动物分子标记辅助选择回归模型

建立了动物分子标记辅助选择回归模型，对六个家猪品种的池DNARAPDs标记进行了示例分析，并初步讨论了分子标记辅助选择回归模型常量及模型的意义。     

分子标记辅助育种

本文对四大类遗传标记作了简单概述;着重探讨了分子标记辅助选择的基本原理,并对选择的有效性及其应用的限制因素了较全面的分析。     

分子标记辅助选择及其在植物抗病育种中的作用

利用分子标记辅助选择是现代植物育种的策略之一。与传统的形态学生理指标选择相比，分子标记辅助选择具有显的优越性。尤其在植物抗病育种中，具有广阔的应用潜力。本对分子标记辅助育种作了简要介绍，结合抗病育种综述了其在育种中的具体作用。     

遗传标记辅助选择及其在动物育种中的应用

遗传评定的准确性直接影响动物育种工作的进程。分子遗传标记的产生大大提高了遗传评定的准确性。本文总结了分子遗传标记,标记辅助选择及其在动物育种中的应用,为从事动物遗传育种方面的教学及科研工作者提供参考。     

分子标记在作物育种中的应用

阐述了分子标记技术在作物育种中的应用，简要分析了分子标记辅助育种中存在的问题并对其应用前景作一展望．     

分子标记辅助选择技术及其在作物育种上的应用（综述）

综述了分子标记辅助选择技术的基本原理、特点、基本策略及其在作物育种中的应用，并对该技术的应用前景进行了展望。     

DNA分子标记在动物保护生物学中的应用

限制性片段长度多态性（RFLP）、随机扩增多态性（RAPD）、扩增片段多态性（AFLP）和微卫星（SSR）等DNA分子标记技术被广泛地应用于生物学各领域,为濒危物种、珍稀物种的保护提供分子水平上的理论依据。本文重点论述了DNA分子标记在动物保护生物学中,如遗传多样性的检测、分析群体遗传结构、确定分类地位、探讨物种的系统发生关系、亲子鉴定等方面的应用。     

分子标记及其应用

广义的分子标记 (molecularmarker)是指可遗传并可检测的DNA序列或蛋白质。而现在被人们广泛接受的是狭义的分子标记的概念 ,它只指DNA标记 ,不包括蛋白质标记。分子标记是近年迅速发展起来的一种技术手段 ,它的出现使人们对于基因的准确检测、目标基因的准确转移成为现实。1　理想分子标记的条件①具有高的多态性。②共显性遗传 ,即利用分子标记可鉴别二倍体中杂合和纯合的基因型。③能明确辨别等位基因。④遍布整个基因组。⑤除特殊位点的标记外 ,要求分子标记均匀分布于整个基因组。⑥选择中性 (无基因多效性 )。⑦检测手段简单、快速…     

分子标记的发展及应用

随着分子生物学的迅速发展，DNA分子标记越来越受到重视。本文介绍了分子标记的发展，论述了DNA分子标记在基因组作图、基因克隆、物种亲缘关系分析及疾病诊断等方面的应用。     

我国成功绘制首张苎麻分子标记遗传图谱

据2014年4月18日《光明日报》援引报道,中国农科院刘头明领衔的科研团队成功绘制了首张苎麻分子标记遗传图谱,同时完成了苎麻纤维产量相关性状的数量性状位点定位。相关成果可直接应用于苎麻的分子标记辅助选择育种工作,对苎麻产业发展意义重大。《生物医学中心·基因组学》《科学公共图书馆·综合卷》和《分子育种》报道了上述成果。     

中医药学中动物实验与实验动物的选择

医学中的动物实验,为现代医学的发展作出了贡献,可以说每一种新的西药的出现和每一种新疗法的诞生,都离不开动物实验。实验动物是活的精密仪器,其重要性已受到世界各国科学家的共同认可。要合理正确选择实验动物,必须了解它的局限性。为学习研究提供更广阔的思路是今后进行学习研究的发展方向。     

非参数回归模型的模型检验

在此考虑非参数回归模型的模型检验问题.基于Plug-in经验似然方法,构造经验似然比检验统计量.证明其满足Wilks’现象,而得到了一定显著性水平的拒绝域.最后通过数据模拟,讨论了其检验功效.     

Model Comparison in Regression

The instructor can help begining students master the numerous results of regression analysis by using helpful notation and by providing a framework for organising regression outputs. For the latter, model comparison is a useful operating notion.     

基于回归分析的大学女生体脂百分比模型优选

运用相关分析和回归分析的方法,以身高、体重及其派生的指标为自变量,大学女生体脂百分比为因变量,构建一元和多元回归模型.运用统计参数对回归模型进行比较分析,优选出大学女生体脂百分比最佳模型,使用方差分析对各种回归模型预测值与实际值进行比较研究.结果显示,多元回归模型为大学女生体脂百分比最优模型,其预测值与实际值无统计学差异.     

两个回归模型的比较

证明了在经典线性回归中 ,对同一组样本数据选取不同变量时 ,所得两条回归直线不重合 ,得出了这两条回归直线都通过点 ( x,y)及两直线夹角的正切计算公式 ,讨论了样本相关系数与回归直线的位置关系     

指数分布回归模型的统计诊断

对指数分布回归模型进行参数估计和统计诊断,首先给出参数的迭代算法,分析了数据删除模型,得到了诊断统计量广义CooK距离的一阶近似以及似然距离的一阶近似公式,最后进行实际问题应用的分析,发现两个统计量对强影响点有一定判别作用.     

带有缺失数据线性回归模型的变量选择

通过惩罚估计方程,对响应变量随机缺失下的线性回归模型,给出了一个变量选择方法,并结合局部二次逼近,得到了一个迭代算法,证明了此变量选择方法是相合的并且所得估计达到最优的参数收敛速度,最后通过数据模拟研究了此方法的有限样本性质.