Coalescent trees in phylogenetic inference
|
|
- Amanda Hansson
- för 5 år sedan
- Visningar:
Transkript
1 Serik Sagitov Matematiska Vetenskaper, Chalmers Coalescent trees in phylogenetic inference 1
2 Example of a species tree and 3 gene trees Species tree S Gene trees G 2
3 Liang Liu and Dennis K. Pearl Systematic Biology 56 (2007), Species Trees from Gene Trees: reconstructing Bayesian posterior distributions of a species phylogeny using estimated gene tree distributions 3
4 BAYESIAN HIERARCHICAL MODEL f ( S D) = 1 f ( D G, Λ) f (G S, θ ) f (θ ) f ( S ) f (Λ)dθdGdΛ f ( D) f (S ) prior probability of species tree S f ( S D) posterior probability of species tree given sequence data D f ( D G, Λ ) likelihood of the sequence data D given the gene trees G and parameters Λ in the substitution model f (G S, θ ) prior distribution of the gene trees given the species trees and θ = 4µ N eff scaled effective population sizes 4
5 3 independent coalescent trees 3 n= n=2 5
6 WF-populationsmodell R.A.Fisher S.Wright Sewell Wright R. A. Fisher Antaganden J. B. S. Haldane Sewell Wright generationer R. A. Fisher 3. icke-överlappande 4. konstant generationsstorlek N 5. WF-nedärvning (slumpgifte) J. B. S. Haldane 6
7 WF-nedärvning med N=5 Barn Föräldrar
8 Tid 18 generationer i WF-modellen N=11
9 Tid Genetisk drift i balans med neutral mutation
10 Fullt genträd med mutationer TCGAGGTATTAAC TCTAGGTATTAAC TCGAGGCATTAAC
11 Delträd för n=5 sekvenser utav 2N=22
12 Kingmans koalescent trädmodellen för n sekvenser som är utvalda på måfå från en stor WF-population ett viktigt redskap i molekylär populationsgenetik WF-tolkningen av grenlängden i koalescent-träd 1 längdenhet = 2N generationer 12
13 1000 generationer 1 Simulerade koalescentträd för n=25 Tolkningen för WFmodellen med N=500 13
14 Effektiv populationsstorlek Neff Mer realistisk modell Koalescent Neff = N WF-modellen Tolkningen av grenlängden i koalescent-träd 1 längdenhet = 2Neff generationer 14
15 Två populationer med samma verkliga storlek N men skilda effektiva storlekar Neff Antalet mutationer placerade i varje koalescentträd är proportionellt mot Neff n=4 mindre Neff större Neff mindre genetisk större genetisk variation variation 15
16 Exempel på små Neff Nordliga elefantsälen: Ingen genetisk variation funnen vid jämförelse av 20 olika gener Dagens verkliga populationsstorlek överstiger 30,000 På 1890-talet jagades beståndet ner till 20 individer Den genetiska variationen hos vilda gepardbestånd är betydligt mindre än hos andra däggdjur med liknande populationsstorlekar. 16
17 Faktorer som påverkar genetiska driften fluktuationer i populationsstorlek parningssystem migrationsmönster åldersfördelning variationsgrad i antalet barn per familj 17
18 Neff = N/σ2 Generaliserad WF-nedärvning konstant populationsstorlek N variansen σ2 i antal barn per familj WF-modellen ger σ2 1 Större varians σ2 gör att Neff blir mindre 18
19 Neff = N/cgeo cgeo = v12 /x1+ + vk2 /xk Geografiskt strukturerad modell med snabb migration subpopulationer av storlekarna Nx1,, Nxk stationära frekvenser för bakåtriktad migration v1,, vk WF-nedärvning 19
20 Neff = N/cdem cdem = i j vi σij2 π ij xj /xi2 Varierande populationsstorlek [Jagers and Sagitov, JAP-04] möjliga populationsstorlekar Nx1,, Nxk övergångssannolikheter πij stationära frekvenser v1,, vk generaliserad WF-nedärvning 20
21 Neff = N/cage en ny formel för cage Modell med överlappande generationer [Sagitov and Jagers, AAP-05] konstant populationsstorlek konstant åldersfördelning konstant åldersfördelning för mödrar vid barnafödande generaliserad WF-nedärvning 21
22 Exempel: svenska kvinnor årskullar Neff = medellivslängd 82.6 år mödrarnas snittålder vid barnafödande 30.6 år 0.39 N 22
23 Kommande projekt 1. Geografiskt strukturerade populationer i varierande miljö 2. WF-modellen med något som kallas för isolering via avstånd 3. Två-könsmodeller med polygamisk parning För dessa tre modeller skall det etableras nya formler för Neff 23
24 Publikationer Sagitov S. (1999) The general coalescent with asynchronous mergers of ancestral lines. J. Appl. Prob. 36, Möhle M. and Sagitov S. (2001) A classification of coalescent processes for haploid exchangeable population models. Ann. Prob. 29, Sagitov, S. (2003) Convergence to the coalescent with simultaneous multiple mergers. J. Appl. Prob. 40, Möhle M. and Sagitov S. (2003) Coalescent Patterns in Exchangeable Diploid Population Models. J. Math. Biol. 47, Jagers P. and Sagitov S. (2004) Convergence to the coalescent in populations of substantially varying size. J. Appl. Prob. 41, Sagitov S. and Jagers P. (2005) The coalescent effective size of age-structured populations. Ann. Appl. Probab. 15, Tack så mycket för er sammanlagt mer än 60 timmars uppmärksamhet!!! 24
Varför statistik? det finns inga dumma frågor, bara dumma svar! Serik Sagitov
Summer Science Camp, Tjärnö, 8 August 2012 Varför statistik? Serik Sagitov http://www.math.chalmers.se/ serik/ Avdelningen för matematisk statistik Matematiska Vetenskaper Chalmers Tekniska Högskola och
Läs merKarl Holm Ekologi och genetik, EBC, UU. ebc.uu.se. Nick Brandt. Populationsgenetik
Karl Holm Ekologi och genetik, EBC, UU karl.holm@ ebc.uu.se Nick Brandt Populationsgenetik Kursens upplägg Föreläsningar 24/4, 10:15-16:00 Friessalen Introduktion, HWE 27/4, 10:15-16:00 Inavel 28/4, 10:15-16:00
Läs merIntroduktion till statistik för statsvetare
och enkäter "Det finns inget så praktiskt som en bra teori" September 2011 och enkäter Inledning Inledning Om vi vill mäta en egenskap hos en population individer (individer kan vara personer, företag
Läs merMatematisk statistik KTH. Formel- och tabellsamling i matematisk statistik
Matematisk statistik KTH Formel- och tabellsamling i matematisk statistik Varterminen 2005 . Kombinatorik n = k n! k!n k!. Tolkning: n k mängd med n element. 2. Stokastiska variabler V X = EX 2 EX 2 =
Läs merEvolution, del 2: Evolutionsprocesser och förändringar i det genetiska materialet. Jessica Abbott Forskare Evolutionär Ekologi
Evolution, del 2: Evolutionsprocesser och förändringar i det genetiska materialet Jessica Abbott Forskare Evolutionär Ekologi Naturlig selektion Alleler som ger bättre överlevnad och/eller reproduktionsförmåga
Läs merMatematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar
Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar Anna Lindgren (Stanislav Volkov) 31 oktober + 1 november 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F10: Punktskattning 1/18 Matematisk
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE31 Sannolikhet, statistik och risk 218-1-12 kl. 8:3-13:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.
Läs merMatematisk Fylogenetik
Vetenskapsfestivalen, Gothenburg 9 May 2014 Serik Sagitov Matematiska Vetenskaper, Chalmers och Göteborgs Universitet Matematisk Fylogenetik Innehåll Sidor Inledning 2-5 Grundkurs i Matematisk Statistik
Läs merFöreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar
Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 3 Johan Lindström 4 september 7 Johan Lindström - johanl@maths.lth.se FMSF7/MASB F3 /3 fördelningsplot log- Johan Lindström - johanl@maths.lth.se
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-05-31 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merMotsvarade kursen dina förväntningar?/did the course live up to your expectations?
Kursutvärdering/Course evaluation: Species trees from gene trees Motsvarade kursen dina förväntningar?/did the course live up to your expectations? 1: Jag tyckte att kursen var bra, det började dock ganska
Läs merMVE051/MSG Föreläsning 7
MVE051/MSG810 2016 Föreläsning 7 Petter Mostad Chalmers November 23, 2016 Överblick Deskriptiv statistik Grafiska sammanfattningar. Numeriska sammanfattningar. Estimering (skattning) Teori Några exempel
Läs merMatematisk statistik KTH. Formelsamling i matematisk statistik
Matematisk statistik KTH Formelsamling i matematisk statistik Vårterminen 2017 1 Kombinatorik ) n n! = k k! n k)!. Tolkning: mängd med n element. ) n = antalet delmängder av storlek k ur en k 2 Stokastiska
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2018-10-12 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merTentamen MVE302 Sannolikhet och statistik
Tentamen MVE302 Sannolikhet och statistik 2019-06-05 kl. 8:30-12:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Oskar Allerbo, telefon: 031-7725325 Hjälpmedel: Valfri miniräknare.
Läs merHardy-Weinberg jämnvikt Processer som minskar genetisk variation: Inavel Genetisk drift
Populationsgenetik Hardy-Weinberg jämnvikt Processer som minskar genetisk variation: Inavel Genetisk drift Processer som ökar genetisk variation: Mutationer Migration Miljömässiga förändringar Balancen
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2017-08-15 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE30 Sannolikhet, statistik och risk 207-06-0 kl. 8:30-3:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 03-7725348 Hjälpmedel: Valfri miniräknare.
Läs merBayes i praktiken. exempel och reflektioner från en forskarutbildningskurs. Ralf Rittner, Arbets och Miljömedicin
Bayes i praktiken exempel och reflektioner från en forskarutbildningskurs Ralf Rittner, Arbets och Miljömedicin 2012 11 07 Bayesian Data Analysis Practical Data Analysis with BUGS using R Bendix Carstensen
Läs merKurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 05 June 2017, 14:00-18:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 5 June 217, 14:-18: Examiner: Zhenxia Liu (Tel: 7 89528). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the formula and
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE30 Sannolikhet, statistik och risk 207-08-5 kl. 8:30-3:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 03-7725325 Hjälpmedel: Valfri miniräknare.
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE301 Sannolikhet, statistik och risk 2017-06-01 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri
Läs merEVOLUTIONENS DRIVKRAFTER ARTBILDNING
EVOLUTIONENS DRIVKRAFTER ARTBILDNING Evolutionen på 60 sek https://www.youtube.com/watch?v=oiwde6opvz U Vad är evolutionen (8 min)? https://www.youtube.com/watch?v=ghhojc4oxh8 Hur fungerar evolutionen
Läs merFöreläsning 6, Repetition Sannolikhetslära
Föreläsning 6, Repetition Sannolikhetslära kap 4 Sannolikhetslära och slumpvariabler kap 5 Stickprov, medelvärden, CGS, binomialfördelning Viktiga grundbegrepp utfall, händelse, sannolikheter, betingad
Läs merThis exam consists of four problems. The maximum sum of points is 20. The marks 3, 4 and 5 require a minimum
Examiner Linus Carlsson 016-01-07 3 hours In English Exam (TEN) Probability theory and statistical inference MAA137 Aids: Collection of Formulas, Concepts and Tables Pocket calculator This exam consists
Läs merVad man bör tänka på när man har en liten ras? Erling Strandberg, professor vid institutionen för husdjursgenetik, SLU, Uppsala
Vad man bör tänka på när man har en liten ras? Erling Strandberg, professor vid institutionen för husdjursgenetik, SLU, Uppsala Norsk Buhund är en ganska liten ras i Sverige. För en liten ras finns det
Läs merFöreläsning 6, Matematisk statistik Π + E
Repetition Kovarians Stora talens lag Gauss Föreläsning 6, Matematisk statistik Π + E Sören Vang Andersen 2 december 2014 Sören Vang Andersen - sva@maths.lth.se FMS012 F6 1/20 Repetition Kovarians Stora
Läs merPROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren PROGRAMFÖRKLARING I Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/4 Statistik
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 6 Johan Lindström oktober 8 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Johan Lindström - johanl@maths.lth.se FMSF45/MASB F6 /9 Summa
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)
SF1901: Sannolikhetslära och statistik Föreläsning 9. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 21.02.2012 Jan Grandell & Timo Koski () Matematisk statistik 21.02.2012
Läs mer9. Konfidensintervall vid normalfördelning
TNG006 F9 09-05-016 Konfidensintervall 9. Konfidensintervall vid normalfördelning Låt x 1, x,..., x n vara ett observerat stickprov av oberoende s.v. X 1, X,..., X n var och en med fördelning F. Antag
Läs merFöreläsning 11: Mer om jämförelser och inferens
Föreläsning 11: Mer om jämförelser och inferens Matematisk statistik David Bolin Chalmers University of Technology Maj 12, 2014 Oberoende stickprov Vi antar att vi har två oberoende stickprov n 1 observationer
Läs merTentamen MVE302 Sannolikhet och statistik
Tentamen MVE32 Sannolikhet och statistik 219-6-5 kl. 8:3-12:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Oskar Allerbo, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.
Läs merSF1911: Statistik för bioteknik
SF1911: Statistik för bioteknik Föreläsning 6. TK 14.11.2016 TK Matematisk statistik 14.11.2016 1 / 38 Lärandemål Stokastiska modeller för kontinuerliga datatyper Fördelningsfunktion (cdf) Sannolikhetstäthetsfunktion
Läs mer1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5
LÖSNINGAR TILL Matematisk statistik Tentamen: 29 7 kl 8 3 Matematikcentrum FMSF45 Matematisk statistik AK för D,I,Pi,F, 9 h Lunds universitet MASB3 Matematisk statistik AK för fysiker, 9 h. För tiden mellan
Läs merTryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13
Tryckfel i K. Vännman, Matematisk Statistik, upplaga 2:13 Kasper K. S. Andersen 11 oktober 2018 s. 10, b, l. 8: 1 4 17.62 1 5 17.62 s. 25, Tabell 1.13, linje 1, kolonn 7: 11 111 s. 26, Figur 1.19 b, l.
Läs merMatematisk statistik 9hp Föreläsning 7: Normalfördelning
Matematisk statistik 9hp Föreläsning 7: Normalfördelning Anna Lindgren 29+3 september 216 Anna Lindgren anna@maths.lth.se FMS12/MASB3 F7: normalfördelning 1/18 Kovarians, C(X, Y) Repetition Normalfördelning
Läs mer7.5 Experiment with a single factor having more than two levels
7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan
Läs merTENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL
TENTAMEN I SF950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 010 KL 14.00 19.00 Examinator : Gunnar Englund, tel. 790 7416, epost: gunnare@math.kth.se Tillåtna hjälpmedel: Formel-
Läs merVi har en ursprungspopulation/-fördelning med medelvärde µ.
P-värde P=probability Sannolikhetsvärde som är resultat av en statistisk test. Anger sannolikheten för att göra den observation vi har gjort eller ett sämre / mer extremt utfall om H 0 är sann. Vi har
Läs merHomework Three. Farid Bonawiede Samer Haddad Michael Litton Alexandre Messo. 28 november Time series analysis
Homework Three Time series analysis Farid Bonawiede Samer Haddad Michael Litton Alexandre Messo 28 november 25 1 Vi ska här analysera en datamängd som består av medeltemperaturen månadsvis i New York mellan
Läs merSF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski
SF1901: Sannolikhetslära och statistik Föreläsning 10. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski 18.02.2016 Jan Grandell & Timo Koski Matematisk statistik 18.02.2016
Läs merPrognoser för lodjurspopulationen 2012 och 2013 i Sverige. Forecasting the lynx population to 2012 and 2013 in Sweden
Prognoser för lodjurspopulationen 2012 och 2013 i Sverige Henrik Andrén och Guillaume Chapron Grimsö forskningsstation, Inst. för ekologi, SLU, 730 91 Riddarhyttan Version 2011-09- 23 Summary Forecasting
Läs merFöreläsning 8, Matematisk statistik Π + E
Repetition Binomial Poisson Stokastisk process Föreläsning 8, Matematisk statistik Π + E Sören Vang Andersen 9 december 214 Sören Vang Andersen - sva@maths.lth.se FMS12 F8 1/23 Repetition Binomial Poisson
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 11 Johan Lindström 13 november 2018 Johan Lindström - johanl@maths.lth.se FMSF45/MASB03 F11 1/25 Repetition Stickprov & Skattning Maximum likelihood
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 9 Joakim Lübeck (Johan Lindström 25 september 217 Johan Lindström - johanl@maths.lth.se FMSF7/MASB2 F9 1/23 Repetition Inferens för diskret
Läs merDetta formelblad får användas under både KS2T och KS2D, samt ordinarie tentamen. x = 1 n. x i. with(stats): describe[mean]([3,5]); 4.
Formelblad Detta formelblad får användas under både KST och KSD, samt ordinarie tentamen. Medelvärde x = 1 n x i with(stats): describe[mean]([3,5]); 4 Varians s = 1 (x i x) n 1 ( s = 1 x i n 1 1 n ) x
Läs merBevarandegenetik och de svenska nationalraserna: lägesrapport. Mija Jansson
Bevarandegenetik och de svenska nationalraserna: lägesrapport Mija Jansson Inavel F = 0.125 Sjuka/friska hundraser, inavel Förlust av genetisk varation: Founder Genom Ekvivalenter 1 FGE Sjuka/friska hundraser,
Läs mer*****************************************************************
Umeå universitet EMG Barbara Giles Kod nummer: Tentamensformalia Kursens namn: 5BI110 Genetik och evolution 15 hp, moment evolution HT12 Datum: 2012-12-21 Tid: 09.00-14.00 Tillåtna hjälpmedel: miniräknare
Läs merMatematisk statistik 9 hp Föreläsning 6: Linjärkombinationer
Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer Anna Lindgren 27+28 september 2016 Anna Lindgren anna@maths.lth.se FMS012/MASB03 F6: linjärkombinationer 1/21 sum/max/min V.v./var Summa av
Läs merTENTAMEN I MATEMATISK STATISTIK 19 nov 07
TENTAMEN I MATEMATISK STATISTIK 9 nov 7 Ten i kursen HF ( Tidigare kn 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Ten i kursen 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Skrivtid: 3:5-7:5 Lärare: Armin Halilovic
Läs merBayesiansk statistik, 732g43, 7.5 hp
Bayesiansk statistik, 732g43, 7.5 hp Moment 4 - Logistisk regression, Binomialregression, Poissonregression, Multilevelmodeller Bertil Wegmann STIMA, IDA, Linköpings universitet Bertil Wegmann (STIMA,
Läs mer8FA224. Medicinsk genetik, 7,5 hp. Medical Genetics. Fristående kurs. Medicinska fakulteten. Gäller från: 2014 HT. Kursplan
8FA224 Medicinsk genetik, 7,5 hp Medical Genetics Fristående kurs Medicinska fakulteten Gäller från: 2014 HT Kursplan Fastställd av Grundutbildningsnämnden Fastställandedatum 2013-10-30 Reviderad Diarienummer
Läs merChapter 2: Random Variables
Chapter 2: Random Variables Experiment: Procedure + Observations Observation is an outcome Assign a number to each outcome: Random variable 1 Three ways to get an rv: Random Variables The rv is the observation
Läs merSTATISTISK ANALYS AV KOMPLEXA DATA
STATISTISK ANALYS AV KOMPLEXA DATA HIERARKISKA DATA Linda Wänström Linköpings universitet 25 November Wänström (Linköpings universitet) HIERARKISKA DATA 25 November 1 / 53 Regressionsmodell för icke-hierarkiska
Läs merBayesiansk statistik, 732g43, 7.5 hp
Bayesiansk statistik, 732g43, 7.5 hp Moment 3 - Överanpassade modeller, regularisering, informationskriterium, modelljämförelse, Markov chain Monte Carlo (MCMC) Bertil Wegmann STIMA, IDA, Linköpings universitet
Läs merF3 Introduktion Stickprov
Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 8 Johan Lindström 9 oktober 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F8 1/26 process Johan Lindström - johanl@maths.lth.se FMSF45/MASB3
Läs mer5B Portföljteori och riskvärdering
B7 - Portföljteori och riskvärdering Laboration Farid Bonawiede - 89-09 Alexandre Messo - 89-77 - Beräkning av den effektiva fronten för en portfölj Uppgiften går ut på att beräkna de portföljer som ger
Läs merFormel- och tabellsamling i matematisk statistik
Formel- och tabellsamling i matematisk statistik 1. Sannolikhetsteori för lärarprogrammet Sannolikhetsformler P (A ) = 1 P (A) P (A B) = P (A) + P (B) P (A B) P (A B) = P (A B) P (B) P (A B) = P (A B)P
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merFöreläsning 7: Punktskattningar
Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology September 21, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 5 Johan Lindström 12 september 216 Johan Lindström - johanl@maths.lth.se FMS86/MASB2 F5 1/23 Repetition Gauss approximation Delta metoden
Läs merMatematisk statistik för D, I, Π och Fysiker
max/min Matematisk statistik för D, I, Π och Fysiker Föreläsning 5 Johan Lindström 25 september 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F5 1/25 max/min Johan Lindström - johanl@maths.lth.se
Läs merTentamen MVE301 Sannolikhet, statistik och risk
Tentamen MVE31 Sannolikhet, statistik och risk 218-5-31 kl. 8:3-13:3 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 31-7725325 Hjälpmedel: Valfri miniräknare.
Läs merKurskod: TAMS24 / Provkod: TEN (8:00-12:00) English Version
Kurskod: TAMS24 / Provkod: TEN 25-8-7 (8: - 2:) Examinator/Examiner: Xiangfeng Yang (Tel: 7 2234765). Please answer in ENGLISH if you can. a. You are permitted to bring: a calculator; formel -och tabellsamling
Läs merSF1915 Sannolikhetsteori och statistik 6 hp. χ 2 -test
SF1915 Sannolikhetsteori och statistik 6 hp Föreläsning 12 χ 2 -test Jörgen Säve-Söderbergh Anpassningstest test av given fördelning n oberoende försök med r möjliga olika utfall Händelse A 1 A 2... A
Läs merTAMS65 - Föreläsning 1 Introduktion till Statistisk Teori och Repetition av Sannolikhetslära
TAMS65 - Föreläsning 1 Introduktion till Statistisk Teori och Repetition av Sannolikhetslära Martin Singull Matematisk statistik Matematiska institutionen TAMS65 - Mål Kursens övergripande mål är att ge
Läs merSannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0
Avd. Matematisk statistik TENTAMEN I SF191, SANNOLIKHETSTEORI OCH STATISTIK, ONSDAGEN DEN 1:A JUNI 216 KL 8. 13.. Kursledare: Thomas Önskog, 8-79 84 55 Tillåtna hjälpmedel: Formel- och tabellsamling i
Läs merFinansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel
Finansiell Statistik (GN, 7,5 hp,, VT 009) Föreläsning Diskreta (LLL Kap 6) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course, 7,5 ECTS,
Läs merSummor av slumpvariabler
1/18 Summor av slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 9/2 2011 2/18 Dagens föreläsning Parkeringsplatsproblemet Räkneregler för väntevärden Räkneregler
Läs merFORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02 Sannolikhetsteori Följande gäller för sannolikheter:
Läs merMetod och teori. Statistik för naturvetare Umeå universitet
Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån
Läs merHärledning av Black-Littermans formel mha allmänna linjära modellen
Härledning av Black-Littermans formel mha allmänna linjära modellen Ett sätt att få fram Black-Littermans formel är att formulera problemet att hitta lämpliga justerade avkastningar som ett skattningsproblem
Läs merFöreläsning 5, Matematisk statistik 7.5hp för E Linjärkombinationer
Föreläsning 5, Matematisk statistik 7.5hp för E Linjärkombinationer Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F5: linjärkombinationer 1/20 sum/max/min V.v./var Summa av två oberoende, Z
Läs merSF1911: Statistik för bioteknik
SF1911: Statistik för bioteknik Föreläsning 4. TK 7.11.2017 TK Matematisk statistik 7.11.2017 1 / 42 Lärandemål Betingad sannolikhet (definition, betydelse) Oberoende händelser Lagen om total sannolikhet
Läs merFACIT: Tentamen L9MA30, LGMA30
Göteborgs Universitetet GU Lärarprogrammet 06 FACIT: Matematik för lärare, åk 7-9, Sannolikhetslära och statistik, Matematik för gymnasielärare, Sannolikhetslära och statistik 07-0-04 kl..0-.0 Examinator
Läs merMatematisk statistik för D, I, Π och Fysiker
Matematisk statistik för D, I, Π och Fysiker Föreläsning 15 Johan Lindström 4 december 218 Johan Lindström - johanl@maths.lth.se FMSF45/MASB3 F15 1/28 Repetition Linjär regression Modell Parameterskattningar
Läs merExempel på tentamensuppgifter
STOCKHOLMS UNIVERSITET 4 mars 2010 Matematiska institutionen Avd. för matematisk statistik Mikael Andersson Exempel på tentamensuppgifter Uppgift 1 Betrakta en allmän I J-tabell enligt 1 2 3 J Σ 1 n 11
Läs merKapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin
Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,
Läs merTentamen i Linjära statistiska modeller 13 januari 2013, kl. 9-14
STOCKHOLMS UNIVERSITET MT 5001 MATEMATISKA INSTITUTIONEN TENTAMEN Avd. Matematisk statistik 13 januari 2014 Tentamen i Linjära statistiska modeller 13 januari 2013, kl. 9-14 Examinator: Martin Sköld, tel.
Läs merGenetik II. Jessica Abbott
Genetik II Jessica Abbott Nukleosid Sockergrupp + kvävebas Kvävebaser: Puriner (adenin, guanin) Pyrimidiner (cytosin, thymin i DNA, uracil i RNA) Basparning A=T G C Packning av DNA i eukaryot cellkärna
Läs merStokastiska vektorer
TNG006 F2 9-05-206 Stokastiska vektorer 2 Kovarians och korrelation Definition 2 Antag att de sv X och Y har väntevärde och standardavvikelse µ X och σ X resp µ Y och σ Y Då kallas för kovariansen mellan
Läs merCentrala gränsvärdessatsen (CGS). Approximationer
TNG006 F7 25-04-2016 Centrala gränsvärdessatsen (CGS. Approximationer 7.1. Centrala gränsvärdessatsen Vi formulerade i Sats 6.10 i FÖ6 en vitig egensap hos normalfördelningen som säger att en linjär ombination
Läs mer4.1 Grundläggande sannolikhetslära
4.1 Grundläggande sannolikhetslära När osäkerhet förekommer kan man aldrig uttala sig tvärsäkert. Istället använder vi sannolikheter, väntevärden, standardavvikelser osv. Sannolikhet är ett tal mellan
Läs merSF1901 Sannolikhetsteori och statistik I
SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 7 15 november 2017 1 / 28 Lite om kontrollskrivning och laborationer Kontrollskrivningen omfattar Kap. 1 5 i boken, alltså Föreläsning
Läs merAnalys av DNA-kopietal med dolda markovmodeller
-kopietal Analys av -kopietal med dolda markovmodeller Lund, 8 juni 2011 -kopietal Disputerade den 22 oktober 2010 i matematisk statistik vid Matematikcentrum, Lunds Universitet Modelling Allelic and Copy
Läs merLÖSNINGAR TILL P(A) = P(B) = P(C) = 1 3. (a) Satsen om total sannolikhet ger P(A M) 3. (b) Bayes formel ger
LÖSNINGAR TILL Matematisk statistik Tentamen: 2015 08 18 kl 8 00 13 00 Matematikcentrum FMS 086 Matematisk statistik för B, K, N och BME, 7.5 hp Lunds tekniska högskola MASB02 Matematisk statistik för
Läs mer8MEA07. Medicinsk genetik, 7,5 hp. Medical Genetics. Programkurs. Medicinska fakulteten. Gäller från: 2017 HT PRELIMINÄR. Kursplan
8MEA07 Medicinsk genetik, 7,5 hp Medical Genetics Programkurs Medicinska fakulteten Gäller från: 2017 HT PRELIMINÄR Kursplan Fastställd av Grundutbildningsnämnden Fastställandedatum 2012-12-07 Reviderad
Läs merFörädling och genbevarande två sidor av samma mynt
Förädling och genbevarande två sidor av samma mynt Bengt Andersson Gull Nordgen Temadag 9 oktober, Stockholm Upplägg Lite statistik Förädlingsprogrammen Genetiska vinster Genetisk variation och genbevarande
Läs merSF1901: Sannolikhetslära och statistik
SF1901: Sannolikhetslära och statistik Föreläsning 8. Statistik: Mer om maximum likelihood, minsta kvadrat. Linjär regression, medelfel, felfortplantning Jan Grandell & Timo Koski 24.09.2008 Jan Grandell
Läs merStokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012
Föreläsning 7 Stokastiska Processer och ARIMA Patrik Zetterberg 19 december 2012 1 / 22 Stokastiska processer Stokastiska processer är ett samlingsnamn för Sannolikhetsmodeller för olika tidsförlopp. Stokastisk=slumpmässig
Läs merJörgen Säve-Söderbergh
SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 8 Binomial-, hypergeometrisk- och Poissonfördelning Exakta egenskaper Approximativa egenskaper Jörgen Säve-Söderbergh Binomialfördelningen
Läs merMatematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Johan Lindström Repetition Johan Lindström - johanl@maths.lth.se FMS86/MASB2 1/44 Begrepp S.V. Fördelning Väntevärde Gauss CGS Grundläggande begrepp (Kap.
Läs merPreliminärt lösningsförslag - omtentamen i Finansiell statistik,
Preliminärt lösningsförslag - omtentamen i Finansiell statistik, 2012-08-22 Uppgift 1a) y x -1 0 1 P(Y = y) -1 1/16 3/16 1/16 5/16 0 3/16 0 3/16 6/16 1 1/16 3/16 1/16 5/16 P(X = y) 5/16 6/16 5/16 1 E[X]
Läs merStatistiska metoder för säkerhetsanalys
F7: Bayesiansk inferens Klassisk vs Bayesiansk Två problem Klassisk statistisk inferens Frekventistisk tolkning av sannolikhet Parametrar fixa (ofta okända) storheter Skattningar och konfidensintervall
Läs merTvå parametrar: µ (väntevärdet) och σ (standardavvikelsen) µ bestämmer normalfördelningens läge
Lunds tekniska högskola Matematikcentrum Matematisk statistik Matematisk statistik AK för ekosystemteknik, FMSF75 OH-bilder 28-9-3 Normalfördelningen, X N(µ, σ) f(x) = e (x µ)2 2σ 2, < x < 2π σ.4 N(2,).35.3.25.2.5..5
Läs merTAMS65 - Föreläsning 2 Parameterskattningar - olika metoder
TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder Martin Singull Matematisk statistik Matematiska institutionen Innehåll Fö2 Punktskattningar Egenskaper Väntevärdesriktig Effektiv Konsistent
Läs merResultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.).
STOKASTISKA VARIABLER Resultat till ett försök är ofta ett tal. Talet kallas en stokastisk variabel (kortare s. v.). Definition 1. En reellvärd funktion definierad på ett utfallsrum Ω kallas en (endimensionell)
Läs mer