26 В 2016 году Бенджамин с коллегами предложили модель, связывающую определенные генетические аллели и время, потраченное на образование. Используя эту модель, я подсчитал, сколько времени должны потрать на учебу верхние и нижние 5 % индивидов из модельного распределения (то есть те, кто по генетическим вариантам должен получить минимальное образование или, наоборот, максимальное). Для этого я провел следующие расчеты. (1) Время учебы в проанализированной Бенджамином выборке равно 14,3 ± 3,7 лет. Стандартное отклонение 3,7 года получается из указанной в работе величины отклонения в размерности неделя/аллель “0,014 – 0,048 стандартных отклонений на аллель (2,7–9,0 недель учебы)”. Эти значения дают от 188 (=9,0/0,048) до 193 (=2,7 / 0,014) недель. Так как в году 52 недели, отклонение составит 3,7 года. (2) Бенджамин с коллегами указывают, что генетическая модель объясняет 3,2 % дисперсии данного признака (время учебы). Это означает, что корреляция между ожидаемым и реальным значением равна √0,032 = 0,18. Это следует из математических моделей двумерного нормального распределения. (3) У индивида, попавшего по своим генетическим характеристикам в нижние 5 % (то есть более 1,64 стандартных отклонения левее среднего), вероятность проучиться больше 12 лет рассчитывается как число людей в этих 5 % распределения, соотнесенное с числом тех из них, кто учился больше 12 лет (то есть нужно взять площадь под кривой распределения левее 5 % распределения), а затем разделить на 0,05. Это дает вероятность 60 %. Ту же процедуру проделаем с верхними 5 % и получим вероятность 84 %. (4) Бенджамин предположил, что, имея достаточно большую выборку, можно будет с помощью генетических признаков объяснить 20 % дисперсии вместо 3,2 %. Выполним те же расчеты, но только с этими 20 % дисперсии. И получится, что вероятность получить 12-летнее образование и продолжить его у нижних 5 % составит 37 %, а у тех, кто попал в правый 5-процентный хвост распределения, – 96 %.
27 A. Kong et al. “Selection Against Variants in the Genome Associated with Educational Attainment”,
28 Kong et al. “Selection Against Variants”, estimate that the genetically predicted number of years of education has decreased by an estimated 0.1 standard deviations over the last century under the pressure of natural selection.
29 G. Davies et al. “Genome-Wide Association Study of Cognitive Functions and Educational Attainment in UK Biobank (N=112 151)”,
30 S. Sniekers et al. “Genome-Wide Association Meta-Analysis of 78,308 Individuals Identifies New Loci and Genes Influencing Human Intelligence”,
31 I. Mathieson et al. “Genome-wide Patterns of Selection in 230 Ancient Eurasians”,
32 N. A. Rosenberg et al. “Genetic Structure of Human Populations”,
33 S. Ramachandran et al. “Support from the Relationship of Genetic and Geographic Distance in Human Populations for a Serial Founder Effect Originating in Africa”,
34 J. K. Pickrell, D. Reich. “Toward a New History and Geography of Human Genes Informed by Ancient DNA”,
35 M. Raghavan et al. “Upper Palaeolithic Siberian Genome Reveals Dual Ancestry of Native Americans”,
36 I. Lazaridis et al. “Genomic Insights into the Origin of Farming in the Ancient Near East”,
37 N. Wade. A
38 G. Coop et al. “A Troublesome Inheritance” (letters to the editor),
39 G. Cochran, J. Hardy, H. Harpending. “Natural History of Ashkenazi Intelligence”,