉTICA CUANTITATIVA

GENÉTICA CUANTITATIVA GENÉTICA CUANTITATIVA PROYECTO EDITORIAL MANUALES DE GENÉTICA Coordinador: César Benito GENÉTICA CUANTITATIVA Armando Caballero Rúa Consulte nuestra página web: www.sintesis.com En ella encontrará el catálogo

Más detalles

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X

El momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También

Más detalles

FACULTAD DE CIENCIAS EXACTAS, FÍSICO-QUÍMICAS Y NATURALES. CARRERA/S: LICENCIATURA y PROFESORADO en CIENCIAS BIOLÓGICAS

FACULTAD DE CIENCIAS EXACTAS, FÍSICO-QUÍMICAS Y NATURALES. CARRERA/S: LICENCIATURA y PROFESORADO en CIENCIAS BIOLÓGICAS Universidad Nacional de Río Cuarto Facultad de Ciencias Exactas, Físico-Químicas y Naturales Departamento de Ciencias Naturales Genética de Poblaciones UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS

Más detalles

FORMULARIO CADENAS DE MARKOV

FORMULARIO CADENAS DE MARKOV FORMULARIO CADENAS DE MARKOV Fuente: F. Hillier - G. Lieberman: Introducción a la investigación de operaciones. Sexta edición. Ed. Mc-Graw Hill. Proceso estocástico. Un proceso estocástico es una colección

Más detalles

Genética de Poblaciones

Genética de Poblaciones Universidad Nacional de Río Cuarto Facultad de Ciencias Exactas, Físico-Químicas y Naturales Departamento de Ciencias Naturales Genética de Poblaciones UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS

Más detalles

4. Resolución de indeterminaciones: la regla de L Hôpital.

4. Resolución de indeterminaciones: la regla de L Hôpital. GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Funciones y derivada. 4. Resolución de indeterminaciones: la regla de L Hôpital. Sean f y g dos funciones derivables en un intervalo abierto I R y sea

Más detalles

Álgebra Lineal. Tema 13. Mínimos cuadrados. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas

Álgebra Lineal. Tema 13. Mínimos cuadrados. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas Álgebra Lineal Tema 3. Mínimos cuadrados Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Índice

Más detalles

Las probabilidades en las Ciencias de la Salud (I)

Las probabilidades en las Ciencias de la Salud (I) Las probabilidades en las Ciencias de la Salud (I) Eliseo Martínez Herrera Diciembre del 2015 1 Elcaraysello,elnacimiento. Afortunadamente el quehacer cultural de nuestro país, enseña a temprana edad,

Más detalles

3. Variables aleatorias

3. Variables aleatorias 3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución

Más detalles

TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18

TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de

Más detalles

EL DESEQUILIBRIO DE LIGAMIENTO

EL DESEQUILIBRIO DE LIGAMIENTO 1 EL DESUILIBRIO DE LIGAMIENTO La expresión desequilibrio de ligamiento es una de las más desafortunadas expresiones usadas en genética cuantitativa, puesto que puede no haber ligamiento entre genes y

Más detalles

4. Modelos Multivariantes

4. Modelos Multivariantes 4. Curso 2011-2012 Estadística Distribución conjunta de variables aleatorias Definiciones (v. a. discretas) Distribución de probabilidad conjunta de dos variables aleatorias X, Y Función de distribución

Más detalles

PROGRAMA ANALÍTICO. Unidad 1: GENETICA -Historia - Áreas de la Genética Animal: Mendeliana o Cualitativa, de Poblaciones, y Cuantitativa.

PROGRAMA ANALÍTICO. Unidad 1: GENETICA -Historia - Áreas de la Genética Animal: Mendeliana o Cualitativa, de Poblaciones, y Cuantitativa. PROGRAMA ANALÍTICO GENÉTICA CONTENIDOS Unidad 1: GENETICA -Historia - Áreas de la Genética Animal: Mendeliana o Cualitativa, de Poblaciones, y Cuantitativa. Unidad 2: GENETICA MENDELIANA - Terminología:

Más detalles

TEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...

TEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer... TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones

Más detalles

Departamento de Matemática Aplicada a la I.T. de Telecomunicación

Departamento de Matemática Aplicada a la I.T. de Telecomunicación Departamento de Matemática Aplicada a la I.T. de Telecomunicación ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO 22/23 FECHA: 9 de Enero de 23 Duración del examen: 3 horas Fecha publicación

Más detalles

Reacción en cadena de la Polimerasa, sus aplicaciones y algunos elementos de ecología molecular. Polymerase Chain Reaction (PCR)

Reacción en cadena de la Polimerasa, sus aplicaciones y algunos elementos de ecología molecular. Polymerase Chain Reaction (PCR) Reacción en cadena de la Polimerasa, sus aplicaciones y algunos elementos de ecología molecular Polymerase Chain Reaction (PCR) PCR? PCR = síntesis en progresión exponencial de secuencias objetivos (locus)

Más detalles

Hoja de Problemas Tema 3 (Variables aleatorias multidimensionales)

Hoja de Problemas Tema 3 (Variables aleatorias multidimensionales) Depto. de Matemáticas Estadística (Ing. de Telecom.) Curso 2004-2005 Hoja de Problemas Tema 3 (Variables aleatorias multidimensionales) 1. Consideremos dos variables aleatorias independientes X 1 y X 2,

Más detalles

Maestría en Bioinformática Probabilidad y Estadística: Clase 4

Maestría en Bioinformática Probabilidad y Estadística: Clase 4 Maestría en Bioinformática Probabilidad y Estadística: Clase 4 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Procesos aleatorios

Más detalles

Tema 4: Cadenas de Markov. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga

Tema 4: Cadenas de Markov. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Tema 4: Cadenas de Markov Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Sumario Procesos estocásticos Concepto de cadena de Markov Ecuaciones de Chapman-Kolmogorov

Más detalles

Variables Aleatorias y Distribución de Probabilidades

Variables Aleatorias y Distribución de Probabilidades Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables

Más detalles

6 Vectores. Dependencia e independencia lineal.

6 Vectores. Dependencia e independencia lineal. 6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar

Más detalles

Definición de la matriz inversa

Definición de la matriz inversa Definición de la matriz inversa Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, habilidades básicas de resolver sistemas de ecuaciones Ejemplo El número real

Más detalles

INTRODUCCIÓN A LA GENÉTICA DE POBLACIONES

INTRODUCCIÓN A LA GENÉTICA DE POBLACIONES INTRODUCCIÓN A LA GENÉTICA DE POBLACIONES PROYECTO EDITORIAL CIENCIAS BIOLÓGICAS Directores: Benjamín Fernández Juan-Ramón Lacadena Áreas de publicación: BIOLOGÍA AMBIENTAL Coordinador: Francisco García

Más detalles

La reordenación aleatoria de un conjunto finito

La reordenación aleatoria de un conjunto finito La reordenación aleatoria de un conjunto finito Pérez Cadenas J. I. 0.06.2003 Resumen Al desordenar y, a continuación, reordenar aleatoriamente un conjunto finito es posible que algunos de sus elementos

Más detalles

Capítulo VI. Diferenciabilidad de funciones de varias variables

Capítulo VI. Diferenciabilidad de funciones de varias variables Capítulo VI Diferenciabilidad de funciones de varias variables La definición de diferenciabilidad para funciones el cociente no tiene sentido, puesto que no está definido, porque el cociente entre el vector

Más detalles

Extremos de funciones de varias variables

Extremos de funciones de varias variables Capítulo 6 Extremos de funciones de varias variables En este capítulo vamos a considerar la teoría clásica de extremos para funciones diferenciables de varias variables, cuyos dos tópicos habituales son

Más detalles

Procesos estocásticos Sesión 5. Cadenas de Markov. Comportamiento asintótico

Procesos estocásticos Sesión 5. Cadenas de Markov. Comportamiento asintótico Procesos estocásticos Sesión 5. Cadenas de Markov. Comportamiento asintótico Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos

Más detalles

Procesos de ramificación y árboles. aleatorios. Juan Carlos Pardo Millán. CIMAT, Guanajuato 1/ 26

Procesos de ramificación y árboles. aleatorios. Juan Carlos Pardo Millán. CIMAT, Guanajuato 1/ 26 Procesos de ramificación y árboles aleatorios. Juan Carlos Pardo Millán CIMAT, Guanajuato 1/ 26 Progama: Preliminares de probabilidad. Cadenas de Markov. Caminatas aleatorias. Procesos de Bienaymé-Galton-Watson.

Más detalles