Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et.

Slides:

Advertisements

Présentations similaires

Corrélation Position du problème Définition covariance (X,Y) r =

Advertisements

ANOVA à un facteur (Rehailia)

Des modèles statistiques non-linéaires à effets mixtes et leurs extensions pour analyser la réponse de « la » biodiversité à des variables écologiques.

Jean-Louis Foulley, Christèle Robert* INRA-Génétique animale, SGQA Jouy-en-Josas; *SAGA Castanet Tolosan Journées didactiques INRIA « Modèles.

C1 Bio-statistiques F. KOHLER

Comparaison de deux moyennes observées

Inférence statistique

Comparaison de plusieurs moyennes observées

Les TESTS STATISTIQUES

Les TESTS STATISTIQUES

1 Analyse de la variance multivariée Michel Tenenhaus.

Travail de génétique G9 :

QTLmap et les données ayant une distribution non gaussienne

Incorporation des effets compétitifs dans les programmes d’élevage afin d’améliorer les performances et le bien-être animal Dederen Priscilla Groupe.

Etude longitudinale d’essais multilocaux: apports du modèle mixte

Régression linéaire simple

Génétique-Biostatistique1 Estimation de la réponse corrélée des caractères de croissance lors de sélection des lapins sur la taille de la portée.

Estimated genetic parameters for growth traits of German shepherd dog and labrador retriever dog guides. Estimation des paramètres génétiques de croissance.

L’Analyse de Variance 2 L’ANOVA 2 fixe à r répétitions

L’Analyse de Covariance

Corrélation et régression linéaire simple

Baï Flavien Bailly Christophe Baumgarte Audette

Présentation du travail de paraclinique de génétique

Influences génétiques directe et maternelle sur la production en première lactation de quatre races de chèvres laitières.

Travail de génétique 2ème doctorat Béguin Carole

Une observation par cellule facteurs fixes versus facteurs aléatoires.

La corrélation et la régression

La corrélation et la régression

Les modèles linéaires (Generalized Linear Models, GLM)

Corrélation Principe fondamental d’une analyse de corrélation

Audoin Marion Briot Julien Hanot François

Analyse génétique des "Days Open" chez les bovins viandeux

Travail de génétique 2e doctorat

Objectifs: Etudier l’hétérogénéité des caractères au sein de la composante environnementale de la variance résiduelle Pour cela on tente de minimiser les.

Collette Christelle Klajer Aurélia Leleu Marion

Paracliniques de Gestion des exploitations agricoles Genetic parameters and evaluation of the Tunisian dairy cattle population for milk yield by Bayesian.

Travaux pratiques Hygiène-Génétique- Biostatistique:

Estimation des paramètres génétiques pour la dysplasie de la hanche dans une population de Terre-Neuve Gérard-Frippiat Aurore Girardier Sophie Graff Sophie.

Paramètres génétiques des courses d’endurance D’après A. Ricard et M

Article: Estimates of genetic and phenotypic parameters of some growth traits in Common African and Alpine crossbred goats. Duchêne Romain TP paraclinique.

Filtre de Kalman – Préliminaires (1)

Residual Feed Intake in the Growing Pig Sélection divergente: Paramètres génètiques et réponses.

Méthodes de prévision (STT-3220)

ESTIMATION DES PARAMETRES GENETIQUES INFLUANCANT LA TAILLE DE LA PORTEE CHEZ DES PORCS DE RACE PURE LANDRACE ET PIETRAIN.

Travail de génétique 2e DOC Genetic and phenotypic parameters for early growth traits in Emirati goat. S.A Al-Shopery,G.A.Alhadrami,K.Abdulwahab Buisseret.

Le cheval de race « Murgese »

Méthodes de Biostatistique

Dans cet article, une nouvelle approche relative à l’indexation de la bande sonore de documents audiovisuels est proposée, son but est de détecter les.

Howell Chap. 11: ANOVA. Du monde connu au monde inconnu Du test t à l’analyse de varianceDu test t à l’analyse de variance Trouvez des nouveaux noms pour.

STATISTIQUE DESCRIPTIVE ÉLÉMENTAIRE

M2 Sciences des Procédés - Sciences des Aliments

Séance 8 30 novembre 2005 N. Yamaguchi

Groupe 11 Faure Géraldine Olejnik Dorine Sola Caroline

DUALITE ONDE - CORPUSCULE

1 BIO 4518: Biostatistiques appliquées Le 1er novembre 2005 Laboratoire 7 ANCOVAs (Analyse de covariance)

Travail de génétique 2°Doc Doppagne M.L. Evrard L. Peduzzi F. Schoenars P.

Jean-Louis Foulley, Christèle Robert* INRA-Génétique animale, SGQA Jouy-en-Josas; *SAGA Castanet Tolosan Journées didactiques INRIA « Modèles.

1 Gestion des exploitations agricoles: partie génétique Sources of variation and genetic profile of spontaneous, out-of-season ovulatory activity in the.

Ménard Murielle Fernandez Gildas

Probabilités et Statistiques

Test de signification d’une ANOVA à deux critères de classification: sans réplication, modèle I, plan factoriel Tester CMeffet sur CMerreur... … mais,

Traitement de la turbulence

University of Ottawa - Bio 4118 – Applied Biostatistics © Antoine Morin and Scott Findlay 13/08/2015 6:59 PM Bootstrap et permutations.

Genetic correlations between field test results of Swedish Warmblood Riding horses as 4- years-olds and lifetime performance results in dressage and show.

Échantillonnage (STT-2000)

Analyse des semis de point

MODULE FTH 2007 Diversité génétique

MENU 1 Modèles de choix.

Chapitre 6 Les tests d ’ hypoth è se 1 – Comparer des moyennes ou des proportions.

Bienvenue au cours MAT-350 Probabilités et statistiques.

Transcription de la présentation:

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes » Illustration des procédures de test des effets fixes et des effets aléatoires en modèle linéaire mixte

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes » Données de croissance faciale obtenues à partir de 11 filles et 16 garçons (Pothoff and Roy, 1986 et Little and Rubin, 1977)

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes » On considère léchantillon décrit dans le tableau joint où les données y ijk sont des mesures de croissance répertoriées par les indices suivants : i est lindice du sexe (i=1,2 pour respectivement les sexes femelle et mâle), j lindice de la période de mesure (j=1,2,3,4) avec t j le temps correspondant (t 1 =8, t 2 =10, t 3 =12 et t 4 =14) et k est lindice de lindividu intra-sexe (k=1,2,…,11 pour i=1 ; k=1,2,…,16 pour i=2). Il y a n i mesures par individu i et ces nombres ne sont pas nécessairement égaux. On décrit lespérance des observations par un modèle linéaire : On considère a priori les différents modèles suivants relatifs à lespérance :

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes » Relations entre les modèles (E1) à (E4)

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes » Structures de variance covariance considérées pour le test des effets fixes Pour chaque modèle despérance considéré (E1) à (E4), on travaille avec 3 structures de variance-covariance :

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes »

Christèle Robert-Granié et Jean-Louis Foulley* INRA- Station dAmélioration Génétique des Animaux, Toulouse ; *INRA-Station de Génétique Quantitative et Appliquée, Jouy-en-Josas Journées didactiques INRIA « Modèles Mixtes » Conclusion En modèle mixte, les tests des effets fixes et aléatoires sont délicats. Les tests des effets fixes dépendent de la structure de variance covariance supposée dans le modèle. Une approche robuste existe pour les données répétées mais attention au nombre dunités expérimentales. Pour les tests des effets aléatoires, attention aux tests de paramètres dont les valeurs sous H0 sont situées en bordure de lespace paramétrique.