R version 4.4.1 (2024-06-14) -- "Race for Your Life" Copyright (C) 2024 The R Foundation for Statistical Computing Platform: x86_64-pc-linux-gnu R is free software and comes with ABSOLUTELY NO WARRANTY. You are welcome to redistribute it under certain conditions. Type 'license()' or 'licence()' for distribution details. Natural language support but running in an English locale R is a collaborative project with many contributors. Type 'contributors()' for more information and 'citation()' on how to cite R or R packages in publications. Type 'demo()' for some demos, 'help()' for on-line help, or 'help.start()' for an HTML browser interface to help. Type 'q()' to quit R. [Previously saved workspace restored] > > ## package: haplo.stats > ## test script: haplo.glm > > ## settings > verbose=TRUE > Sys.setlocale("LC_ALL", "C") [1] "LC_CTYPE=C;LC_NUMERIC=C;LC_TIME=C;LC_COLLATE=C;LC_MONETARY=C;LC_MESSAGES=en_US.UTF-8;LC_PAPER=en_US.UTF-8;LC_NAME=C;LC_ADDRESS=C;LC_TELEPHONE=C;LC_MEASUREMENT=en_US.UTF-8;LC_IDENTIFICATION=C" > Sys.getlocale() [1] "LC_CTYPE=C;LC_NUMERIC=C;LC_TIME=C;LC_COLLATE=C;LC_MONETARY=C;LC_MESSAGES=en_US.UTF-8;LC_PAPER=en_US.UTF-8;LC_NAME=C;LC_ADDRESS=C;LC_TELEPHONE=C;LC_MEASUREMENT=en_US.UTF-8;LC_IDENTIFICATION=C" > > require(haplo.stats) Loading required package: haplo.stats Loading required package: arsenal > > > ## this is a dataset borrowed from a haplo.stats user > # it has problems with recessive trait, but runs fast on all examples > > "data.test.glm" <- + structure(.Data = list(c(1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., + 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., + 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., + 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., + 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.) + , c(1., 2., 1., 2., 1., 1., 2., 1., 1., 2., 1., 2., 1., 1., 1., 1., 1., 2., 2., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 2., 2.,2., 2., 2., 1., 1., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 1., 2., 2., 1., 1., + 1., 1., 2., 1., 2., 2., 1., 2., 1., 2., 1., 2., 2., 1., 2., 2., 2.,1., 1., 1., 1., 1., 2., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 2., 1., 1., 2., 2., 1., 2., 1., 1., 1., 2., 1., 2., 1., 2., 2., 1., 1.,1., 1., 2., 1., 2., 1., 2., 2., 1., 2., 1., 1., 2., 2., 1., 2., 2., + 2., 1., 2., 2., 1., 2., 2., 1., 2., 1., 1., 2., 1., 1., 1., 1., 2.,2., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 2., 1., 2., 1., 1., 1., 1., 2., 2.,1., 2., 1., 2., 2., 1., 2., 1., 1., 1., 2., 2., 1., 1., 1., 1., 2., + 1., 1., 1., 1., 2., 2., 1., 2., 2., 2., 1., 1., 1., 2., 1., 1., 2.,1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 2., 2., 2., 1., 1., 1., 2., 1., 2., 1., 2., 1., 2., 1., 2., 1., 1., 1., 1., 1., 1., 2., 2., 1.,2., 2., 2., 1., 1., 2., 1., 1., 1., 1., 1., 2., 2., 1., 1., 1., 2., + 1., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 2., 2., 1., 2., 1., 2.,1., 1., 1., 2., 1., 1., 1., 1., 2., 2., 1., 1., 2., 1., 2., 2., 1., 1., 2., 1., 1., 1., 1., 1., 2., 1., 2., 1., 1., 2., 1., 2., 2., 2.,1., 1., 2., 1., 2., 1., 1., 1., 1., 1., 1., 2., 2., 1., 1., 2., 1., + 1., 1., 1., 2., 2., 2., 1., 1., 1., 1., 2., 1., 2., 2., 2., 2., 2.,1., 1., 2., 1., 2., 1., 2., 1., 2., 1., 1., 1., 1., 1., 1., 2., 2., 1., 2., 2., 1., 2., 2., 2., 1., 2., 1., 2., 2., 2., 1., 1., 1., 2.,1., 1., 2., 2., 2., 2., 1., 2., 2., 1., 2., 2., 1., 2., 1., 1., 1., + 2., 1., 2., 2., 1., 2., 1., 1., 1., 1., 1., 1., 1.), + c(1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 0., 1., 0.,0., 1., 1., 1., 1., 1., 1., 0., 1., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1., 0., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 0.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 2., 1., 1., 1., 1., 0., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,0., 1., 1., 1., 1., 1., 0., 1., 1., 1., 1., 1., 1.) + , c(1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., 2., 1., 2., 1., 1., 1., 1., 1., 2., 1., 2., 1., 2., 2., 1., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., 1.,2., 2., 1., 1., 1., 1., 1., 1., 1., 1., 2., 2., 1., 2., 1., 1., 1., + 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 2.,1., 2., 2., 1., 1., 1., 2., 2., 1., 1., 2., 1., 2., 2., 1., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., 2., 1., 2., 1., 1., 1., 1., 2., 1.,2., 1., 1., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 0., 1., 0., + 0., 1., 1., 1., 1., 2., 1., 0., 1., 2., 1., 1., 0., 1., 1., 1., 0.,1., 2., 0., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 2., 1., 0., 1., 1., 1., 1., 1., 2., 1., 2., 1., 2., 1., 1., 1., 1., 1., 2., 1.,1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 2., + 1., 1., 1., 1., 2., 2., 1., 1., 2., 0., 2., 2., 1., 1., 2., 1., 1.,1., 1., 2., 1., 1., 1., 1., 2., 1., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1.,1., 1., 1., 1., 2., 2., 1., 1., 2., 1., 1., 2., 1., 1., 2., 2., 2., + 1., 2., 1., 1., 1., 2., 2., 1., 1., 1., 2., 1., 1., 1., 1., 2., 1.,1., 1., 1., 1., 1., 2., 2., 2., 2., 1., 1., 1., 1., 1., 2., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 1., 2., 2., 2., 1., 1., 1., 1., 2.,1., 2., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 2., 2., + 2., 2., 2., 2., 1., 1., 2., 1., 1., 1., 2., 2., 1., 1., 1., 2., 1.,1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 2., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., 2., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 1.,1., 1., 2., 1., 2., 2., 2., 2., 1., 1., 1., 1., 1., 2., 1., 1., 1., + 0., 2., 1., 1., 1., 1., 0., 1., 1., 1., 2., 2., 2.) + , c(1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 2., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 2.,1., 1., 1., 1., 1., 1., 1., 0., 1., 1., 1., 1., 2., 1., 1., 1., 2., + 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,0., 1., 1., 1., 1., 1., 1., 0., 1., 1., 1., 2., 0., 0., 1., 1., 0., 2., 1., 0., 1., 1., 1., 1., 1., 0., 1., 1., 2., 1., 1., 1., 2., 1.,2., 1., 2., 1., 0., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 2., 2., + 1., 1., 2., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 0., 1., 1., 2., 2., 1., 1., 1., 1., 1., 1., 1., 0., 1., 2., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1.,1., 2., 1., 1., 1., 2., 1., 2., 1., 1., 1., 2., 1., 1., 1., 0., 1., + 2., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 2., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2.,1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., + 2., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 2., 1., 1.,1., 1., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 2., 1., 2., 1., 1., 1., 1., 1.,2., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., + 1., 2., 1., 2., 1., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 1.,0., 1., 1., 2., 1., 1., 0., 2., 1., 1., 1., 1., 1.) + , c(1., 2., 2., 2., 1., 1., 2., 2., 1., 2., 1., 1., 1., 1., 1., 2., 1., 2., 1., 2., 1., 1., 1., 2., 1., 1., 1., 1., 1., 2., 2., 2., 1., 2., 2., 1.,2., 1., 1., 1., 1., 1., 2., 2., 2., 2., 2., 1., 1., 2., 2., 1., 1., + 2., 1., 1., 1., 2., 2., 1., 2., 1., 1., 2., 1., 2., 1., 2., 1., 1.,2., 2., 1., 1., 2., 2., 1., 2., 2., 2., 2., 1., 2., 2., 1., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., 1., 2., 1., 2., 1., 1., 1., 1., 2.,2., 1., 2., 2., 1., 1., 2., 0., 2., 2., 2., 2., 2., 1., 2., 1., 2., + 1., 2., 1., 2., 2., 2., 1., 2., 1., 2., 1., 2., 1., 1., 1., 1., 2.,0., 1., 1., 2., 2., 2., 2., 0., 2., 2., 1., 2., 0., 0., 1., 2., 0., 2., 1., 0., 1., 2., 1., 1., 1., 0., 2., 2., 2., 1., 1., 2., 2., 1.,2., 2., 2., 1., 0., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 2., 2., + 1., 1., 2., 2., 2., 1., 1., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2.,1., 2., 2., 1., 1., 1., 1., 1., 2., 0., 2., 2., 2., 2., 2., 1., 2., 1., 2., 2., 1., 0., 1., 2., 2., 2., 2., 1., 1., 2., 2., 1., 2., 2.,2., 2., 1., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 1., 1., 0., 2., + 2., 2., 2., 2., 1., 1., 2., 1., 1., 2., 2., 1., 2., 2., 1., 1., 2.,1., 1., 1., 2., 2., 2., 1., 1., 1., 2., 2., 2., 2., 2., 2., 1., 1., 2., 2., 1., 2., 1., 1., 2., 1., 2., 1., 2., 1., 1., 1., 1., 2., 2.,2., 2., 2., 2., 2., 2., 1., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., + 2., 1., 1., 1., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 1.,1., 1., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 2., 1., 2., 2., 1., 1., 2., 2., 2., 2., 2., 1., 1., 2., 2., 2., 2., 2., 1., 2., 2., 1.,2., 2., 1., 2., 2., 2., 2., 2., 2., 1., 1., 1., 2., 1., 1., 2., 1., + 2., 2., 2., 2., 1., 1., 2., 1., 2., 2., 1., 2., 2., 2., 1., 2., 1.,0., 2., 2., 2., 2., 2., 0., 2., 1., 2., 1., 1., 2.) + , c(2., 2., 1., 1., 2., 2., 1., 1., 2., 1., 1., 2., 2., 2., 1., 1., 2., 1., 2., 1., 1., 2., 2., 1., 2., 2., 2., 2., 2., 2., 1., 1., 2., 1., 1., 2., 1., 2., 2., 2., 2., 1., 1., 1., 1., 1., 1., 1., 2., 1., 1., 2., 2.,2., 2., 2., 2., 1., 1., 2., 1., 2., 2., 1., 2., 1., 2., 1., 1., 2., + 1., 1., 1., 2., 1., 1., 2., 2., 1., 1., 1., 2., 1., 1., 1., 2., 1.,2., 1., 1., 1., 2., 2., 1., 1., 2., 1., 2., 1., 2., 2., 2., 2., 1., 1., 2., 1., 1., 2., 2., 2., 2., 1., 1., 1., 1., 1., 2., 1., 2., 1.,2., 1., 2., 1., 1., 1., 2., 1., 2., 1., 2., 1., 2., 2., 1., 2., 1., + 2., 2., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1., 2., 1., 2., 1., 1.,2., 1., 2., 2., 1., 2., 2., 1., 2., 1., 1., 1., 2., 2., 1., 1., 2., 1., 2., 1., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 1., 1.,2., 2., 1., 1., 1., 2., 2., 1., 1., 2., 2., 1., 2., 1., 1., 2., 1., + 2., 1., 1., 2., 1., 1., 2., 2., 1., 1., 1., 1., 1., 1., 1., 1., 1.,2., 1., 1., 2., 1., 2., 1., 1., 1., 1., 1., 2., 1., 1., 2., 1., 1., 1., 1., 2., 1., 1., 1., 1., 1., 1., 2., 1., 1., 2., 2., 2., 1., 2.,1., 1., 1., 1., 1., 2., 1., 2., 2., 1., 1., 2., 1., 1., 2., 2., 1., + 2., 2., 2., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 1., 1., 2., 2.,1., 1., 2., 1., 2., 2., 1., 2., 1., 2., 2., 2., 2., 2., 2., 1., 1., 1., 1., 1., 2., 1., 1., 2., 2., 2., 2., 1., 1., 2., 2., 2., 2., 1.,1., 2., 2., 1., 2., 1., 1., 1., 1., 2., 1., 1., 1., 2., 1., 1., 1., + 1., 2., 2., 1., 1., 2., 2., 1., 2., 2., 1., 1., 1., 2., 1., 1., 2.,2., 1., 1., 1., 1., 1., 2., 2., 1., 1., 1., 1., 1., 2., 1., 1., 1., 2., 1., 2., 1., 1., 1., 1., 1., 1., 2., 1., 2., 1., 1., 2., 1., 2.,1., 1., 1., 1., 1., 2., 1., 1., 1., 2., 2., 1., 1., 1., 2., 1., 2., + 1., 1., 1., 1., 1., 1., 2., 1., 2., 1., 1., 2., 1.) + , c(2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2.,2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2.,2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., + 2., 2., 2., 2., 1., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2.,2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 1., 2., 1., 2., 2., 2., 1.,2., 1., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., + 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 1., 2., 1., 2., 2., 2.,2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 1., 2., 2., 2., 2., 1., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 1.,2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., + 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 1., 2., 2., 2.,2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 1., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2.,1., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 1., + 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2.,2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2.,1., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 1., 2., 2., + 1., 2., 2., 2., 1., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 1., 2.,2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., 2.,2., 1., 2., 2., 1., 2., 2., 2., 2., 2., 2., 2., 2., 1., 2., 2., 2., + 1., 2., 2., 1., 2., 2., 2., 1., 2., 2., 1., 2., 2.)) + , names = c("y3", "sex3", "V19", "V20", "V29", "V30", "V35", "V36") + , row.names = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14","15", "16", "17", "18", "19", "20", "21", "22", "23", "24", "25", "26","27", "28", "29", "30", "31", "32", "33", "34", "35", "36", "37", "38", + "39", "40", "41", "42", "43", "44", "45", "46", "47", "48", "49", "50", "51", "52", "53", "54", "55", "56", "57", "58", "59", "60", "61", "62", "63", "64", "65", "66", "67", "68", "69", "70", "71", "72", "73", "74", + "75", "76", "77", "78", "79", "80", "81", "82", "83", "84", "85", "86", "87", "88", "89", "90", "91", "92", "93", "94", "95", "96", "97", "98", "99", "100", "101", "102", "103", "104", "105", "106", "107", "108", + "109", "110", "111", "112", "113", "114", "115", "116", "117", "118","119", "120", "121", "122", "123", "124", "125", "126", "127", "128", "129", "130", "131", "132", "133", "134", "135", "136", "137", "138", + "139", "140", "141", "142", "143", "144", "145", "146", "147", "148","149", "150", "151", "152", "153", "154", "155", "156", "157", "158","159", "160", "161", "162", "163", "164", "165", "166", "167", "168", + "169", "170", "171", "172", "173", "174", "175", "176", "177", "178","179", "180", "181", "182", "183", "184", "185", "186", "187", "188","189", "190", "191", "192", "193", "194", "195", "196", "197", "198", + "199", "200", "201", "202", "203", "204", "205", "206", "207", "208","209", "210", "211", "212", "213", "214", "215", "216", "217", "218","219", "220", "221", "222", "223", "224", "225", "226", "227", "228", + "229", "230", "231", "232", "233", "234", "235", "236", "237", "238","239", "240", "241", "242", "243", "244", "245", "246", "247", "248","249", "250", "251", "252", "253", "254", "255", "256", "257", "258", + "259", "260", "261", "262", "263", "264", "265", "266", "267", "268","269", "270", "271", "272", "273", "274", "275", "276", "277", "278","279", "280", "281", "282", "283", "284", "285", "286", "287", "288", + "289", "290", "291", "292", "293", "294", "295", "296", "297", "298","299", "300", "301", "302", "303", "304", "305", "306", "307", "308","309", "310", "311", "312", "313", "314", "315", "316", "317", "318", + "319", "320", "321", "322", "323", "324", "325", "326", "327", "328","329", "330", "331", "332", "333", "334", "335", "336", "337", "338","339", "340", "341", "342", "343", "344", "345", "346", "347", "348", + "349", "350", "351", "352", "353", "354", "355", "356", "357", "358","359", "360", "361", "362", "363", "364", "365", "366", "367", "368","369", "370", "371", "372", "373", "374", "375", "376", "377", "378", + "379", "380", "381", "382", "383", "384", "385", "386", "387", "388","389", "390", "391", "392", "393", "394", "395", "396", "397", "398","399", "400", "401", "402", "403", "404", "405", "406", "407", "408", + "409", "410", "411", "412", "413", "414", "415", "416", "417", "418","419", "420", "421", "422", "423"), class = "data.frame") > > > # Jason Sinnwell 3/2004 > # Mayo Clinic, Biostatistics > > > if(verbose) cat("setting up data...\n") setting up data... > > # prepare a short example dataset, labaled as '3' > # ht3 <- source("dump.ht3.s"), this is now at top of file > geno3 <- data.test.glm[,-(1:2)] > sex3 <- data.test.glm$sex > y3 <- data.test.glm$y3 > set.seed(10) > rgaus3 <- ifelse(y3==1, rnorm(423, .5, 1), rnorm(423)) > > label3<-c("M1","M2","M3") > geno3<-setupGeno(geno3, miss.val=c(0,NA)) > my.data3<-data.frame(geno3=geno3, sex3=sex3, y3=y3, + gaus3=rgaus3, gaus3.100=rgaus3*100) > > > # use freq.min as a guide for choosing minimum hap frequency > freq.min3 <- 5/(2*nrow(geno3)) > > > # prepare the hla dataset, > # runs a lot longer, and MS alleles don't all start w/ 1, 2... > label <-c("DQB","DRB","B") > > data(hla.demo) > > y <- hla.demo$resp > y.bin <- 1*(hla.demo$resp.cat=="low") > > geno <- as.matrix(hla.demo[,c(17,18,21:24)]) > > geno <- setupGeno(geno, miss.val=c(0,NA)) > > # geno now has an attribute 'unique.alleles' which must be passed to > # haplo.glm as allele.lev=attributes(geno)$unique.alleles, see below > > my.data <- data.frame(geno=geno, age=hla.demo$age, male=hla.demo$male, + y=y, y.bin=y.bin) > > seed <- c(17, 53, 1, 40, 37, 0, 62, 56, 5, 52, 12, 1) > > if(verbose) cat("regular haplo.glm, additive genetic trait, and \n") regular haplo.glm, additive genetic trait, and > set.seed(seed) > fit3.add <- haplo.glm(y3~geno3, family=binomial,na.action="na.geno.keep", + data=my.data3, locus.label=label3, miss.val = c(0, NA), + method = "glm.fit", model = FALSE, x = FALSE, y = TRUE, contrasts = NULL, + control = haplo.glm.control(haplo.freq.min=freq.min3, haplo.effect="add", + haplo.base = NULL, sum.rare.min = 0.001, + haplo.min.info = 0.001,keep.rare.haplo = TRUE, + glm.c = glm.control(maxit = 500), em.c = haplo.em.control())) > > set.seed(seed) > fit3.add.sex <- haplo.glm(y3~geno3+sex3, family=binomial,na.action="na.geno.keep", + data=my.data3, locus.label=label3, miss.val = c(0, NA), + method = "glm.fit", model = FALSE, x = FALSE, y = TRUE, contrasts = NULL, + control = haplo.glm.control(haplo.freq.min=freq.min3, haplo.effect="add", + haplo.base = NULL, sum.rare.min = 0.001, + haplo.min.info = 0.001,keep.rare.haplo = TRUE, + glm.c = glm.control(maxit = 500), em.c = haplo.em.control())) > > anova3 <- anova(fit3.add, fit3.add.sex) > > > if(verbose) cat("fit a binary trait\n") fit a binary trait > set.seed(seed) > fit.hla.bin <- haplo.glm(y.bin ~ male + geno, family = binomial, + na.action="na.geno.keep", data=my.data, locus.label=label, + control = haplo.glm.control(haplo.min.count=8)) > > if(verbose) cat(" gaussian with covariates, additive\n") gaussian with covariates, additive > > set.seed(seed) > fit.hla.gaus.gender <- haplo.glm(y ~ male + geno, family = gaussian, + na.action="na.geno.keep", + data=my.data, locus.label=label, + control = haplo.glm.control(haplo.min.count=5)) > > if(verbose) cat("gaussian with covariate, multiplicative\n") gaussian with covariate, multiplicative > set.seed(seed) > fit.hla.gaus.inter <- haplo.glm(y ~ male * geno, family = gaussian, + na.action="na.geno.keep", data=my.data, locus.label=label, + control = haplo.glm.control(haplo.min.count = 5)) > > anova.hlagaus <- anova(fit.hla.gaus.gender, fit.hla.gaus.inter) > > > if(verbose) cat("print anova results\n") print anova results > > > cat("3-locus haplotype from a user\n") 3-locus haplotype from a user > print(anova3) Analysis of Deviance Table Model 1: y3 ~ geno3 Model 2: y3 ~ geno3 + sex3 Resid. Df Resid. Dev Df Deviance Pr(>Chi) 1 416 508.44 2 415 507.97 1 0.47331 0.4915 > > cat("hla haplotype additive and interactions\n") hla haplotype additive and interactions > print(anova.hlagaus) Analysis of Deviance Table Model 1: y ~ male + geno Model 2: y ~ male * geno Resid. Df Resid. Dev Df Deviance Pr(>Chi) 1 200 252.33 2 182 225.33 18 27.007 0.2404 > > cat("try to run anova one fit, this returns nothing\n") try to run anova one fit, this returns nothing > anova(fit.hla.gaus.inter) Warning message: In anova.haplo.glm(fit.hla.gaus.inter) : This method only allows comparison between two or more glm/haplo.glm model fits. > print(warnings()) Warning message: In anova.haplo.glm(fit.hla.gaus.inter) : This method only allows comparison between two or more glm/haplo.glm model fits. > > > proc.time() user system elapsed 13.113 0.282 13.791