Скотный двор Скотный дворСправочник

зоотехника-селекционера и контроль-

ассистента по молочному скотоводству

 Под ред. проф. В.Н.Карелина. Минск, «Ураджай», 1972.

Оглавление

Предисловие

Задачи селекции молочного скота и контроль-ассистентская служба

Задачи селекции

Контроль-ассистенская служба

Положение о контроль-ассистентской службе в молочном хозяйстве

Инструкция о работе контроль-ассистента по молочному скотоводству

Типовой договор по проведению контроль-ассистентского учета в молочном скотоводстве

Зоотехник-селекционер госплемстанции и хозяйства

Кормление племенных быков и коров-производителей

Химический состав и питательность кормов

Подготовка кормов к скармливанию

Техника кормления и раздой коров

Расчет потребности в кормах и составление кормового плана

Выращивание племенных животных

Планирование выращивания молодняка

Кормление молодняка в молочный период

Кормление молодняка в послемолочный период

 

Развитие, конституция и экстерьер крупного рогатого скота

Рост и развитие животных

Конституция крупного рогатого скота

Типы нервной деятельности животных

Экстерьер крупного рогатого скота

Определение возраста крупного рогатого скота по зубам

Пунктирная (бальная) оценка телосложения

Промеры животных

Индексы телосложения

Фотографирование племенных животных

Генетические основы селекции молочного скота

Материальные основы наследственности

Деление соматических клеток

Образование половых клеток

Редукционное деление

Биохимические основы наследственности

Регуляция белкового синтеза

Генетическая изменчивость

Наследование приобретенных признаков

Закономерности наследования признаков

Наследование количественных признаков

Определение коэффициента наследуемости признаков

Отбор и подбор

Отбор

Учет происхождения животных

Мечение животных

Родословная

Основные селекционируемые признаки в молочном скотоводстве

Тип животных стада

Оценка животных при отборе на племя

Селекция молочного скота по формам и свойствам вымени коров

Подбор

Методы разведения

Чистопородное разведение

Скрещивание

Гибридизация

Родственное разведение

Разведение по линиям

Родственные группы, линии и семейства

Методика генеалогического анализа стада и породы

Генеалогическая структура породы

Родоначальники и продолжатели линии

Суммарная характеристика линий

Методика создания заводских линий

Особенности подбора при разведении по линиям

Деградация линий

Организация метода разведения по линиям

Мероприятия по племенному делу

Система племенной службы

Районирование пород

Племенные хозяйства

Государственные станции по племенному делу и искусственному осеменению сельскохозяйственных животных (госплемстанции)

Бонитировка крупного рогатого скота

Государственные племенные книги крупного рогатого скота

Выставки племенных животных

Перспективный план племенной работы хозяйства

Перспективный план племенной работы госплемстанции

Совет по породе

Основные плановые породы молочного и молочно-мясного скота

Черно-пестрая порода

Бурая латвийская порода

Красная эстонская порода

Красная литовская порода

Породная группа красного белорусского скота

Красная датская порода

Швицкая порода

Костромская порода

Симментальская порода

Сычевская порода

Глава XII.

Морфофизиологические признаки вымени, доение коров и анализ молока

Морфологические признаки и свойства вымени коров

Оценка коров по морфологическим признакам и свойствам вымени

Оценка быков-производителей по морфологическим признакам и свойствам вымени дочерей

Ключ для обозначения морфологических признаков и свойств вымени

Организация и проведение оценки животных по морфологическим признакам и свойствам вымени

Доение коров

- Подготовка коровы и вымени к доению

- Машинное доение

Состав и свойства молока

Определение содержания жира и белка в молоке

- Отбор средней пробы молока и ее консервирование

- Определение содержания жира в молоке

- Определение содержания белка в молоке с краской оранж «Ж»

- Определение содержания белка в молоке методом формольного титрования

Организация молочной лаборатории в хозяйстве

Организация молочной лаборатории контроль-ассистентской службы

Глава XIII.

Контроль-ассистентский учет

Дневник контроль-ассистента

Журнал осеменений и отелов коров

Книга продуктивности коров

Книга выращивания племенного молодняка

Ведомость средних показателей продуктивности коров по стаду

Месячный отчет контроль-ассистента

Ведомость годовых итогов контроля продуктивности коров и выращивания племенного молодняка

Глава XIV.

Математическая обработка материалов

Методы математической обработки

- Вариационный ряд

- Основные показатели вариационного ряда

- Оценка точности статистических выводов

Методы изучения связи между признаками

Практическое использование выводов биометрической обработки показателей

Глава XV.

Правила ухода за животными и меры профилактики заболеваний

Факторы внешней среды и здоровье животных

Гигиеническое значение полноценного кормления

- Профилактика заболеваний, связанных с неполноценным кормлением

- Профилактика отравлений ядовитыми растениями, семенами и кормами, содержащими примеси химикатов

Поение животных

Уход за животными

Содержание животных

Общие ветеринарно-профилактические мероприятия на фермах крупного рогатого скота

 

 

Карта сайта

 

Методы изучения связи между признаками

Во многих случаях селекционеру, ведущему отбор по нескольким признакам, например, по удою, жирномолочности и белковомолочности или же по весу и другим признакам, необходимо выяснить вопрос о степени связи между этими признаками в стаде, так как от этого зависят и эффективность отбора, и особенности работы по их улучшению. Не менее важно иногда выяснить, какова связь между матерями и дочерями по тому или иному признаку для определения коэффициента наследуемости, и другие вопросы.

Для изучения связи между признаками существуют методы, позволяющие определять направление и степень связи между ними, а также изменение величин одного признака в зависимости от другого. В тех случаях, когда один признак не имеет колебаний (например, определенный возраст животного), ограничиваются определением средних величин изучаемого признака в зависимости от величины другого. Так, при изучении влияния номера лактации коров на их молочную продуктивность или на содержание жира в молоке определяют средний удой или среднее содержание жира в молоке у коров с разными лактациями. Часто установленную зависимость изображают в виде графика, в котором на оси X расположены величины определенного признака, например, числа лактации, по оси Y — шкала величин изучаемого признака, например, удоя или процента жира. Восстанавливая из соответствующих точек оси X перпендикуляры, высота которых равна величине исследуемого признака на шкале оси Y и соединяя их вершины прямыми линиями, получают кривые зависимости признака Y (например, удоя) от признака X (числа лактации).

В зависимости от характера связи между признаками графики могут быть различными. Если с увеличением признака X признак У увеличивается пропорционально, получается линия, близкая к прямой. Такая связь называется прямолинейной. Если же с увеличением одного признака второй признак (Y) сначала увеличивается, затем уменьшается или остается на одном уровне, получается кривая линия. Такая связь называется криволинейной.

Кривые отражают лишь общее направление в связи признаков, не учитывая изменчивости животных, входящих в каждую из средних. Поэтому необходим более точный учет связи между признаками и характеристики ее одной цифрой. Для этого используется коэффициент корреляции (r).

Коэффициент корреляции колеблется от — 1 до +1. Знак при нем указывает направление связи между признаками: при отрицательном знаке с увеличением одного признака другой уменьшается (связь отрицательная, или обратная), при положительном знаке с увеличением одного признака возрастает и второй (связь положительная, или прямая). Сама же абсолютная величина коэффициента корреляции указывает на степень связи между этими признаками. При отсутствии связи коэффициент корреляции равен нулю. Если связь между признаками слабая, он имеет абсолютные величины от 0 до 0,5, если средняя — от 0,5 до 0,7, если высокая — 0,7, при r = 1 связь между признаками полная, т. е. с увеличением одного признака у всех особей пропорционально изменяется и второй признак.

При изучении связи между признаками каждое животное должно иметь два показателя: один — по признаку, обозначаемому как признак X, второй — по другому признаку, обозначаемому как Y. Какой из двух признаков принимать за X, какой за Y, если оба признака изменчивы, не имеет значения. Затем для каждого признака строят классы (как для вариационного ряда), но с таким расчетом, чтобы число классов обоих признаков было бы почти одинаковым (разница не должна быть более 1—2 классов). Классы признака X располагают на горизонтали, как заголовки столбцов, классы признака Y— по вертикали, как заголовки строк. Получается корреляционная решетка (см. табл. 2), в которую и разносят варианты с учетом одновременно обоих признаков, выбирая, к какому столбцу животное относится по признаку X, к какой строке —· по признаку Y. В квадратике на их пересечении Делают отметку по той же десятичной системе, как и при построении вариационного ряда. В результате разноски часть клеток корреляционной решетки получается заполненной цифрами, показывающими число животных, имеющих одновременно определенные величины признаков X и Y. Часть клеток может остаться незаполненной.

Таблица 2

Корреляционная решетка распределения коров
по содержанию белка (X) и жира (Y) в молоке

Y 3,1-3,19 3,2-3,29 3,3-3,39 3,4-3,49 3,5-3,59 3,6-3,69 3,7-3,79 3,8-3,89 3,9-3,99 4,0-4,09 4,1-4,19 fY

aY

fYaY fYa2Y
X
3,4-3,49 1 1               2 4 8 32
3,5-3,59 1 2 1 2           6 3 18 54
3,6-3,69 2 4 1 2 2         11 2 22 44
3,7-3,79 1 5 7 6 8 3 2 2       34 1 34 34
3,8-3,89 2 7 9 13 15 8 5 3 1     63 0    
3,9-3,99 1 4 3 6 13 12 6 3 2     50 1 50 50
4,0-4,09 1 1 3 2 9 9 4 2 2 1 34 2 68 136
4,1-4,19 1 1 3 4 2 2 2 1 1 1 18 3 54 162
4,2-4,29     1 1 2 1 1 1     7 4 28 112
4,3-4,39     1 1 1 1 1 1 6 5 30 150
4,4-4,49             1 1 2 4 6 24 144
4,5-4,59               1 2 2 5 7 35 245
fX 6 23 30 33 54 40 22 13 6 6 7 N=220   ∑fYaY=
=207
∑fYa2Y=
=1163
aX 4 3 2 1 0 1 2 3 4 5 6        
fXaX 24 69 60 33   40 44 39 24 30 42 ∑fXaX=
=33
     
fXa2X 96 207 120 33   40 88 117 96 150 294 ∑fXa2X=
=1241
     

При наличии положительной связи между признаками заполненные цифрами клетки решетки располагаются вдоль диагонали, идущей слева направо сверху вниз, которую называют диагональю положительной корреляции, при отрицательной связи такие клетки группируются вдоль диагонали, идущей слева направо снизу вверх, называемой диагональю отрицательной корреляции. При отсутствии связи между признаками они располагаются по всей решетке, группируясь ближе к средним классам признаков X и Y. Заполненные цифрами клетки образуют корреляционное поле, по форме которого можно судить о направлении и степени связи между признаками: чем оно уже, тем более связаны между собой признаки. Точное же представление о степени их связи дает лишь коэффициент корреляции, который определяют по приведенной ниже формуле:

Коэффициент корреляции

где N — число особей; аX и аY— выраженные в классах отклонения от условной средней в рядах X и Y, установленные по суммарным рядам признаков X и Y без распределения их по решетке;

Поправка 1и Поправка 2— поправки к условным средним, определяемые также для суммарных рядов X

σ'X и σ'Y — среднее квадратическое для этих же рядов, но без умножения на классный промежуток, так как последний в формуле коэффициента корреляции сокращен и расчеты проводятся лишь в номерах классов. Специфичной для коэффициента корреляции является лишь величина ∑faXaY представляющая собой сумму произведений числа особей в каждой клетке f, умноженную на отклонение этой клетки в ряду X и в ряду Y, т. е. на aX и aY.

Как пример, вычислим коэффициент корреляции между содержанием белка и жира в молоке у коров (табл. 2). Из распределения вариант в этой решетке видно, что связь между изучаемыми признаками в стаде положительная, так как варианты группируются вдоль диагонали положительной корреляции, но корреляционное поле довольно широкое, что указывает на слабую связь между этими признаками.

Для вычисления r в суммарных рядах X и Y выбирают классы, в которых находится условная средняя, как это делается и при определении средней арифметической. Соответствующие ему столбец и строка обводятся толстыми линиями, разбивающими решетку на 4 квадрата: I квадрат — у животных оба признака ниже, чем условные средние, и поэтому значения aX и aY отрицательные, а произведение их положительное; II квадрат — у животных признак X выше условного среднего (aX положительное), признак Y— ниже (aY отрицательное) и произведение их отрицательное; III квадрат — животные с обратным соотношением признаков и также с отрицательным произведением aXaY; IV квадрат — животные, у которых оба признака выше средних и положительное произведение aXaY. Поскольку селекционера интересуют животные, положительно отклоняющиеся от среднего по обоим признакам, процент животных в IV квадрате будет указывать на возможности селекции: чем больше таких животных, тем больше возможность пополнить стадо потомством таких лучших по обоим признакам коров.

Вычисление величины ∑faXaY производят по каждому квадрату в отдельности, затем суммируют с учетом знаков и получают общую ∑faXaY.

В приведенном примере ∑faXaY по квадратам будет следующая:

∑faXaY= 121 + 596 23 — 104 = 590.

I квадрат faXaY

II квадрат faXaY

III квадрат faXaY

IV квадрат faXaY

1 . —4 . —3 = 12

2 . —3 . 1 = —6

1 . 1 . —4 = —4

12 . 1 . 1 = 12

1 . —4 . —1 = 4

2 . —2 . 1 = —4

4 . 1 . —3 = —12

6 . 1 . 2 = 12

1 . —3 . —4 = 12

3 . —1 . 1 = —3

3 . 1 . —2 = —6

9 . 1 . 3 = 9

2 . —3 . —3 = 18

2 . —1 . 2 = —4

6 . 1 . —2 = —6

2 . 1 . 4 = 8

2 . —2 . —3 = 12

2 . —1 . 3 = —6

1 . 2 . —4 = —8

9 . 2 . 2 = 36

4 . —2 . —2 = 16

∑faXaY23

1 . 2 . —3 = —6

4 . 2 . 2 = 16

1 . —2 . —1 = 2

 

3 . 2 . —2 = —12

2 . 2 . 3 = 12

1 . —1 . —4 = 4

 

2 . 2 . —1 = —4

2 . 2 . 5 = 20

5 . —1 . —3 = 15

 

1 . 3 . —3 = —9

1 . 2 . 6 = 12

7 . —1 . —2 = 14

 

1 . 3 . —2 = —6

2 . 3 . 1 = 6

6 . —1 . —1 = 6

 

3 . 3 . —1 = —9

2 . 3 . 2 = 12

∑faXaY= 121

 

1 . 4 . —2 = —8

1 . 3 . 4 = 12

 

 

1 . 4 . —1 = —4

1 . 3 . 5 = 15

 

 

1 . 5 . —2 = —10

1 . 3 . 6 = 18

 

 

∑faXaY= —104

1 . 4 . 1 = 4

 

 

 

1 . 4 . 2 = 8

 

 

 

1 . 4 . 4 = 16

 

 

 

1 . 5 . 2 = 10

 

 

 

1 . 5 . 3 = 15

 

 

 

1 . 5 . 5 = 25

 

 

 

1 . 5 . 6 = 30

 

 

 

1 . 6 . 1 = 6

 

 

 

2 . 3 . 3 = 18

 

 

 

1 . 6 . 4 = 24

 

 

 

2 . 6 . 6 = 72

 

 

 

1 . 7 . 2 = 14

 

 

 

2 . 7 . 5 = 70

 

 

 

2 . 7 . 6 = 84

 

 

 

∑faXaY= 596

На основании полученных с помощью корреляционной решетки (табл. 2) величин определяем входящие в формулу коэффициента корреляции показатели:

Показатели коєффициента корреляции

Подставляя все эти величины в формулу, получим следующую величину коэффициента корреляции:

Величина коєффициента корреляции

Такая величина г указывает на то, что между содержанием белка и жира в молоке коров изучаемого стада имеется положительная корреляция. Однако величина коэффициента корреляции, как и другие биометрические величины, зависит от случайности в выборке материалов, что может привести к неправильным выводам о наличии или отсутствии связи. Чтобы избежать таких ошибок, необходимо определять ошибку коэффициента корреляции по формуле:

Ошибка коєффициента корреляции

В зависимости от величины ошибки коэффициента корреляции решают вопрос, есть ли связь между изучаемыми признаками или она отсутствует, т. е. достоверно ли отличается полученный коэффициент корреляции от нуля — показателя отсутствия связи между признаками. Поэтому разница между коэффициентом корреляции и величиной, характеризующей отсутствие связи, т. е. нулем, всегда равна коэффициенту корреляции, и показатель достоверности определяется как отношение коэффициента корреляции к его ошибке:

Показатель достоверности

Если r превышает ошибку в три раза и более, связь между признаками доказана (достоверна). В приведенном выше примере при коэффициенте корреляции 0,504 и числе вариант 240 ошибка

Вічисление ошибки коєффициента корреляции

Следовательно, связь, между изученными признаками достоверна.

Величина ошибки коэффициента корреляции зависит не только от числа животных в выборке, но и от самой величины этого показателя: чем выше корреляция между признаками, тем меньше числитель дроби, а следовательно, и ошибка. Поэтому в случаях слабой связи между признаками для доказательства ее достоверности необходимо исследовать большее количество животных.

Коэффициент корреляции показывает направление и степень связи между признаками, однако по его величине нельзя судить, на сколько единиц изменится один признак при изменении второго на определенное число единиц. Ответ на этот вопрос дает специальная величина — коэффициент регрессии, определяемый по формулам

Коэффициент регресии

которые показывают, на сколько единиц изменится признак X при изменении на единицу признака Y

Изменение признака Х

и на сколько единиц изменится признак Y при изменении на единицу признака X

Изменение признака Y

В этих формулах сигмы берут умноженные на классный промежуток, т. е. выраженные в единицах изучаемого признака. Поэтому коэффициенты регрессии являются именованными числами. В нашем примере

Вычислкние коэффициентов регресии

Иными словами, при изменении на 1% содержания белка в молоке жирность молока (повысится на 0,453%, а при изменении содержания жира на 1% содержание белка увеличится на 0,559%. Следовательно, в этом стаде можно успешно вести селекцию по обоим признакам, однако степень связи между ними не столь высока, чтобы вести селекцию только по одному из них, рассчитывая, что это одновременно приведет к значительному росту второго признака. Используя полученные коэффициенты регрессии, можно рассчитать, какую величину в среднем должен иметь один признак при определенной величине второго по формуле:

Определение величины признака

где X — искомая величина;

      У—заданная величина признака У;

      МX и МY ·— соответствующие средние величины этих признаков.

В нашем примере МX = 3,55% + 0,137—0,1% = 3,56%;

                               МY = 3,85% + 0,86—0,1% = 3,936%.

Интересно выяснить, какое будет содержание белка в молоке, если содержание жира увеличится до 4,1%.

Подставив известные показатели в формулу, получим 3,657%

= 3,567% + 0,559% . (4,10% — 3,936%) = 3,567% + 0,559% . 0,164 = 3,567% + 0,092% = 3,657%).

 

Скотный двор


На сайте Скотный двор

Вы смотрели страницу -  Методы изучения связи между признаками

Следующая страница -   Практическое использование выводов биометрической обработки показателей

Предыдущая страница - Методы математической обработки

Вернуться к началу страницы - Методы изучения связи между признаками

1 2 3 4 5 6

7
8

Скотный двор

Скотный двор

Животноводство

Животноводство

Справочник зоотехника-селекционера и контроль-ассистента по молочному скотоводству

Справочник зоотехника-селекционера и контроль-ассистента по молочному скотоводству

Инкубаторы

Инкубаторы

Разведение кур мясо-яичных пород

Разведение кур мясо-яичных пород

Аз-Буки-Веді тваринника

Аз-Буки-Веді тваринника

Паразитологія та інвазійні хвороби сільськогосподарських тварин

Паразитологія та інвазійні хвороби сільськогосподарських тварин

Довідник по заготівлі і зберіганню кормів

Довідник по заготівлі і зберіганню кормів

Довідник зооінженера

Довідник зооінженера

9

Скотный двор

 

Èíäåêñ öèòèðîâàíèÿ.