3240962999

63

Notez que nous avons adopte 1’algorithme ci-dessus pour notre methode avec plu-sieurs caract&res et plusieurs SNPs a la fois. L’adaptation de cet algorithme a l’ap-proche de Klei se fait de faęon similaire puisąue cette derniere est un cas particulier de notre methode. Pour illustrer l’approximation ECDF et GPD> 5000 valeurs permu tees ont ete generees aleatoirement a partir de la distribution de Fisher (voir figurę 3.1). Dans la figurę 3.2, de gauche, les valeurs permutees qui excedent Qoba—5 vont definir l’excedent et sont modelisees a 1’aide de GPD. Qots est la statistique de test obtenu a partir de donnees non permutees. L’approximation GPD de la queue (misę a 1’echelle a rintervalle [(l — -ff, l]) est representee aux cótes de la fonction de distribution cumulative theorique dans la figurę 3.2 de droite. La p-valeur theorique, qui est derivee de la fonction de distribution cumulative de la distribution theo-rique Fisher (notee Pf) est comparee avec l’approximation de ECDF (notće P_ecdf) et l’approximation GPD (notee P_gvd) pour des valeurs qui excedent Q₀t_>s = 5.

Adaptation de 1’algorithme de Knijnenburg et dl, (2009) a notre approche

PCHg

On rappelle que pour tester la signification globale du modele, nous nous basons sur la statistique F de Fisher (3.3). Foba est la statistique d’origine ou de reference deduite de notre approche (sans permutation). Ensuite, on calcule la statistique de test Fb (b = 1 ,...,A) sur les echantillons permut^s. La p-valeur permutationnelle sera deduite de 1’algorithme decrit precśdemment en considerant F₀ba et Fb (b = 1,..., N) comme parametres d’entree de 1’algorithme. On rejette H₀ lorsque la p-valeur est inferieure ou śgale a un seuil nominał fixe d’avance.