twoSampleFromGraph(DEGraph)
twoSampleFromGraph()所属R语言包：DEGraph
Given a basis (typically the eigenvectors of a graph Laplacian), builds two multivariate normal samples with mean shift located in the first elements of the basis
鉴于基础（通常是一个图的拉普拉斯算子的特征向量），建立两个均值偏移的多元在位于正常样本的基础上的第一要素
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Given a basis (typically the eigenvectors of a graph Laplacian), builds two multivariate normal samples with mean shift located in the first elements of the basis.
鉴于基础（通常是一个图的拉普拉斯算子的特征向量），建立多元的基础上的第一要素位于均值漂移的正常样本。
用法----------Usage----------
twoSampleFromGraph(n1=20, n2=n1, shiftM2=0, sigma, U, k=ceiling(ncol(U)/3))
参数----------Arguments----------
参数：n1
An integer value specifying the number of points in the first sample.
integer值，指定在第一个样本点的数量。
参数：n2
An integer value specifying the number of points in the second sample.
integer值，第二个示例中指定的点数。
参数：shiftM2
A numeric value giving the desired squared Mahalanobis norm of the mean shift between the two samples.
一个numeric价值提供所需的平方之间的两个样本的均值漂移马氏规范。
参数：sigma
A matrix giving the covariance structure of each sample.
给每个样本的协方差结构矩阵。
参数：U
A matrix giving the desired basis.
矩阵提供所需的基础。
参数：k
An integer value giving the number of basis elements in which the mean shift must be located.
integer值必须位于均值漂移的基础元素。
值----------Value----------
A list with named elements:
一个list命名的元素：
X1 The first sample in the original basis (before transformation by U).
在原有的基础上X1的第一个样本（由U改造前）。
X2 The second sample in the original basis (before transformation by U).
在原有的基础上X2的第二个样本（由U改造前）。
X1 The first sample in the specified basis (after transformation by U).
X1的第一个范例，在指定的基础上改造后的U。
X2 The second sample in the specified basis (after transformation by U).
在指定的基础上X2的第二个样本（通过U改造后）。
mu1 The population mean of F1
MU1人口平均F1
mu2 The population mean of F2
MU2人口平均的F2
diff mu1 - mu2
差异MU1 - MU2
作者（S）----------Author(s)----------
Laurent Jacob, Pierre Neuvial and Sandrine Dudoit
举例----------Examples----------
library("KEGGgraph")
library("rrcov")
## Create a random graph[＃创建一个随机图]
graph <- randomWAMGraph(nnodes=5, nedges=7, verbose=TRUE)
plot(graph)
## Retrieve its adjacency matrix[＃找回它的邻接矩阵]
A <- graph@adjMat
## write it to KGML file[＃写KGML文件的]
grPathname <- "randomWAMGraph.xml"
writeAdjacencyMatrix2KGML(A, pathname=grPathname, verbose=TRUE, overwrite=TRUE)
## read it from file[＃从文件中读取]
gr <- parseKGML2Graph(grPathname)
## Two examples of Laplacians from the same graph[＃两个例子相同的图的拉普拉斯]
lapMI <- laplacianFromA(A, ltype="meanInfluence")
print(lapMI)
lapN <- laplacianFromA(A, ltype="normalized")
print(lapN)
U <- lapN$U
p <- nrow(A)
sigma <- diag(p)/sqrt(p)
X <- twoSampleFromGraph(100, 120, shiftM2=1, sigma, U=U, k=3)
## T2[＃T2的]
t <- T2.test(X$X1,X$X2)
str(t)
tu <- graph.T2.test(X$X1, X$X2, lfA=lapMI, k=3)
str(tu)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-2-25 16:25:48
