INFORMATYKA W SELEKCJI 9 MODELE MIESZANE
SAS WYKORYSTANIE PAKIETU SAS DO ESTYMACJI EFEKTÓW MODELI MIESZANYCH. Modl stały, a modl miszany. Macirz spokrwniń addytywni polignicznych 3. Przygotowani danych 4. Zastosowani procdury mixd 5. Intrprtacja wyników
MODEL STAŁY, A MODEL MIESZANY PRÓBA DANYCH. Bonitacja młodych koni rasy śląskij kwalifikowanych do hodowli. Punkty przyznawan w różnych katgoriach Nazwa Nr Nr ojca Nr ojca_o Nr matki-o Suma punktów Próba Rok ur Misiąc ur NIWA 9 336 9.5 7 4 BERNIKLA 73 9 58 89.54 7 4 DELTA 3 55 56 44 88.59 7 3 ABISYNIA 4 55 56 44 88.5 7 3 4 IWA 5 3 83 387 87.5 7 4 3 ELEGIA 6 59 93 485 86.69 7 4 BELA 7 58 4 473 86.5 7 5
MODEL STAŁY, A MODEL MIESZANY Nazwa Nr Nr ojca Nr ojca_o Nr matki-o Suma punktów Próba Rok ur Misiąc ur NIWA 9 336 9.5 7 4 BERNIKLA 73 9 58 89.54 7 4 DELTA 3 55 56 44 88.59 7 3 ABISYNIA 4 55 56 44 88.5 7 3 4 suma _ punktów ojcic misiąi _ urodznia y Zo 9.5 89.54 3 73 88.59 4 55 88.5 9.5 * *73 *55 *3 *4 m 3 4 ojcic misiąc
MODEL STAŁY, A MODEL MIESZANY R y R m Zo y modl stały zakłada brak powiązań między fktami (ojcami) stały fkt ojca
MODEL STAŁY, A MODEL MIESZANY modl miszany pozwala na wykorzystani informacji o podobiństwi między fktami uwzględnini spokrwninia między ojcami losowy fkt ojca y Zo m o G 4 4 o R y o ZGZ' R
MODEL STAŁY, A MODEL MIESZANY macirz wariancji addytywni gntycznj ojców współczynniki macirzy obliczon na podstawi spokrwninia część idntycznych przz pochodzni gnów u danj pary ojców prawdopodobiństwo, ż dany alll jst idntycznych przz pochodzni u danj pary ojców o = wariancja addytywni gntyczna fktu ojca obliczon wartości fktu ojca = wartości hodowlan G 4 4 o
PRZYGOTOWANIE DANYCH /* wczytywani danych o bonitacji koni */ data KONIE; infil 'd:/karolina/klacz.prn' firstobs= ; input IMIE $ - NROGIERA NROJCA NROJCA_OJCA NRMATKI_OJCA SUMAPKT ROKPR ROKUR MIEUR; run ; Nazwa Nr Nr ojca Nr ojca_o Nr matki-o Suma punktów Próba Rok ur Misiąc ur NIWA 9 336 9.5 7 4 BERNIKLA 73 9 58 89.54 7 4 /* wczytywani macirzy spokrwnin */ data POKREWIENSTWO ; infil 'd:karolina/g.txt' ; input ROW COLUMN VALUE ; PARM= ; output ; run ; 4 4.5 3
ZASTOSOWANIE PROCEDURY MIED /* modl miszany */ proc mixd data=konie ordr=data ; class NROJCA MIEUR ; modl SUMAPKT= MIEUR / solution ; random NROJCA / typ=lin() ldata=pokrewienstwo solution ; parms (.3) (.7) / noitr ratios ; run ; y Zo m o.3.7
PROCEDURA MIED - WYNIKI Modl Information Data St Dpndnt Variabl Coianc Structurs Estimation Mthod Rsidual Varianc Mthod Fixd Effcts SE Mthod Dgrs of Frdom Mthod Dimnsions Coianc Paramtrs Columns in Columns in Z 3 Subjcts Max Obs Pr Subjct 66 WORK.OGIERY SUMAPKT Linar, Varianc Componnts REML Paramtr Modl-Basd Containmnt Liczba wsp. wariancji: i o Liczba kolumn macirzy = liczba misięcy + Liczba kolumn macirzy Z = liczba ojców Całkowita liczba obsrwacji
PROCEDURA MIED - WYNIKI Numbr of Obsrvations Numbr of Obsrvations Rad 66 Numbr of Obsrvations Usd 66 Numbr of Obsrvations Not Usd Paramtr Sarch Liczba obsrwacji CovP CovP Rs Log Lik - Rs Log Lik.3.7-63.5395 347.789 Coianc Paramtr Estimats Założon wartości wsp. wariancji Cov Parm Estimat LIN(). Rsidual.7 Obliczon wartości wsp. wariancji
PROCEDURA MIED - WYNIKI Solution for Fixd Effcts wyniki dla fktów stałych Standard Effct MIEUR Estimat Error DF t Valu Pr > t Intrcpt 66.6733.935 3 7.65 <. MIEUR 3 6.766.975 7 6.94 <. MIEUR.336.4 7.9 <. MIEUR 5 8.8.978 7 9.6 <. MIEUR 4.4539.973 7.77 <. MIEUR 3.96.954 7 4.63 <. MIEUR 9.868.493 7 9.4 <. MIEUR 9.843.377 7 7.4 <. MIEUR 8.... kod misiąca wartość błąd standardowy prawdopodobiństwo błędu przy odrzucniu H
PROCEDURA MIED - WYNIKI Solution for Random Effcts wyniki dla fktów losowych Std Err Effct NROJCA Estimat Prd DF t Valu Pr > t NROJCA 5.43.378 7.76.4543 NROJCA 55-3.84.33 7 -.9 <. NROJCA 58.5694.336 7.76.898 NROJCA 63.59.3485 7.65.54 NROJCA 66.558.365 7.7.4894 NROJCA 67-3.3.3946 7-8.6 <. NROJCA 68.775.366 7 4.9 <. NROJCA 73 -.896.385 7-3.3.6 NROJCA 74.79.336 7 6.73 <. NROJCA 78 -.4443.945 7-4.9 <. kod ojca wartość = wartość hodowlana błąd standardowy prawdopodobiństwo błędu przy odrzucniu H
WYKORYSTANIE PAKIETU SAS DO ESTYMACJI EFEKTÓW MODELI MIESZANYCH. Modl stały, a modl miszany. Macirz spokrwniń addytywni polignicznych 3. Przygotowani danych 4. Zastosowani procdury mixd 5. Intrprtacja wyników