2. Для уточнения статистической достоверности разности между результатом отбора и среднепопуляционным значением признака используется формула достоверности разности двух средних:
где
ν = Ne + Np – 2 = (Ne – 1) + (Np – 1)
Если вычисленное значение t-критерия (опытное) больше его табличного значения для определенного числа степеней свободы и заданного уровня точности, то различия между средними можно признать достоверными. Об этом делают соответствующую запись в тетради. Такая ситуация в смысловом отношении означает то, что отбор действительно привел к изменению средних значений селектируемого признака, то, что величина полученного селекционного материала достоверно превышает среднее популяционное значение того же признака в исходной популяции, из которой был осуществлен отбор. Это соответствует тому, что разница между средними превышает величину случайных отклонений, не связанных с действием рассматриваемого фактора (в нашем случае с действием отбора). Это является подтверждением результативности отбора. Рассматриваемый показатель можно рассматривать как критерий достоверности селекционного дифференциала (В.П.).
3. Производят соответствующие вычисления селекционного дифференциала по приведенной ранее формуле. Величину селекционного дифференциала выражают как в натуральных величинах: размерных (м, см, кг, г, шт. и др.) или безразмерных (при относительных или производных признаках), так и в процентах от средней популяционной величины. Результаты записывают в тетрадь.
4. Вычисляют значения показателя интенсивности отбора по приведенным выше формулам. Полученный материал интерпретируют, о чем делают соответствующие записи в тетради.
5. В предложенной преподавателем директории на персональном компьютере формируют массивы исходных данных для их статистической обработки и последующего расчета селекционного дифференциала. Обработку ведут в одном из алгоритмических языков: ФОРТРАН (одна из версий) или КУБЕЙСИК.
6. Производят обработку цифровых массивов данных с получением итоговых результатов и выведением их на печать. Распечатку результатов приобщают к курсовому проекту.
7. Трансформируют исходный цифровой массив в массив таблицы Excel либо получают массив у преподавателя.
8. Выбирают соответствующий алгоритм расчета в библиотеке Excel и осуществляют обработку. Результаты выводят на печать, а распечатку результатов приобщают к курсовому проекту.
9. Повторите весь цикл расчетов для второй популяции того же вида, по тому же признаку. Желательно подобрать второй пример таким образом, чтобы популяции имели одинаковые средние значения признака, но различались бы по показателям дисперсии (размах варьирования, характер распределения особей, сдвиг общего диапазона изменчивости одной из популяций по отношению к другой в ту или иную сторону).
На эффективность этбора оказывают влияние как особенности организации популяций (их структура или дисперсия признаков её особей), так и заданным уровнем интенсивности отбора.
Задание 2.
Определите факт наличия и характер влияния на величину селекционного дифференциала дисперсии признака в популяции, структуры распределения особей в популяции в соответствии с (в зависимости от) проявлением признака, напряженности режима отбора.
Чем интенсивнее ведется отбор, тем выше значение селекционного дифференциала.
Повышение селекционного дифференцала.
Селекционный дифференциал можно рассматривать как функцию числа отобранных деревьев (или семенных семей, или клонов) и числа деревьев (или семей, или клонов), из которых провели отбор. При большем отношении числа изученных деревьев (числа деревьев в популяции, которая подверглась отбору) к отобранным деревьям селекционный дифференциал выше. Однако связь между ними не прямая. Джонатан В. Райт (1978, стр. 161) в своей работе приводит таблицу взаимоотношения между селекционным дифференциалом и числом деревьев в популяции, которое следует изучить при отборе (табл.***).
Таблица ***