REML ve DFREML yöntemlerinin ıslah amaçlı çalışmalarda kullanılması

Abstract

VI oz Bu çalışmada, varyans unsurları tahmin yöntemlerinden, olabilirlik teorisine dayalı yöntemler incelenmiştir. İncelenen yöntemlerden REML ve DFREML yöntemlerin karşılaştırmalı olarak çalışılması amaçlanmıştır. Karşılaştırmadaki esas, olabilirlik teorisine dayanan ve uzun süre hayvan ıslahçıları tarafından kullanılan REML ve REML'ın bir algoritması olan DFREML yöntemi ile büyük veri seti için varyans unsurlarına ilişkin tahminlemeler yapılırken birbirlerine olan üstünlük ve yetersizliklerinin tartışılmasıdır. REML yönteminin bilinen çözümleri katsayı matrisinin tersinin alınması ve türev alma gibi aşamaları içerdiği için, bu yöntem ile convergence bazen imkansız olmaktadır. Buna karşılık DFREML yöntemi Choleski faktörü ile katsayı matrisini Sparse matrisine dönüştürerek veya Gaussian-Eleminasyon yolu ile katsayı matrisindeki sabit etkileri absorbe ederek tahminleme yaptığı için convergence daha hızlı ve kolay olmaktadır. Anahtar Kelimeler: REML, DFREML, Varyans Unsurları

VII ABSTRACT The likelihood based methods for variance components estimation has been discussed in this study. Hence REML and DFREML methods composed in terms ot calculation prodecures. The converge in REML for big data set and model is impossible because of derivative and inverse of coefficent matrix for estimation with this method. In contrast, converge with DFREML is faster then REML. DFREML is using a derivative free algoritm. Hence coefficent matrix is sparsed with using choleski factor or fixed effects absorbed from rondom effects with Gaussian elemination. Keywords: REML, DFREML, Variance Components