个体遗传评定.ppt

对于y，总可以找到一个线性函数 ，它满足 ，使得： 亦即 不受固定效应影响。 若y服从正态分布，则 也服从正态分布，即： 的对数似然函数，也即约束似然函数的对数为： 其中，C为一常数，且有： n 为有记录的个体数， 为固定效应关联矩阵的秩。 求解上述对数约束似然函数关于 和 的最大值，便可得到 和 的REML估值。 于是： REML和ML的区别 思路上：ML是求观察值的似然函数的最大值；而REML是求观察值的某一特定线性函数的似然函数的最大值。 结果上：由于 不考虑估计固定效应，因此，REML法克服了ML法中产生有偏估值的一个来源，即克服了ML法中因估计固定效应而造成的自由度的损失。 REML和ML的相同点 都具有大样本特性，即小样本数据估值有偏。 非求导的REML—DFREML DFREML、MTDFREML、DMU 求一阶偏导数的REML—EMREML VCE、REMLF90 利用一阶和二阶偏导数的REML—AIREML DFREML、AIREMLF90、VCE、DMU REML的有关算法与相关软件 约束与假设 所有犊牛都来自同一个品种； 母亲年龄