R语言 HEM包 hem.fdr()函数中文帮助文档(中英文对照)

loveR

hem.fdr(HEM)
hem.fdr()所属R语言包：HEM

                                        FDR Evaluation
                                         FDR评价

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Computes resampling-based False Discovery Rate (FDR)
计算基于重采样的错误发现率（FDR）


用法----------Usage----------


hem.fdr(dat,  n.layer, design, rep=TRUE, hem.out, eb.out=NULL, n.iter=5, q.trim=0.9,
        target.fdr=c(0.001, 0.005, 0.01, 0.05, 0.1, 0.15, 0.20, 0.30, 0.40, 0.50),
        n.digits=10, print.message.on.screen=TRUE)



参数----------Arguments----------

参数：dat
data
数据


参数：n.layer
number of layers: 1=one-layer EM; 2=two-layer EM
层数：1层EM 2 =两层EM;


参数：design
design matrix
设计矩阵


参数：rep
no replication if FALSE   
如果为FALSE没有复制


参数：hem.out
output from hem function
从下摆函数输出


参数：eb.out
output from hem.eb.prior function
从hem.eb.prior功能输出


参数：n.iter
number of iterations
迭代次数


参数：q.trim
quantile used for estimtaing the proportion of true negatives (pi0)
位数使用为estimtaing真阴性的比例（PI0）


参数：target.fdr
Target FDRs
目标FDRs


参数：n.digits
number of digits
的位数


参数：print.message.on.screen
if TRUE, process status is shown on screen.
如果为TRUE，进程状态显示在屏幕上。


值----------Value----------


参数：fdr
H-values and corresponding FDRs
H型值和相应的FDRs


参数：pi0
estimated proportion of true negatives
真正的底片比例估计


参数：H.null
H-scores from null data
空数据的H-分数


参数：targets
given target FDRs, corrsponding critical values and numbers of significant genes are provided
提供给定的目标FDRs，corrsponding临界值和数字的显著基因


作者（S）----------Author(s)----------



HyungJun Cho and Jae K. Lee




参见----------See Also----------

hem.eb.prior  hem
hem.eb.priorhem


举例----------Examples----------



data(pbrain)

##construct a design matrix[＃构造设计矩阵]
cond <- c(1,1,1,1,1,1,2,2,2,2,2,2)
ind  <- c(1,1,2,2,3,3,1,1,2,2,3,3)
rep  <- c(1,2,1,2,1,2,1,2,1,2,1,2)
design <- data.frame(cond,ind,rep)

##normalization[＃标准化]
pbrain.nor <- hem.preproc(pbrain[,2:13])

##take a subset for a testing purpose;[＃用于测试目的的一个子集;]
##use all genes for a practical purpose[＃实际用途使用的所有基因]
pbrain.nor <- pbrain.nor[1:1000,]

##estimate hyperparameters of variances by LPE[＃方差估计液相hyperparameters]
#pbrain.eb  &lt;- hem.eb.prior(pbrain.nor, n.layer=2,  design=design,[pbrain.eb < -  hem.eb.prior（pbrain.nor，n.layer = 2，设计=设计，]
#                           method.var.e="neb", method.var.b="peb")     [method.var.e =“纳布”，“method.var.b =”PEB）]

##fit HEM with two layers of error[＃适合下摆两层的错误]
##using the small numbers of burn-ins and MCMC samples for a testing purpose;[＃烧伤插件的MCMC样本和测试目的的小数字;]
##but increase the numbers for a practical purpose [＃但为实用目的增加的数量]
#pbrain.hem &lt;- hem(pbrain.nor, n.layer=2,  design=design,burn.ins=10, n.samples=30, [pbrain.hem < - 下摆（pbrain.nor，n.layer = 2，设计设计，burn.ins = 10，n.samples = 30，]
#              method.var.e="neb", method.var.b="peb", [method.var.e =“纳布”，method.var.b =“PEB”]
#              var.e=pbrain.eb$var.e, var.b=pbrain.eb$var.b)[var.e = $ pbrain.eb var.e，var.b = pbrain.eb美元var.b）]

##Estimate FDR based on resampling [＃估计FDR的基础上重新取样]
#pbrain.fdr &lt;- hem.fdr(pbrain.nor, n.layer=2,  design=design, [pbrain.fdr < -  hem.fdr（pbrain.nor，n.layer = 2，设计=设计，]
#                  hem.out=pbrain.hem, eb.out=pbrain.eb)[hem.out = pbrain.hem，eb.out = pbrain.eb）]


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。