関連解析

データの準備
- 個人別ジェノタイプデータ・その他の個人別データ・遺伝子多型ラベルデータ
- テキストファイルからの作成は、haplo.em, haplo.gmlとほぼ同様なので、詳しくはそちらを参照



#genotype情報の取り込み

geno<-read.table("genotype.txt",FALSE,"\t")

#多型ラベル情報も取り込む

label1<-read.table("snp.info",FALSE,"\t")

#ハプロタイプ推定用ジェノタイプ以外の情報の取り込み

data2<-read.table("data2.txt",FALSE,"\t")

解析の実行
- binomialデータの場合(値は0か1)
  - data2の第１列(data2$V1)が{0,1}の値を有するbinomialであり、これとハプロタイプとの関係を調べるとき



score.v1<-haplo.score(data2$V1,geno,trait.type="binomial",locus.label=label1$V1)

ordinalデータの場合(３つ以上の値にを有する列)
- data2の第２列(data$V2)がordinalデータとしてハプロタイプとの関係を調べるとき



score.v2<-haplo.score(data2$V2,geno,trait.type="ordinal",locus.label=label1$V1)

量的形質(正規分布とみなす)データの場合
- data2の第３列(data$V3)がgauusianデータとしてハプロタイプとの関係を調べるとき



score.v3<-haplo.score(data2$V3,geno,trait.type="gaussian",locus.label=label1$V1)

シミュレーションベースで行うとき



#シミュレーションベースでbinomialデータについて解析を行うとき

score.v1.sim<-haplo.score(data2$V1,geno,trait.type="binomial",locus.label=label1$V1,simulate=TRUE)

#シミュレーション条件を指定するときは、score.sim.control関数を用いて指定する

score.v1.sim.cond<-haplo.score(data2$V1,geno,trait.type="binomial",locus.label=label1$V1,simulate=TRUE,sim.control=score.sim.control(min.sim=200,max.sim=500))

層別化して行うとき



#層別化用のデータを作成する

#data2$V1,data2$V2とで層別化してdata2$V3について解析をする場合

adj<-cbind(data2$V1,data2$V2)

score.v3.adj<-haplo.score(data2$V3,geno,trait.type="gaussian",locus.label=label1$V1,x.adj=adj)

2005-09-15

スコア統計量・スコア検定

Glossary

参考サイト
- 尤度と対数尤度分布を用いた３種類の統計量・検定法である、「尤度比検定・Wald検定・スコア検定」を説明したパワーポイントファイル
- http://www.rs.kagu.tus.ac.jp/hamada/jyugyo.html :東京理科大講義メニュー] の『第10回』http://www.rs.kagu.tus.ac.jp/hamada/file/Class/stat10.ppt :尤度比検定とは？]
  - 同サイトより、エッセンスを引用すると



スコア検定とWald,尤度比検定の違い

・Wald，尤度比検定は,MLEが求まらないと検定できない．

　　MLEを求めるためには反復計算が必要

・スコア検定はＨ0の下でのＵとＩがわかれば計算できる．

・多くのモデルについての計算が必要な場合,総当り法では,スコア検定が行われる．

・スコア検定では収束しない場合でも,Ｈ0の検定が可能

ryamadaの遺伝学・遺伝統計学メモ

Ｒのhaplo.statsの使い方（８）haplo.scoreの概要

Ｒのhaplo.statsの使い方（９）haplo.scoreの実行

スコア統計量・スコア検定