tailieunhanh - Báo cáo khoa hoc:"The PX-EM algorithm for fast stable fitting of Henderson’s mixed model"

Tuyển tập các báo cáo nghiên cứu về sinh học được đăng trên tạp chí sinh học thế giới đề tài: The PX-EM algorithm for fast stable fitting of Henderson’s mixed model | Genet. Sel. Evol. 32 2000 143-163 INRA EDP Sciences 143 Original article The PX-EM algorithm for fast stable fitting of Henderson s mixed model Jean-Louis FOULLEYa David A. VAN DYKb a Station de génétique quantitative et appliquée Institut national de la recherche agronomique 78352 Jouy-en-Josas Cedex France b Department of Statistics Harvard University Cambridge MA 02138 USA Received 7 September 1999 accepted 3 January 2000 Abstract - This paper presents procedures for implementing the PX-EM algorithm of Liu Rubin and Wu to compute REML estimates of variance covariance components in Henderson s linear mixed models. The class of models considered encompasses several correlated random factors having the same vector length . as in random regression models for longitudinal data analysis and in sire-maternal grandsire models for genetic evaluation. Numerical examples are presented to illustrate the procedures. Much better results in terms of convergence characteristics number of iterations and time required for convergence are obtained for PX-EM relative to the basic EM algorithm in the random regression. EM algorithm REML mixed models random regression variance components Résumé L algorithme PX-EM dans le contexte de la méthodologie du modèle mixte d Henderson. Cet article présente des procédés permettant de mettre en reuvre l algorithme PX-EM de Liu Rubin et Wu a des modèles linéaires mixtes d Henderson. La classe de modèles considerée concerne plusieurs facteurs aléatoires corrélés ayant la même dimension vectorielle comme c est le cas avec les modeles de regression aléatoire dans l analyse des données longitudinales ou avec les modèles père-grand-pèere maternel en éevaluation géenéetique. Des exemples numéeriques sont préesentées pour illustrer ces techniques. L algorithme PX-EM présente de nettement meilleurs résultats en terme de caractéristiques de convergence nombre d itérations et temps de calcul que l EM de base sur les exemples ayant trait aè des modèeles