La curva de Gauss constituye un modelo matemático continuo que puede aproximar la forma del histograma, pero aumentar la cantidad de observaciones no transforma automáticamente las columnas en una curva. Para obtener una representación suave deben aplicarse procedimientos de estimación de densidad, considerando la amplitud de los intervalos y la resolución estadística. En genética cuantitativa, la herencia poligénica contribuye a explicar estas distribuciones: numerosos genes de efectos pequeños, combinados con factores ambientales, producen una amplia variación fenotípica. Así, características hereditarias discretas pueden generar valores observables que se aproximan a una distribución continua (Visscher et al., 2010).
No obstante, una muestra numerosa no garantiza una distribución normal. La combinación de diferentes edades, sexos o poblaciones puede producir asimetrías, varios máximos o distribuciones distintas de la campana clásica. Investigaciones sobre estatura adulta demuestran que incluso grandes conjuntos de datos presentan desviaciones respecto al modelo gaussiano. Por ello, los investigadores comparan los histogramas empíricos con los modelos probabilísticos antes de interpretar la variabilidad biológica (Slavskii et al., 2021).
Referencias
Scott, D. W. (1979). On optimal and data-based histograms. Biometrika, 66(3), 605–610. https://doi.org/10.1093/biomet/66.3.605
Slavskii, S. A., Kuznetsov, I. A., Shashkova, T. I., Bazykin, G. A., Axenovich, T. I., Kondrashov, F. A., & Aulchenko, Y. S. (2021). The limits of normal approximation for adult height. European Journal of Human Genetics, 29, 1082–1091. https://doi.org/10.1038/s41431-021-00836-7
Visscher, P. M., McEvoy, B., & Yang, J. (2010). From Galton to GWAS: Quantitative genetics of human height. Genetics Research, 92(5–6), 371–379. https://doi.org/10.1017/S0016672310000571

No hay comentarios:
Publicar un comentario