ASReml

ASReml

Ajuste modelos lineares mistos usando técnicas avançadas de máxima verossimilhança restrita (reml).

Aproveite o poder do REML

ASReml é um poderoso software estatístico especialmente projetado para modelos mistos usando a máxima verossimilhança residual (REML) para estimar os parâmetros. Os modelos lineares de efeitos mistos fornecem uma ferramenta rica e flexível para a análise de muitos conjuntos de dados comumente originados na criação de animais, plantas e aquicultura, agricultura, ciências ambientais e ciências médicas.

Usando o algoritmo de informação média (AI) e métodos de matriz esparsa, o ASReml lida com análises de dados grandes ou extremamente grandes e complexas (de 500.000 ou mais observações / efeitos). Ele fornece métodos flexíveis para modelar uma ampla gama de modelos de variância para efeitos aleatórios ou estruturas de erro.

Altere o texto abaixo para ler - As aplicações típicas do ASReml incluem a análise de:

• dados longitudinais (des) balanceados
• experimentos projetados (des) balanceados
• ensaios multi-ambiente
• criação animal univariada e multivariada
• dados genéticos
• dados espaciais regulares ou irregulares
• análise de medidas repetidas

Introdução de um método funcional alternativo de associação de estruturas de variância com os termos do modelo aleatório e o residual, semelhante ao usado no ASReml-R, como alternativa ao método estrutural anterior, onde os modelos de variância eram especificados separadamente dos termos do modelo. Usando a especificação funcional, o modelo de variância para os termos do modelo aleatório e o termo de erro residual é especificado no modelo linear misto envolvendo os termos com a função de modelo de variância necessária. A abordagem funcional leva a uma especificação mais simples, mais concisa e menos sujeita a erros do modelo linear misto, que é mais automática para especificar variâncias residuais de múltiplas seções.

Existem também muitas mudanças para melhorar a eficiência e a conveniência. Esses incluem:

• ajuste computacionalmente eficiente de modelos de regressão aleatória quando há mais variáveis do que observações motivadas pelo uso de dados de marcadores SNP para explicar genótipos
• ajuste de relações lineares entre os parâmetros da estrutura de variância
• geração automática de valores iniciais para parâmetros de variância
• gerar um modelo para permitir uma forma alternativa de apresentar
• informações paramétricas associadas a estruturas de variância
• novos qualificadores! ASSIGN! FOR e! IF para simplificar o fluxo de trabalho
• atualizações estabilizadas para melhorar a convergência de modelos analíticos de fator
• sintaxe aprimorada para VPREDICT, permitindo a especificação de funções em termos de nomes em vez de números
• calculando critérios de informação
• escrever matrizes de design em arquivos externos

Requisitos do sistema:

CPU: processador dual core de 1,8 GHz

RAM: 2 GB

HDD / SSD: 50 GB de espaço livre na unidade principal

Sistema operacional: Microsoft Windows 8 32 bits, Microsoft Windows 7 32 bits e Microsoft Windows Vista 32-bit

Resolução: 1024×768

Sistemas operacionais suportados

Mac OS X 10.5 x (Leopard), Mac OS X 10.6 (Snow Leopard), Mac OS X 10.7 (Lion), Mac OS X 10.7 (Mountain Lion), OS X 10.9 (Mavericks) e Mac OS X 10.10 (Yosemite)

Requisitos de hardware

Memória - 1 GB de RAM e mais

Espaço livre em disco - 50 MB 

Tipo de sistema - SO de 32 e 64 bits