Nothing
ft_gradientCasM <-
function(fl,data1,N,gmname,gcname,yname,vecma.u,HW=TRUE)
{
# Arguments specifiques la fonction
# d: vecteur des proportion de cas et de temoins echantillonnes
# gmname: nom de la variable contenant le genotype de la mere
# gcname: nom de la variable contenant le genotype de l enfant
# varz: nom des vriable de l environement c("","")
# ma.u est la matrice des parametre u
# creation de deux table une avec tous les donnees complet de c et l autre avec les seules c observables
lstdat<-fctcd(data1,gcname,yname)
datMod<-lstdat$datdmcp # data des donnees complets (tout ijm * 3)
datNo<-lstdat$datnmv # data complet c'est-a-dire pour chaque patient nous avons ijmc
datMv<-lstdat$datdm # data complete c'est a dire pour chaque coupe ijm on donne toutes les combi de c
datrmv<-lstdat$datmv # data de donnee manquantes
# Nom des variables
varz00<-all.vars(fl)
# # noms des labels
varz0<-all.vars(fl)[-1];varz<-varz0[-which(varz0%in%c(gmname,gcname))]
# A partie des donnees complet
# A.1-Generer la data.frame du modele
cl<- model.frame(fl, data = datMod)
vx <- model.matrix(fl,data=datMod)
# extraction de la variable reponse
outc<-model.extract(cl,"response")
# Extraction du vecteur de genotypes de la mere
gm <- vx[,gmname]
# Extraction du vecteur de genotypes de l enfant
gc <- vx[,gcname]
vdcop<-datMod[,"vdcop"]
# B partie des donnees imcomplet
# B.1-Generer le "frame" du modele
# clb<- model.frame(fl, data = datrmv3)
# vxb <- model.matrix(fl,data=datrmv3)
clb<- model.frame(fl, data = datMv)
vxb <- model.matrix(fl,data=datMv)
# extarction de la variable reponse
outcb<-model.extract(clb,"response")
# Extraction du vecteur de genotypes de la mere
gmb <- vxb[,gmname]
# Extraction du vecteur de genotypes de lenfant
gcb <- vxb[,gcname]
vdcopb<-datMv[,"vdcop"]
idm = datMv["id"]
# noms des labels
varz0<-all.vars(fl)[-1];varz<-varz0[-which(varz0%in%c(gmname,gcname))]
# les valeurs possibles du geotype de la mere
gm1<-gm[is.na(gm)!=TRUE]
frq<-unique(gm1);np1<-length(frq)
noutc=as.character(terms.formula(fl)[[2]])
# selon les cas il nous donne la fonction indique a utilise pour le genotype de la mere
#indfg<-IndF3(gm)
pp<-length(vecma.u)/2;ppd<-2*pp;uu<-pp+1
ma.u<-rbind(vecma.u[1:pp],vecma.u[uu:ppd])
# Donnees de tous les sujets
vxt = rbind(vx,vxb)
# Extraction du vecteur de genotypes de la mere
gmt <- vxt[,gmname]
# Extraction du vecteur de genotypes de lenfant
gct <- vxt[,gcname]
# Vecteur de reponse
outct = c(outc,outcb)
# 2-Construction du systeme non lineaire =======================================
# 2.1-creation de la table A
matd<-cbind(outc,vx)
np<-dim(vx)[2]
mat.geno<-cbind(gm,gc);
# B-2.1-creation de la table B
matdb<-cbind(outcb,vxb)
d<-vector()
d[1]<-N[1]-sum(data1[,noutc]==0)
d[2]<-N[2]-sum(data1[,noutc]==1)
# construction des indices
or<-rep(1,dim(data1)[1])
data_ori<-data.frame(data1,or)
#construction de Cjm
mat.cjm<-fpol1(data_ori,c(varz,gmname),"or","Cjm")
## la fonction de gradient de la log-vraisemblence
gradient_prof<-function(parms){
beta.start<-parms[1:np];n1<-np+1;theta.start<-parms[n1:length(parms)]
# A-nv
eta = vx%*%beta.start
Pijmc<-((1/(exp(-eta)+1))^outc)*((1-1/(exp(-eta)+1))^(1-outc))
dPijmc.eta = (-1)^(1-outc)*S1(eta)
dlogPijmc.eta = outc - S0(-eta)
# B-nv
etab = vxb%*%beta.start
Pijmcb<-((1/(exp(-etab)+1))^outcb)*((1-1/(exp(-etab)+1))^(1-outcb))
dPijmcb.eta = (-1)^(1-outcb)*S1(as.vector(etab))
# construction de la distribution conditionnelle du genotype de l enfant sachant la mere et celle de la mere selon que nous sommes sous HW ou non
# A-nv
# prob conditionel de l'enf sachant la mere Pc/m matd
Pgcm<-Prgcm_HW1(matd[,c(gmname,gcname)],theta.start)
# Derivee de la prob conditionel de l'enf sachant la mere
dPgcm.theta<-dPrgcm_HW1.theta(matd[,c(gmname,gcname)],theta.start)
dlogPgcm.theta<-dlogPrgcm_HW1.theta(matd[,c(gmname,gcname)],theta.start)
# calcul du genotype
Pgm<-Prgm_HW1(matd[,gmname],theta.start)
# calcul de sa derivee
dPgm.theta<-dPrgm_HW1.theta(matd[,gmname],theta.start)
# B-nv
# prob conditionel de l enf sachant la mere Pc/m matd
Pgcmb<-Prgcm_HW1(matdb[,c(gmname,gcname)],theta.start)
# Derivee de la prob conditionel de l'enf sachant la mere
dPgcmb.theta<-dPrgcm_HW1.theta(matdb[,c(gmname,gcname)],theta.start)
# calcul du genotype
Pgmb<-Prgm_HW1(matdb[,gmname],theta.start)
# calcul de sa derivee
dPgmb.theta<-dPrgm_HW1.theta(matdb[,gmname],theta.start)
# A-calcul de la fonction hijmc
Hijmc<-Pijmc*Pgcm
# calcul des derivees de la fonction hijmc
dHijmc.eta<-dPijmc.eta * Pgcm
dHijmc.theta<-Pijmc * dPgcm.theta
nva<-vx[,varz]
# B-calcul de la fonction hijmc
Hijmcb<-Pijmcb*Pgcmb
# calcul des derivees de la fonction hijmc
dHijmcb.eta<-dPijmcb.eta * Pgcmb
dHijmcb.theta<-Pijmcb * dPgcmb.theta
# Multiplication des termes de derivee a sommer par la matrix de design
mat.dHijmcb = vxb*dHijmcb.eta
colnames(mat.dHijmcb) = paste("dHijmcb.",colnames(vxb),sep="")
nvab<-vxb[,varz]
# data.frame A
# On a besoin des variables de vx pour le gradient
nam<-c("outc","vdcop","Pijmc","Pgcm","Pgm","Hijmc","dPijmc.eta", "dlogPijmc.eta","dPgcm.theta","dlogPgcm.theta","dPgm.theta","dHijmc.eta","dHijmc.theta",colnames(vx))
matA.comp0<-data.frame(outc,vdcop,Pijmc,Pgcm,Pgm,Hijmc,dPijmc.eta,dlogPijmc.eta,dPgcm.theta, dlogPgcm.theta,dPgm.theta,dHijmc.eta,dHijmc.theta,vx)
names(matA.comp0)<-nam;
#B-data.frame
# On cree ces noms a l'avance
dHijmc.names = paste("dHijmc.",colnames(vx),sep="")
dHijm.names = paste("dHijm.",colnames(vx),sep="")
namb<-c("idm","outc",varz,gmname,gcname,"Pijmc","Pgcm","Pgm","Hijmc",dHijmc.names,"dHijmc.theta")
mat.Hijmcb<-data.frame(idm,outcb,nvab,gmb,gcb,Pijmcb,Pgcmb,Pgmb,Hijmcb,mat.dHijmcb,dHijmcb.theta)
names(mat.Hijmcb)<-namb;
#mat.hijmcb1<-mat.Hijmcb[mat.Hijmcb[,"Hijmc"]!=0,]
mat.hijmcb1<-mat.Hijmcb[mat.Hijmcb[,"Hijmc"]!=0&vdcopb==1,]
# mat.hijmb<-fpol1(mat.hijmcb1,c("outc",varz,gmname,"Pgm"),"Hijmc","Hijm")
mat.hijmb<-fpol1(mat.hijmcb1,c("idm","outc",varz,gmname,"Pgm"),"Hijmc","Hijm")
# Somme sur c de dHijmc.beta
mat.dHijmb.beta<-fpolm(mat.hijmcb1,c("idm","outc",varz,gmname,"Pgm"),dHijmc.names,dHijm.names)
# Somme sur c de dHijmc.theta
mat.dHijmb.theta<-fpol1(mat.hijmcb1,c("idm","outc",varz,gmname,"Pgm"),"dHijmc.theta","dHijm.theta")
# mat.hijmd<-merge(datrmv2,mat.hijmb,by=c("outc",varz,gmname))
mat.hijmd.beta<-merge(mat.hijmb,mat.dHijmb.beta,by=c("idm","outc",varz,gmname))
mat.hijmd.theta<-merge(mat.hijmb,mat.dHijmb.theta,by=c("idm","outc",varz,gmname))
#C-data.frame
vdcopt = c(vdcop,vdcopb)
nvat<-vxt[,varz]
Pijmct = c(Pijmc,Pijmcb)
Pgcmt = c(Pgcm,Pgcmb)
Pgmt = c(Pgm,Pgmb)
dPgmt.theta = c(dPgm.theta,dPgmb.theta)
Hijmct = c(Hijmc,Hijmcb)
dHijmct.eta = c(dHijmc.eta,dHijmcb.eta)
dHijmct.theta = c(dHijmc.theta,dHijmcb.theta)
mat.Hijmct<-data.frame(outct,vxt,gmt,gct,vdcopt,Pijmct,Pgcmt,Pgmt,Hijmct,dHijmct.eta,dHijmct.theta,dPgmt.theta)
#mat.Hijmct<-data.frame(outc,vx,gm,gc,vdcop,Pijmc,Pgcm,Pgm,Hijmc,dHijmc.eta,dHijmc.theta,dPgm.theta)
names(mat.Hijmct)<-c("outc",colnames(vx),gmname,gcname,"vdcop","Pijmc","Pgcm","Pgm","Hijmc","dHijmc.eta","dHijmc.theta","dPgm.theta");
mat.dq1<-fpol1(matA.comp0,c("outc",varz,gmname,gcname,"Pgm"),"vdcop","nijmc", c(setdiff(colnames(vx),c(varz,gmname,gcname)),"dPgm.theta","Pgcm","dlogPijmc.eta", "dlogPgcm.theta"))
# compte les modalite i,j,m,c
# premier terme
dq1.beta<-apply(mat.dq1[,colnames(vx)]*mat.dq1[,"dlogPijmc.eta"]*mat.dq1[,"nijmc"],2,sum)
dq1.theta<-sum(mat.dq1[,"dlogPgcm.theta"]*mat.dq1[,"nijmc"])
dq1 = c(dq1.beta,dq1.theta)
# dq1b.beta = apply(mat.hijmd.beta[,"nijm"]*mat.hijmd.beta[,dHijm.names]/mat.hijmd.beta[,"Hijm"],2,sum)
# dq1b.theta = sum(mat.hijmd.theta[,"nijm"]*mat.hijmd.theta[,"dHijm.theta"]/mat.hijmd.theta[,"Hijm"])
dq1b.beta = apply(mat.hijmd.beta[,dHijm.names]/mat.hijmd.beta[,"Hijm"],2,sum)
dq1b.theta = sum(mat.hijmd.theta[,"dHijm.theta"]/mat.hijmd.theta[,"Hijm"])
dq1b = c(dq1b.beta,dq1b.theta)
# 2.2-calcule de q2
# Ici on ne se sert pas de nijmc. Tout ce que ceci fait, c'est enlever
# les observations redondantes de mat.Hijmct
mat.Hijmc1<-fpol1(mat.Hijmct,c("outc",varz,gmname,gcname,"Pgm"), "vdcop","nijmc",c(setdiff(colnames(vx),c(varz,gmname,gcname)),"Hijmc","dHijmc.eta","dHijmc.theta","dPgm.theta"))
mat.Hijmc<-mat.Hijmc1[mat.Hijmc1[,"Hijmc"]!=0,]
# Somme sur c de Hijmc
mat.Hijm<-fpol1(mat.Hijmc,c("outc",varz,gmname,"Pgm"),"Hijmc","Hijm","dPgm.theta")
# Multiplication des termes de derivee a sommer par la matrix de design
mat.Hijmc[,dHijmc.names] = mat.Hijmc[,colnames(vx)]*mat.Hijmc$dHijmc.eta
# Somme sur c de dHijmc.beta
mat.dHijm.beta<-fpolm(mat.Hijmc,c("outc",varz,gmname,"Pgm"),dHijmc.names,dHijm.names)
# Somme sur c de dHijmc.theta
mat.dHijm.theta<-fpol1(mat.Hijmc,c("outc",varz,gmname,"Pgm"),"dHijmc.theta","dHijm.theta")
# nv ** 6
matHijm.uim<-function(ma.u){
rr<-as.matrix(mat.Hijm[,c("outc",gmname)])
Uim<-(ifelse(rr[,1]==0 & rr[,2]==0,ma.u[1,1],0)
+ifelse(rr[,1]==0 & rr[,2]==1,ma.u[1,2],0)
+ifelse(rr[,1]==0 & rr[,2]==2,ma.u[1,3],0)
+ifelse(rr[,1]==1 & rr[,2]==0,ma.u[2,1],0)
+ifelse(rr[,1]==1 & rr[,2]==1,ma.u[2,2],0)
+ifelse(rr[,1]==1 & rr[,2]==2,ma.u[2,3],0))
Fijm<-mat.Hijm$Hijm*Uim
# Attention! Dans le data.frame dFijm.beta, les variables gardent les noms dHijm.names
dFijm.beta<-mat.dHijm.beta[,dHijm.names]*Uim
# On change les noms
dFijm.names = paste("dFijm.",colnames(vx),sep="")
dFijm.theta<-mat.dHijm.theta$dHijm.theta*Uim
tmp = data.frame(mat.Hijm,mat.dHijm.beta[,dHijm.names],mat.dHijm.theta$dHijm.theta, Fijm,dFijm.beta,dFijm.theta)
names(tmp) = c(names(mat.Hijm),dHijm.names,"dHijm.theta","Fijm",dFijm.names,"dFijm.theta")
return(tmp)
}
tab.fijm<-matHijm.uim(ma.u)
# nv
# Ici on garde les dHijm.names, dHijm.theta et les variables x pour besoins futurs
dFijm.names = paste("dFijm.",colnames(vx),sep="")
dFjm.names = paste("dFjm.",colnames(vx),sep="")
mat.fjm<-fpolm(tab.fijm,c(varz,gmname,"Pgm"),c("Fijm",dFijm.names,"dFijm.theta"), c("Fjm",dFjm.names,"dFjm.theta"),"dPgm.theta")
tab.cjm<-merge(mat.cjm,mat.fjm,by=c(varz,gmname))
qjm<-tab.cjm$Cjm/tab.cjm$Fjm
# termes de derivee a sommer sur j pour obtenir dNm.beta et dNm.theta
djm.beta<-(-tab.cjm$Cjm/tab.cjm$Fjm^2)*tab.cjm[,dFjm.names]
djm.theta<-(-tab.cjm$Cjm/tab.cjm$Fjm^2)*tab.cjm$dFjm.theta
tab.qjm<-data.frame(tab.cjm,qjm,djm.beta,djm.theta)
djm.names = paste("djm.",colnames(vx),sep="")
names(tab.qjm) = c(names(tab.cjm),"qjm",djm.names,"djm.theta")
# nv
mat.Nm<-fpol1(tab.qjm,c(gmname,"Pgm"),"qjm","Nm")
mat.dNm.theta<-fpol1(tab.qjm,c(gmname,"Pgm"),"djm.theta","dNm.theta","dPgm.theta")
dNm.names = paste("dNm.",colnames(vx),sep="")
mat.dNm.beta<-fpolm(tab.qjm,c(gmname,"Pgm"),djm.names,dNm.names)
dlogNm.beta = mat.dNm.beta[,dNm.names]/mat.Nm$Nm
mat.dlogNm.beta = data.frame(mat.dNm.beta,dlogNm.beta)
dlogNm.names = paste("dlogNm.",colnames(vx),sep="")
names(mat.dlogNm.beta) = c(names(mat.dNm.beta),dlogNm.names)
tab.dlogNm.beta = merge(tab.qjm,mat.dlogNm.beta,by=gmname)
sumdlogNm.beta = apply(tab.dlogNm.beta[,dlogNm.names]*tab.dlogNm.beta$Cjm,2,sum)
dlogFjm.beta = apply((tab.qjm[,dFjm.names]/tab.qjm$Fjm)*tab.qjm$Cjm,2,sum)
dlogNm.theta = mat.dNm.theta$dNm.theta/mat.Nm$Nm
mat.dlogNm.theta = data.frame(mat.dNm.theta,dlogNm.theta)
tab.dlogNm.theta = merge(tab.qjm,mat.dlogNm.theta,by=c(gmname))
sumdlogNm.theta = sum(tab.dlogNm.theta$dlogNm.theta*tab.dlogNm.theta$Cjm)
dlogFjm.theta = sum((tab.qjm$dFjm.theta/tab.qjm$Fjm)*tab.qjm$Cjm)
dlogPgm.theta = sum((tab.cjm[,"dPgm.theta"]/tab.cjm[,"Pgm"])*tab.cjm[,"Cjm"])
dq2.beta = -dlogFjm.beta - sumdlogNm.beta
dq2.theta = dlogPgm.theta - dlogFjm.theta - sumdlogNm.theta
dq2 = c(dq2.beta,dq2.theta)
# calcul de q3
tab.Zijm<-merge(tab.fijm,tab.qjm,by=c(varz,gmname))
Zijm<-tab.Zijm$Hijm*tab.Zijm$qjm
tab.Zijm$Zijm<-Zijm;
tab.Zijm$Fijm<-NULL
tab.Zijm$Pgm.y<-NULL
tab.Zijm$qjm<-NULL
dg312j.beta = (tab.Zijm$Fjm*tab.Zijm[,dHijm.names] - tab.Zijm[,dFjm.names]*tab.Zijm$Hijm)*tab.Zijm$Cjm/tab.Zijm$Fjm^2
# On renome les variables du data.frame dg312j.beta
names(dg312j.beta) = paste("dg312j.",colnames(vx),sep="")
dg312j.theta = (tab.Zijm$Fjm*tab.Zijm$dHijm.theta - tab.Zijm$dFjm.theta*tab.Zijm$Hijm)*tab.Zijm$Cjm/tab.Zijm$Fjm^2
tab.dg312 = data.frame(tab.Zijm,dg312j.beta,dg312j.theta)
names(tab.dg312) = c(names(tab.Zijm),names(dg312j.beta),"dg312j.theta")
# nv
mat.Zim<-fpol1(tab.Zijm,c("outc",gmname),"Zijm","Zim")
dg312.names = paste("dg312.",colnames(vx),sep="")
# Attention Ici, pour une raison inexpliquee, il faut que c(gmname,"outc") soient dans cet ordre pour un resultat correct
mat.dg312<-fpolm(tab.dg312,c(gmname,"outc"),c(names(dg312j.beta),"dg312j.theta"),c(dg312.names,"dg312.theta"))
Rm<-as.numeric(mat.Nm[,2])/as.numeric(mat.Nm$Nm)
mat.Rm<-data.frame(mat.Nm,Rm)
tab.wim<-merge(mat.Rm,mat.Zim,by=c(gmname))
wim<-(tab.wim$Rm)*(tab.wim$Zim);tab.wim$wim<-wim;
tab.wim$Pgm<-NULL;tab.wim$Nm<-NULL;
tab.wim$Pgm.x<-NULL
# Termes 311
dg311.beta = -mat.dNm.beta$Pgm*mat.dNm.beta[,dNm.names]/mat.Nm$Nm^2
names(dg311.beta) = paste("dg311.",colnames(vx),sep="")
dg311.theta = (mat.dNm.theta$dPgm.theta*mat.Nm$Nm - mat.dNm.theta$Pgm*mat.dNm.theta$dNm.theta)/mat.Nm$Nm^2
# Ici, prendre mat.dNm.beta ou mat.dNm.theta ne devrait rien changer. Voir s'il faut fusionner ces 2 mat
mat.dg311 = data.frame(mat.dNm.beta,dg311.beta,dg311.theta)
names(mat.dg311) = c(names(mat.dNm.beta),names(dg311.beta),"dg311.theta")
tmp = merge(tab.wim,mat.dg312,by=c("outc",gmname))
mat.dg31 = merge(tmp,mat.dg311,by=gmname)
# Attention En sommant les variables dg311.beta et dg312.names, le resultat garde les noms dg311.beta
dg31.beta = mat.dg31[,names(dg311.beta)]*mat.dg31$Zim + mat.dg31$Rm*mat.dg31[,dg312.names]
dg31.theta = mat.dg31$dg311.theta*mat.dg31$Zim + mat.dg31$Rm*mat.dg31$dg312.theta
dq3.beta = d[1]*apply(dg31.beta[tab.wim$outc==0,names(dg311.beta)],2,sum)/sum(tab.wim[tab.wim$outc==0,"wim"]) + d[2]*apply(dg31.beta[tab.wim$outc==1,names(dg311.beta)],2,sum)/sum(tab.wim[tab.wim$outc==1,"wim"])
dq3.theta = d[1]*sum(dg31.theta[tab.wim$outc==0])/sum(tab.wim[tab.wim$outc==0,"wim"]) + d[2]*sum(dg31.theta[tab.wim$outc==1])/sum(tab.wim[tab.wim$outc==1,"wim"])
dq3 = c(dq3.beta,dq3.theta)
return(dq1+dq1b+dq2+dq3)
}
return(gradient_prof)
}
Any scripts or data that you put into this service are public.
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.