R语言 preprocessCore包 rcModelPLMd()函数中文帮助文档(中英文对照)

loveR

rcModelPLMd(preprocessCore)
rcModelPLMd()所属R语言包：preprocessCore

                                        Fit robust row-column models to a matrix
                                         强大的行列模型，以适应矩阵

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

These functions fit row-column effect models to matrices using PLM-d
这些功能配合使用的PLM-D的矩阵的行列效应模型


用法----------Usage----------


rcModelPLMd(y,group.labels)



参数----------Arguments----------

参数：y
A numeric matrix
一个数字矩阵


参数：group.labels
A vector of group labels. Of length ncol(y)
一组标签的向量。长度ncol(y)


Details

详情----------Details----------

This functions first tries to fit row-column models to the specified input
这个功能第一次尝试，以适应指定的输入行列模型

with r_i and c_j as row and column effects respectively. Note that these functions treat the row effect as the parameter to be constrained using sum to zero.
用r_i和c_j分别为行和列的效果。请注意，这些功能被限制使用的总和为零的参数当作行的效果。

Next the residuals for each row are compared to the group variable. In cases where there appears to be a significant relationship, the row-effect is "split" and separate row-effect parameters, one for each group, replace the single row effect.
接下来的每一行的残差比较组变量。在那里似乎是一个重大的关系的情况下，该行对“分裂”和单独的行效果参数，每个组，取代单列效果。


值----------Value----------

A list with following items:
下列项目列表：


参数：Estimates
The parameter estimates. Stored in column effect then row effect order
参数估计。存储在列效果，然后排效果秩序


参数：Weights
The final weights used
所使用的决赛权


参数：Residuals
The residuals
残差


参数：StdErrors
Standard error estimates. Stored in column effect then row effect order
标准误差估计。存储在列效果，然后排效果秩序


参数：WasSplit
An indicator variable indicating whether or not a row was split with separate row effects for each group
与否，行分裂为每个组单独的行效果的一个指标变数


作者（S）----------Author(s)----------


B. M. Bolstad <a href="mailto:bmb@bmbolstad.com">bmb@bmbolstad.com</a>



举例----------Examples----------


col.effects <- c(10,11,10.5,12,9.5)
row.effects <- c(seq(-0.5,-0.1,by=0.1),seq(0.1,0.5,by=0.1))


y <- outer(row.effects, col.effects,"+")
y <- y + rnorm(50,sd=0.1)

rcModelPLMd(y,group.labels=c(1,1,2,2,2))


row.effects <- c(4,3,2,1,-1,-2,-3,-4)
col.effects  <- c(8,9,10,11,12,10)

y <- outer(row.effects, col.effects,"+") + rnorm(48,0,0.25)

y[8,4:6] <- c(11,12,10)+ 2.5 + rnorm(3,0,0.25)
y[5,4:6] <- c(11,12,10)+-2.5 + rnorm(3,0,0.25)


rcModelPLMd(y,group.labels=c(1,1,1,2,2,2))

par(mfrow=c(2,2))
matplot(y,type="l",col=c(rep("red",3),rep("blue",3)),ylab="residuals",xlab="probe",main="Observed Data")
matplot(rcModelPLM(y)$Residuals,col=c(rep("red",3),rep("blue",3)),ylab="residuals",xlab="probe",main="Residuals (PLM)")
matplot(rcModelPLMd(y,group.labels=c(1,1,1,2,2,2))$Residuals,col=c(rep("red",3),rep("blue",3)),xlab="probe",ylab="residuals",main="Residuals (PLM-d)")


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。