BLUP
2016-12-07 17:33
211 查看
1、混合线性模型一般形式及含义
y=Xβ+Zu+en为观测值的个数,q为个体数目
y为观测值向量(n×1)
β为固定效应向量(p×1),X为固定效应的设计矩阵(n×p)
u为个体育种值(随机效应)向量(q×1),Z为育种值得
20000
设计矩阵(n×q)
e为残差向量(n×1)
E(y)=Xβ,E(u)=0,E(e)=0
?E(y)=Xβ,为n×1向量,每个个体观测值分布的期望为每个个体的固定效应的值
E(u)=0,为q×1 0向量,即每个个体育种值分布的期望为0
?E(e)=0,为n×1 0向量,即每个个体的残差分布的期望为0
? 每个个体虽然只有一两个观测值,但观测值服从某一个分布,同样育种值也服从一个分布,最后会产生一个残差分布。
Var(u)=G,Var(e)=R,Cov(u,e′)=0
混合模型中,u和e服从m×p维正态分布,即
u∼N(0,G),e∼N(0,R)
u∼N(0,G),0为q×1向量;G为q×q的方阵,对角线为个体育种值分布的方差,非对角线不同个体育种值的协方差
e∼N(0,R),0为n×1向量;R为n×n的方阵,对角线为方差,非对角线为协方差
⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢y11y12y13y21y22y31⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢000110111001⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥[b1b2]+⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢111000000110000001⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎡⎣⎢a1a2a3⎤⎦⎥+⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢e11e12e13e21e22e31⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥
2、观测值和育种值的联合概率密度
多维正态分布的一般形式:y∼Np(u,S)
f(y)=1(2π)p2|S|12⋅exp(−12(y−u)′S−1(y−u))
Y=[y1y2]∼N2([μ1μ2],[σ21ρρσ22])
f(y1,y2|μ,Σ)=(2π1−ρ2−−−−−√)−1exp[12(1−ρ2){(y1−μ1σ1)2−2ρ(y1−μ1σ1)(y2−μ2σ2)+(y2−μ2σ2)2}]
y1,y2为随机变量,μ1,μ2,σ1,σ2,ρ均为某一个固定的数值
产生多维正态分布R语言代码:
library(MASS) Sigma <- matrix(c(10,3,3,2),2,2) Sigma x=mvrnorm(n=1000, rep(0, 2), Sigma) #x为二维正态分布
y和u的联合密度函数为:
f(y,u)=f1(y|u)⋅f2(u)
根据多维正态分布的概率密度公式, f1(y|u)如下:
y|u=y−Xβ−Zu=e∼N(0,R)f1(y|u)=C1⋅exp{−12(y−Xβ−Zu)′ R−1 (y−Xβ−Zu)}C1=(2π)−m2|R|−12
根据多维正态分布的概率密度公式, f2(u)如下
u∼N(0,G)f2(u)=C2⋅exp{−12u′G−1u}C2=(2π)−m2|G|−12
所以联合概率密度f(y,u)为:
f(y,u)=C⋅exp{−12(y−Xβ−Zu)′ R−1 (y−Xβ−Zu)−12u′G−1u}
3、对联合概率密度求解
求此函数关于β和u的极大值,因此令偏导等于0,可得:∂f(y,u)∂β∂f(y,u)∂u==C⋅exp{a}(X′R−1y−X′R−1Xβ−X′R−1Zu)=0C⋅exp{a}(Z′R−1y−Z′R−1Xβ−Z′R−1Zu−G−1u)=0
其中的a为f(y,u)中的指数函数的幂。上式整理后得
X′R−1Xβ^+X′R−1Zu^=X′R−1yZ′R−1Xβ^+(Z′R−1Z+G−1)u^=Z′R−1y
其矩阵形式为:
[X′R−1XZ′R−1XX′R−1ZZ′R−1Z+G−1][β^u^]=[X′R−1yZ′R−1y]
此方程组称为混合模型方程组(mixed model equations,MME)。
http://wenku.baidu.com/view/ce677909f78a6529647d539b
相关文章推荐
- Hbilder获取地理位置
- 清除浮动方法总结(转)
- colaphp框架的分析
- c语言中堆,栈,数组的增长方向
- Atom编写MarkDown文件
- 后缀数组模板
- opnet14.5学习总结三
- hello world
- JavaScript小记
- CSS样式
- 腾讯云CentOS7.2 配置PHP (Xampp PHP7 集成版)
- Python生成器
- 【codeforce508C】. Anya and Ghosts
- 【期望dp】NOIP2016换教室
- RedHat Enterprise7.1如何关闭防火墙
- i2c驱动程序全面分析,从adapter驱动程序到设备驱动程序
- spring mvc:实现给Controller函数传入list<pojo>参数
- Linux kali 4.6.0-kali1-amd64安装openvas
- poj 2503 Babelfish (map)
- 简单明了的认识MVC与MVP