Distancia entre dos secuencias: Jukes - Cantor

Slides:



Advertisements
Presentaciones similares
Tiro Parabólico Supongamos que se dispara un proyectil, con velocidad inicial v0, desde una altura h, formando un ángulo  con la horizontal. Se pretende.
Advertisements

4. ANÁLISIS FACTORIAL Introducción Modelo factorial ortogonal
Inteligenica Artificial I Alejandro Permingeat Inteligencia Artificial de Russell y Norving 1° edición 1996 Parte II Capítulo V.
Procesos estocásticos 1
Modelos de Variable Dependiente Binaria -Logit y Probit-
KRIGING CON TENDENCIA.
Probabilidades Vamos a estudiar los conceptos de: Sucesos excluyentes
Modelo M | M | 1 Teoria de Colas.
Bioestadística Diplomado en Sanidad
M/G/1.
Selección del modelo adecuado
Introducción al tema El único método científico para validar conclusiones sobre un grupo de individuos a partir de la información que nos proporciona un.
KRIGING.
Capítulo 5 Método de MonteCarlo
Estimación por Intervalos de confianza
Función Lineal.
ÁNGULOS EN POSICIÓN NORMAL RAZONES TRIGONOMETRICAS
Tomado de UNIMET Prof. Antonio Syers
Tema Nº4.
CENSURA A LA DERECHA E IZQUIERDA
Sesión 12: Procesos de Decisión de Markov
Supongamos que nos plantean el siguiente problema:
Tema 2: Métodos de ajuste
Probabilidad condicional
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
Biograma Introducir datos en una matriz. Elegir método para máximos y mínimos. Calcular los máximos y mínimos observados. Límites.
ADMINISTRACION DE NEGOCIOS IV
Teoría de la decisión.
Valor tiempo del dinero
Variables Aleatorias Unidimensionales
Bioinformática: Fundamentos y aplicaciones de actualidad Curso de verano 2005 Revisión de algunos modelos probabilísticos de evolución genética (Procesos.
Modelos de máxima verosimilitud para secuencias de ADN
Para construir un árbol filogenético se necesitan tres ingredientes básicos:
Física Lic.Sujey Herrera Ramos
Unidad V: Estimación de
UNIDAD No. 3 Aplicaciones de la integral definida
Estimación Sea una característica, un parámetro poblacional cuyo valor se desea conocer a partir de una muestra. Sea un estadístico ( función.
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
Capítulo 7 Estimación de Parámetros Estadística Computacional
Previsión de Ventas. Métodos no paramétricos Previsión de Ventas. Tema 2. 1 Antonio Montañés Bernal Curso
Métodos de “Cluster”: UPGMA
Estadística para administradores
Función Densidad Continua (o distribución de probabilidad continua)
Inferencia Bayesiana de Filogenias Moleculares Tania Hernández.
Dios no juega a los dados… (Albert Einstein)
Unidad V: Estimación de
Repaso de clase anterior
Inferencia Multivariante Cap 10 y 11
 Introducción  Modelo factorial ortogonal  Construcción del modelo factorial: método de componentes principales  Construcción del modelo factorial:
Cálculo de extremos de funciones de R n –> R : Supongamos que queremos calcular un extremo de una función f de R n –> R: donde.
DISTRIBUCIONES MUESTRALES
Tiro Parabólico Supongamos que se dispara un proyectil, con velocidad inicial v0, desde una altura h, formando un ángulo  con la horizontal. Se pretende.
FUNCION LINEAL.
Cadenas De Markov.
Modelos no lineales. Suponga que al pez que aparece en la figura, Nemipterus marginatus, se le mide la longitud (L, en centímetros) y el peso (W, en gramos).
2.1 DEFINICIONES CARACTERÍSTICAS Y SUPOSICIONES.
ESTIMACIÓN DE PARÁMETROS
1 2  La Teoría de la Probabilidad constituye la base o fundamento de la Estadística, ya que las ingerencias que hagamos sobre la población o poblaciones.
P y E 2012 Clase 15Gonzalo Perera1 Repaso de la clase anterior. Métodos de estimación.
P y E 2012 Clase 14 Gonzalo Perera 1 Repaso de clase anterior Estimación de parámetros por el método de Máxima Verosimilitud.
P y E 2014 Clase 4Gonzalo Perera1 Repaso de clase anterior Probabilidad condicional, independencia de sucesos. Distribución Binomial e Hipergeométrica.
Diagramas de árbol Qué son y cómo se hacen.
Fundamentos para el Cálculo
INFERENCIA ESTADÍSTICA
ECACEN UNIDAD 2. LA ESTRATEGIA ORGANIZACIONAL Curso académico JUEGO GERENCIAL Cód Programa Administración de Empresas Bogotá, 2015 IR AL INICIO.
Repaso del capítulo 10, 11 y 12 Econ Capítulo 10 En este capítulo se introduce el concepto de incertidumbre y de riesgo en la toma de decisiones.
Intervalos de Confianza M. C. José Juan Rincón Pasaye UMSNH – FIE Mayo de 2003.
El movimiento Primeras definiciones: posición, movimiento, reposo, partícula, trayectoria, distancia recorrida y desplazamiento.
Estadística Inferencial
4. Métodos psicofísicos de medida en clínica
Transcripción de la presentación:

Distancia entre dos secuencias: Jukes - Cantor

posición j Longitud de tiempo generacional Longitud de tiempo generacional posición j posición j Secuencia 1 Secuencia 2 ¿Con qué probabilidad puede ocurrir que en la secuencias 1 y 2 observadas aparezcan las bases s1 y s2 en la posición j, suponiendo que evolucionaron de una secuencia común, y se desconoce la base en la posición j de la secuencia original? De otra forma, cuál es la verosimilitud de las bases s1 y s2 en estas dos secuencias? Probabilidad de que la base original sea k Si la secuencia original tiene m sitios entonces Probabilidad de mutar desde k hasta s1 en el tiempo v1 Probabilidad de mutar desde k hasta s2 en el tiempo v2

Para ver como se calcula la verosimilitud veamos un caso particular posición j Para ver como se calcula la verosimilitud veamos un caso particular Longitud de tiempo generacional Longitud de tiempo generacional posición j posición j Secuencia 1 Secuencia 2 Recordemos que

posición j Longitud de tiempo generacional Longitud de tiempo generacional posición j posición j Secuencia 1 Secuencia 2 Este resultado es asombroso, bajo el modelo que hemos aceptado. Nos dice que la verosimilitud de las dos secuencias depende del tiempo v1 + v2 y no del valor de la base en el nodo inicial. Dicho de una manera más gráfica: el árbol no tiene raíz (en el proceso de estimación de los parámetros).

= Trabajaremos entonces con las dos secuencias Supongamos que m bases s coincidencias Secuencia 1 Secuencia 2 = Mutar y asumir una base No mutar o mutar pero elegir la misma base Función de verosimilitud ¿Para qué valor de p esta función de verosimilitud es máxima?

Estimador máximo verosímil Porcentaje de aciertos

Descripción de la distancia de Jukes-Cantor de manera ingenua… Número esperado de mutaciones en el tiempo v Hay 16 posibles mutaciones de las cuales 12 son observables, ¿de acuerdo? A T C G Luego la distancia “mutacional” esperada será