ASReml

¿Qué es ASReml?

Ajuste de modelos lineales mixtos utilizando técnicas avanzadas de máxima verosimilitud restringida (reml).

Aproveche el poder de REML

ASReml es un potente software estadístico especialmente diseñado para modelos mixtos que utilizan la máxima probabilidad residual (REML) para estimar parámetros. Los modelos lineales de efecto mixto proporcionan una herramienta rica y flexible para analizar muchos conjuntos de datos comúnmente originados en la cría de animales, plantas y acuicultura, agricultura, ciencias ambientales y ciencias médicas.

Utilizando el algoritmo de información media (IA) y los métodos de matriz dispersa, ASReml maneja análisis de datos grandes o extremadamente grandes y complejos (de 500,000 o más observaciones / efectos). Proporciona métodos flexibles para modelar una amplia gama de modelos de varianza para efectos aleatorios o estructuras de error.

Cambie el texto a continuación para que diga - Las aplicaciones típicas de ASReml incluyen análisis de:

• datos longitudinales equilibrados (des)
• experimentos equilibrados (de) diseñados
• pruebas multisótano
• cría de animales univariados y multivariados
• datos genéticos
• datos espaciales regulares o irregulares
• análisis de medidas repetidas

Introducción de un método funcional alternativo de asociación de estructuras de varianza con los términos de los modelos aleatorio y residual, similar al utilizado en asreml-r, como alternativa al método estructural anterior, donde los modelos de varianza se especificaron por separado de los términos del modelo. Usando la especificación funcional, el modelo de varianza para los términos del modelo aleatorio y el término de error residual se especifica en el modelo lineal mixto que involucra los términos con la función de modelo de varianza requerida. El enfoque funcional conduce a una especificación más simple, más concisa y menos propensa a errores del modelo lineal mixto, que es más automática para especificar varianzas residuales de múltiples secciones.

También hay muchos cambios para mejorar la eficiencia y la conveniencia. Estos incluyen:

• Ajuste computacionalmente eficiente de modelos de regresión aleatoria cuando hay más variables que observaciones motivadas por el uso de datos de marcadores SNP para explicar genotipos
• ajuste de las relaciones lineales entre los parámetros de la estructura de varianza
• generación automática de valores iniciales para parámetros de varianza
• generar un modelo para permitir una forma alternativa de presentar
• información paramétrica asociada a estructuras de varianza
• ¡nuevos clasificatorios! ¡ASIGNAR! PARA E! SI para simplificar el flujo de trabajo
• actualizaciones estabilizadas para mejorar la convergencia de los modelos factoriales analíticos
• sintaxis mejorada para VPREDICT, permitiendo la especificación de funciones en términos de nombres en lugar de números
• cálculo de criterios de información
• Escribir matrices de diseño en archivos externos

Requisitos del sistema:

CPU: procesador de doble núcleo de 1,8 GHz

RAM: 2 GB

HDD / SSD: 50 GB de espacio libre en la unidad principal

Sistema operativo: Microsoft Windows 8 de 32 bits, Microsoft Windows 7 de 32 bits y Microsoft Windows Vista de 32 bits

Resolución: 1024×768

Sistemas operativos compatibles

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) y Mac OS X 10.10 (Yosemite)

Requisitos de hardware

Memoria - 1 GB de RAM y más

Espacio libre en disco - 50 MB

Tipo de sistema: sistema operativo de 32 bits y 64 bits