Kalkulator równowagi Hardy'ego-Weinberga

Q: Jak obliczyć częstości alleli ręcznie, bez kalkulatora?

Policz całkowitą liczbę kopii danego allelu i podziel ją przez liczbę wszystkich kopii genu w próbie. Każda homozygota ma dwie kopie jednego allelu, a każda heterozygota po jednej kopii każdego z nich. Zatem p = (2·AA + Aa) / (2N) i q = (2·aa + Aa) / (2N) , gdzie N to liczba osobników. Ponieważ łącznie występuje 2N alleli, p + q musi wynosić 1 — to szybki sprawdzian poprawności obliczeń.

Q: Dlaczego ten test ma 1 stopień swobody, a nie 2?

Przy trzech klasach genotypów normalnie traci się jeden stopień swobody na skutek stałej sumy całkowitej (3 − 1 = 2). Tutaj jednak częstość allelu p jest szacowana z tej samej próby, a q jest następnie wyznaczana jako q = 1 − p, więc traci się jeszcze jeden stopień swobody: 3 − 1 − 1 = 1. Dlatego wartość krytyczna przy poziomie 5% wynosi 3,84, a nie 5,99. Użycie niewłaściwej liczby stopni swobody to jeden z najczęstszych błędów w zadaniach dotyczących równowagi Hardy'ego-Weinberga.

Q: Jaka jest dobra, prawidłowa wartość chi-kwadrat dla równowagi Hardy'ego-Weinberga?

Nie istnieje wartość „idealna” — statystyka zależy od liczebności próby i samych częstości alleli. Populacja zgodna z równowagą po prostu daje małą wartość χ² względem wartości krytycznej 3,84 (przy α = 0,05 i 1 stopniu swobody). Bardzo małe wartości χ² są częste i oczekiwane w idealizowanych danych podręcznikowych. Bardzo duże wartości sygnalizują odchylenie, ale uwaga: przy dużych próbach nawet drobne różnice biologiczne stają się istotne statystycznie, dlatego warto również porównać bezpośrednio liczebności obserwowane i oczekiwane.

Q: Czy częstości alleli mogą być ujemne lub większe od 1?

Nie. Ponieważ częstości alleli to liczby kopii alleli podzielone przez całkowitą liczbę kopii genu (2N), zarówno p, jak i q zawsze mieszczą się między 0 a 1, przy czym dokładnie p + q = 1. Jeśli otrzymasz wartość spoza tego zakresu, popełniłeś błąd rachunkowy lub przy wprowadzaniu danych — na przykład pomyliłeś liczebności fenotypów (w których AA i Aa są nieodróżnialne) z liczebnościami genotypów. Zwróć uwagę, że częstości genotypów mogą być równe 0, ale częstości alleli osiągają 0 lub 1 tylko wtedy, gdy dany allel w ogóle nie występuje.

Q: Co się dzieje, gdy w mojej próbie całkowicie brakuje jednego genotypu?

Brak jednej klasy genotypu nie przeszkadza w wyznaczeniu p i q — na przykład 0 AA, 40 Aa, 20 aa nadal daje prawidłowe częstości (p = 0,33, q = 0,67). Problem dotyczy testu chi-kwadrat: jeśli którakolwiek liczebność oczekiwana jest mniejsza niż około 5, przybliżenie staje się niewiarygodne. Przy rzadkich allelach oczekiwane liczebności homozygot bywają bardzo małe. W takim przypadku zbierz większą próbę albo zastosuj test dokładny (np. dokładny test równowagi Hardy'ego-Weinberga stosowany w oprogramowaniu genetycznym), który poprawnie obsługuje małe próby.

Q: Jak za pomocą częstości alleli oszacować częstość nosicieli choroby recesywnej?

Jeśli choroba ma dziedziczenie recesywne, a locus znajduje się w równowadze, osoby chore (aa) występują z częstością q², więc można oszacować q = √(częstość chorych) . Częstość nosicieli wśród osób zdrowych wynosi w przybliżeniu 2pq . Na przykład, jeśli na chorobę zapada 1 na 2500 noworodków, to q = 1/50 = 0,02, a około 3,9% populacji jest nosicielem jednej kopii allelu. Zakłada to, że równowaga zachodzi; w praktyce, ponieważ rzeczywiste populacje mogą od niej odbiegać, w celu rzetelnej oceny ryzyka skonsultuj się z poradnią genetyczną.

Q: Mój wynik chi-kwadrat jest istotny, ale populacja wydaje się w porządku — co może powodować fałszywe odchylenie?

Kilka przyczyn technicznych naśladuje prawdziwe zaburzenie równowagi: błędy genotypowania błędnie klasyfikujące heterozygoty, łączenie danych z genetycznie odrębnych podpopulacji (efekt Wahlunda, który zawyża pozorną homozygotyczność), nielosowy dobór próby lub po prostu małe liczebności oczekiwane, czyniące przybliżenie χ² niedokładnym. Sprawdź też, czy genotypy były naprawdę rozróżnialne — jeśli AA i Aa wywnioskowano z fenotypów przy założeniu pełnej dominacji, same dane wejściowe mogą być błędne. Badanie wielu niezależnych loci pomaga odróżnić problem z danymi od prawdziwego sygnału biologicznego.

Zaktualizowano: 4 października 2026

Wprowadź zaobserwowane liczebności osobników homozygotycznych dominujących, heterozygotycznych i homozygotycznych recesywnych, aby obliczyć częstości alleli (p i q), oczekiwane częstości genotypów oraz statystykę chi-kwadrat, która sprawdza, czy populacja znajduje się w równowadze Hardy'ego-Weinberga.

Częstości alleli i test chi-kwadrat Hardy'ego-Weinberga

Wzór na równowagę Hardy'ego-Weinberga

Wzór

\[ p = \frac{CH + 0.5 \cdot H}{CH + H + RH}, \qquad q = \frac{RH + 0.5 \cdot H}{CH + H + RH} \\ E_{CH} = p^2 N, \qquad E_H = 2pqN, \qquad E_{RH} = q^2 N \\ \chi^2 = \frac{(CH - E_{CH})^2}{E_{CH}} + \frac{(H - E_H)^2}{E_H} + \frac{(RH - E_{RH})^2}{E_{RH}} \]

Gdzie:

\(CH\) — liczba osobników homozygotycznych dominujących (AA)
\(H\) — liczba osobników heterozygotycznych (Aa)
\(RH\) — liczba osobników homozygotycznych recesywnych (aa)
\(N\) — całkowita liczebność populacji, \(N = CH + H + RH\)
\(p\), \(q\) — częstości alleli A i a (\(p + q = 1\))
\(E_{CH}\), \(E_H\), \(E_{RH}\) — oczekiwane liczebności genotypów w równowadze
\(\chi^2\) — statystyka chi-kwadrat mierząca odchylenie od równowagi

Pierwsze dwa równania wyznaczają częstości alleli na podstawie liczebności genotypów (heterozygoty wnoszą po jednej kopii każdego allelu), środkowe trzy dają liczebności genotypów oczekiwane w równowadze Hardy'ego-Weinberga, a ostatnia wyraża, jak bardzo obserwowane liczebności odchylają się od tych oczekiwań.

Równowaga Hardy'ego-Weinberga – przykład obliczenia

Przykład: próba licząca 100 osobników zawiera 50 homozygot dominujących (AA), 30 heterozygot (Aa) i 20 homozygot recesywnych (aa).

\[ p = \frac{50 + 0.5 \cdot 30}{100} = 0.65, \qquad q = \frac{20 + 0.5 \cdot 30}{100} = 0.35 \]

\[ E_{CH} = 0.65^2 \cdot 100 = 42.25, \quad E_H = 2(0.65)(0.35) \cdot 100 = 45.5, \quad E_{RH} = 0.35^2 \cdot 100 = 12.25 \]

\[ \chi^2 = \frac{(50 - 42.25)^2}{42.25} + \frac{(30 - 45.5)^2}{45.5} + \frac{(20 - 12.25)^2}{12.25} \approx 11.61 \]

Wynik: \(p = 0.65\), \(q = 0.35\); oczekiwane liczebności: 42,25 AA, 45,5 Aa, 12,25 aa; \(\chi^2 \approx 11.61\). Ponieważ 11,61 przekracza wartość krytyczną 3,84 (1 stopień swobody, \(\alpha = 0.05\)), populacja istotnie odbiega od równowagi Hardy'ego-Weinberga — występuje deficyt heterozygot.

Jak korzystać z kalkulatora

W pierwsze pole wprowadź liczbę osobników homozygotycznych dominujących (genotyp AA).
W drugie pole wprowadź liczbę osobników heterozygotycznych (genotyp Aa).
W trzecie pole wprowadź liczbę osobników homozygotycznych recesywnych (genotyp aa).
Odczytaj wyniki: częstości alleli p i q, oczekiwane liczebności każdego genotypu oraz statystykę chi-kwadrat (χ²).
Porównaj wartość chi-kwadrat z wartością krytyczną poniżej, aby ocenić, czy populacja znajduje się w równowadze.

Czym jest równowaga Hardy'ego-Weinberga?

Zasada Hardy'ego-Weinberga mówi, że częstości alleli i genotypów w populacji pozostają stałe z pokolenia na pokolenie, jeśli nie działają siły ewolucyjne. Dla genu z dwoma allelami, A i a, o częstościach \(p\) i \(q\) (gdzie \(p + q = 1\)), częstości genotypów po jednym pokoleniu losowego krzyżowania wynoszą \(p^2\) (AA), \(2pq\) (Aa) i \(q^2\) (aa). Ta zależność zachodzi tylko w warunkach idealnych: brak mutacji, brak migracji, brak doboru naturalnego, nieskończenie duża populacja (brak dryfu genetycznego) oraz losowe krzyżowanie.

Ponieważ rzeczywiste populacje rzadko spełniają doskonale wszystkie te warunki, równowaga Hardy'ego-Weinberga służy jako model zerowy. Jeśli obserwowane liczebności genotypów zgadzają się z oczekiwanymi proporcjami \(p^2 : 2pq : q^2\), nie ma dowodów na działanie sił ewolucyjnych w tym locus. Jeśli się nie zgadzają, odchylenie wskazuje na naruszenie jednego lub większej liczby założeń — dobór, krzyżowanie nieelosowe (chów wsobny), dryf genetyczny, mutacje, migracje lub błąd genotypowania.

Test zgodności chi-kwadrat wyraża liczbowo rozbieżność między liczebnościami obserwowanymi i oczekiwanymi. Ponieważ częstości alleli szacuje się z tych samych danych, test ma \(3 - 1 - 1 = 1\) stopień swobody. Przy przyjętym poziomie istotności 0,05 wartość krytyczna wynosi 3,84: wartość χ² poniżej 3,84 jest zgodna z równowagą, natomiast większa wartość wskazuje na istotne odchylenie. Same częstości alleli p i q pozostają użytecznymi statystykami podsumowującymi nawet wtedy, gdy hipoteza o równowadze zostaje odrzucona.

To narzędzie jest szeroko stosowane w genetyce populacyjnej, biologii ewolucyjnej i ćwiczeniach szkolnych. W kontekście poradnictwa genetycznego częstości alleli stanowią też podstawę szacowania ryzyka bycia nosicielem — zobacz kalkulator dziedziczenia grup krwi, aby poznać sposób, w jaki kombinacje genotypów są przekazywane od rodziców potomstwu.

Interpretacja wyniku chi-kwadrat

Liczba stopni swobody	Wartość krytyczna χ² (α = 0,05)
1	3,841
2	5,991

W tym teście stosuj 1 stopień swobody, ponieważ jedna częstość allelu jest szacowana na podstawie danych. Jeśli wartość χ² jest niższa niż 3,841, przyjmij hipotezę zerową o równowadze; jeśli jest wyższa — odchylenie jest istotne statystycznie na poziomie 5%.

Założenia i ograniczenia

Kalkulator zakłada jeden locus autosomalny z dokładnie dwoma allelami oraz pełną dominację (AA i Aa są fenotypowo odróżnialne od aa, a genotypy można policzyć bezpośrednio, np. za pomocą badania genetycznego).
Równowaga wymaga losowego krzyżowania, braku doboru, braku mutacji, braku migracji i dużej populacji. Istotna wartość χ² wskazuje, że co najmniej jedno z tych założeń nie jest spełnione — nie mówi jednak, które.
Przybliżenie chi-kwadrat jest niewiarygodne przy małych liczebnościach oczekiwanych (w praktyce: każde \(E < 5\)). W takim przypadku połącz klasy genotypów lub zbierz większą próbę.
Błędy genotypowania, błąd doboru próby oraz łączenie danych z podpopulacji (efekt Wahlunda) mogą wywołać pozorny deficyt heterozygot, naśladujący zaburzenie równowagi.
Test wykrywa odchylenie tylko w jednym locus; wnioski dotyczące całej populacji wymagają zbadania wielu loci.

Najczęściej zadawane pytania

Jak obliczyć częstości alleli ręcznie, bez kalkulatora?

Policz całkowitą liczbę kopii danego allelu i podziel ją przez liczbę wszystkich kopii genu w próbie. Każda homozygota ma dwie kopie jednego allelu, a każda heterozygota po jednej kopii każdego z nich. Zatem p = (2·AA + Aa) / (2N) i q = (2·aa + Aa) / (2N), gdzie N to liczba osobników. Ponieważ łącznie występuje 2N alleli, p + q musi wynosić 1 — to szybki sprawdzian poprawności obliczeń.

Dlaczego ten test ma 1 stopień swobody, a nie 2?

Przy trzech klasach genotypów normalnie traci się jeden stopień swobody na skutek stałej sumy całkowitej (3 − 1 = 2). Tutaj jednak częstość allelu p jest szacowana z tej samej próby, a q jest następnie wyznaczana jako q = 1 − p, więc traci się jeszcze jeden stopień swobody: 3 − 1 − 1 = 1. Dlatego wartość krytyczna przy poziomie 5% wynosi 3,84, a nie 5,99. Użycie niewłaściwej liczby stopni swobody to jeden z najczęstszych błędów w zadaniach dotyczących równowagi Hardy'ego-Weinberga.

Jaka jest dobra, prawidłowa wartość chi-kwadrat dla równowagi Hardy'ego-Weinberga?

Nie istnieje wartość „idealna” — statystyka zależy od liczebności próby i samych częstości alleli. Populacja zgodna z równowagą po prostu daje małą wartość χ² względem wartości krytycznej 3,84 (przy α = 0,05 i 1 stopniu swobody). Bardzo małe wartości χ² są częste i oczekiwane w idealizowanych danych podręcznikowych. Bardzo duże wartości sygnalizują odchylenie, ale uwaga: przy dużych próbach nawet drobne różnice biologiczne stają się istotne statystycznie, dlatego warto również porównać bezpośrednio liczebności obserwowane i oczekiwane.

Czy częstości alleli mogą być ujemne lub większe od 1?

Nie. Ponieważ częstości alleli to liczby kopii alleli podzielone przez całkowitą liczbę kopii genu (2N), zarówno p, jak i q zawsze mieszczą się między 0 a 1, przy czym dokładnie p + q = 1. Jeśli otrzymasz wartość spoza tego zakresu, popełniłeś błąd rachunkowy lub przy wprowadzaniu danych — na przykład pomyliłeś liczebności fenotypów (w których AA i Aa są nieodróżnialne) z liczebnościami genotypów. Zwróć uwagę, że częstości genotypów mogą być równe 0, ale częstości alleli osiągają 0 lub 1 tylko wtedy, gdy dany allel w ogóle nie występuje.

Co się dzieje, gdy w mojej próbie całkowicie brakuje jednego genotypu?

Brak jednej klasy genotypu nie przeszkadza w wyznaczeniu p i q — na przykład 0 AA, 40 Aa, 20 aa nadal daje prawidłowe częstości (p = 0,33, q = 0,67). Problem dotyczy testu chi-kwadrat: jeśli którakolwiek liczebność oczekiwana jest mniejsza niż około 5, przybliżenie staje się niewiarygodne. Przy rzadkich allelach oczekiwane liczebności homozygot bywają bardzo małe. W takim przypadku zbierz większą próbę albo zastosuj test dokładny (np. dokładny test równowagi Hardy'ego-Weinberga stosowany w oprogramowaniu genetycznym), który poprawnie obsługuje małe próby.

Jak za pomocą częstości alleli oszacować częstość nosicieli choroby recesywnej?

Jeśli choroba ma dziedziczenie recesywne, a locus znajduje się w równowadze, osoby chore (aa) występują z częstością q², więc można oszacować q = √(częstość chorych). Częstość nosicieli wśród osób zdrowych wynosi w przybliżeniu 2pq. Na przykład, jeśli na chorobę zapada 1 na 2500 noworodków, to q = 1/50 = 0,02, a około 3,9% populacji jest nosicielem jednej kopii allelu. Zakłada to, że równowaga zachodzi; w praktyce, ponieważ rzeczywiste populacje mogą od niej odbiegać, w celu rzetelnej oceny ryzyka skonsultuj się z poradnią genetyczną.

Mój wynik chi-kwadrat jest istotny, ale populacja wydaje się w porządku — co może powodować fałszywe odchylenie?

Kilka przyczyn technicznych naśladuje prawdziwe zaburzenie równowagi: błędy genotypowania błędnie klasyfikujące heterozygoty, łączenie danych z genetycznie odrębnych podpopulacji (efekt Wahlunda, który zawyża pozorną homozygotyczność), nielosowy dobór próby lub po prostu małe liczebności oczekiwane, czyniące przybliżenie χ² niedokładnym. Sprawdź też, czy genotypy były naprawdę rozróżnialne — jeśli AA i Aa wywnioskowano z fenotypów przy założeniu pełnej dominacji, same dane wejściowe mogą być błędne. Badanie wielu niezależnych loci pomaga odróżnić problem z danymi od prawdziwego sygnału biologicznego.