Here we demonstrate the matrix alge

Here we demonstrate the matrix algebra involved in solving the mixed model equations. For this small example, we will not actually estimate the variance components from the data but instead will use fixed values for the variance components as if they were estimated (or known) a priori ( =1 and =0.1 in this example). This is seldom the case in practice and later we will see how mixed models provide a powerful tool to simultaneously obtain both solutions for fixed and random effects and estimates of variance components.
From the model outlined above, the solutions for fixed effects (BLUEs) are:

結果 (中文) 1:

在这里，我们表明参与的混合的模型方程组的矩阵代数。对于这个小的示例，我们将不实际方差分量估计的数据但相反将使用固定的值方差分量好像他们被估计 （或已知） 先验 （= 1 和 = 0.1 在这个例子中）。这是很少在实践中的案例和稍后我们将看到如何混合的模型提供一个强大的工具，同时获得两种解决方案都固定和随机效应和方差分量估计。从上文所述的模型，为固定效应 （蓝调） 解决方案是︰

結果 (中文) 2:

这里，我们证明参与解决混合模型方程的矩阵代数。对于这个小例子，我们实际上不会估算数据方差分量，而是将使用固定的值，方差分量，好像他们是估计（或已知）的先验（= 1，并在本例中为0.1）。这是很少在实践中的情况，后来我们将看到混合模型是如何提供一个强大的工具，同时获得固定和随机效应和方差分量估计这两种解决方案。
从上面列出的模型，为固定效应（蓝色）的解决方案是：

結果 (中文) 3:

在这里，我们展示了解决混合模型方程所涉及的矩阵代数。对于这个小例子，我们将不会实际估计的方差分量的数据，而是使用固定值的方差分量，如果他们估计（或已知）的先验（= 1和= 0.1在这个例子中）。在实践中，这是很少的情况下，我们将看到如何混合模型提供了一个功能强大的工具，同时获得两种解决方案的固定和随机效应和方差分量的估计。从上述模型，固定效应（蓝调）的解决方案是：