mixed.solve(rrBLUP)
mixed.solve()所属R语言包：rrBLUP
Mixed-model solver
混合模型求解
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Calculates maximum-likelihood (ML/REML) solutions for mixed models of the form
计算最大似然（ML / REML）解决方案的混合模型的形式
where β is a vector of fixed effects and u is a vector of random effects with Var[u] = K σ^2_u. The residual variance is Var[\varepsilon] = I σ^2_e. This class of mixed models, in which there is a single variance component other than the residual error, has a close relationship with ridge regression (ridge parameter λ = σ_e^2 / σ^2_u).
其中β是一个向量，固定效应和u是一个向量，随机效应的Var[u] = K σ^2_u。的残余的方差是Var[\varepsilon] = I σ^2_e。这一类的混合模型，其中有一个单以外的残余误差的方差分量，岭回归（岭参数λ = σ_e^2 / σ^2_u）有着密切的关系。
用法----------Usage----------
mixed.solve(y, Z=NULL, K=NULL, X=NULL, method="REML",
bounds=c(1e-09, 1e+09), SE=FALSE, return.Hinv=FALSE)
参数----------Arguments----------
参数：y
Vector (n \times 1) of observations. Missing values (NA) are omitted, along with the corresponding rows of X and Z.
观测向量（n \times 1）。缺失值（NA）被省略，以及与X和Z的相应行
参数：Z
Design matrix (n \times m) for the random effects. If not passed, assumed to be the identity matrix.
设计矩阵（n \times m）的随机效应。如果不通过，假设是单位矩阵。
参数：K
Covariance matrix (m \times m) for random effects; must be positive semi-definite. If not passed, assumed to be the identity matrix.
协方差矩阵（m \times m）随机效应，必须是半正定。如果不通过，假设是单位矩阵。
参数：X
Design matrix (n \times p) for the fixed effects. If not passed, a vector of 1's is used to model the intercept.
设计矩阵（n \times p）的固定效果。如果不通过，一个向量的1的用于建模的截距。
参数：method
Specifies whether the full ("ML") or restricted ("REML") maximum-likelihood method is used.
使用指定是否已满（“ML”）或限制（REML“）最大似然法。
参数：bounds
Array with two elements specifying the lower and upper bound for the ridge parameter.
有两个元素的指定上限和下限的脊参数的数组。
参数：SE
If TRUE, standard errors are calculated.
如果是TRUE，标准差的计算方法。
参数：return.Hinv
If TRUE, the function returns the inverse of H = Z K Z' + λ I. This is useful for GWA.
如果是TRUE，该函数返回的逆H = Z K Z' + λ I。这是有用的GWA。
Details
详细信息----------Details----------
This function can be used to predict marker effects or breeding values (see examples). The numerical method is based on the spectral decomposition of Z K Z' and S Z K Z' S, where S = I - X (X' X)^{-1} X' is the projection operator for the nullspace of X (Kang et al., 2008). For marker effects where K = I, the function will run faster if K is not passed than if the user passes the identity matrix.
这个功能可以被用来预测标记效应或育种值（参见示例）。数值计算方法，根据谱分解Z K Z'和S Z K Z' S，其中S = I - X (X' X)^{-1} X'是投影算子的零空间X（康等，2008）。标记效果，K = I，则该函数将运行得更快，如果k不是通过比，如果用户通过了身份矩阵。
值----------Value----------
If SE=FALSE, the function returns a list containing
如果SE = FALSE，函数返回一个列表，其中包含
$Vu estimator for σ^2_u
武估计为σ^2_u
$Ve estimator for σ^2_e
VE估计为σ^2_e
$beta estimator for β
测试估计为β
$u BLUP(u)
$ U BLUP（u）
$LL maximized log-likelihood (full or restricted, depending on method)
LL最大化对数似然（全部或受限制的，根据方法）
If SE=TRUE, the list also contains
如果SE = TRUE，该列表还包含
$beta.SE standard error for β
beta.SE标准错误β
$u.SE standard error for BLUP(u) - u
u.SE标准错误BLUP（u）- u
If return.Hinv=TRUE, the list also contains
如果return.Hinv = TRUE，该列表还包含
$Hinv the inverse of H
$ Hinv的逆H
参考文献----------References----------
Genetics 178:1709-1723.
实例----------Examples----------
#random population of 200 lines with 1000 markers[随机人口200线1000标记]
G <- matrix(rep(0,200*1000),200,1000)
for (i in 1:200) {
G[i,] <- ifelse(runif(1000)<0.5,-1,1)
}
#random phenotypes[随机表型]
u <- rnorm(1000)
g <- as.vector(crossprod(t(G),u))
h2 <- 0.5 #heritability[遗传]
y <- g + rnorm(200,mean=0,sd=sqrt((1-h2)/h2*var(g)))
#predict marker effects[预测标记效应]
ans <- mixed.solve(y,Z=G) #By default K = I[默认情况下，K = I]
accuracy <- cor(u,ans$u)
#predict breeding values[预测育种值]
ans <- mixed.solve(y,K=A.mat(G))
accuracy <- cor(g,ans$u)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-28 20:35:10
