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

loveR

qpCItest(qpgraph)
qpCItest()所属R语言包：qpgraph

                                         Conditional independence test
                                         有条件的独立性测试

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Performs a conditional independence test between two variables given a conditioning set.
执行给予了空调集的两个变量之间的条件独立性测试。


用法----------Usage----------


## S4 method for signature 'ExpressionSet'
qpCItest(X, i=1, j=2, Q=c(), I=NULL, R.code.only=FALSE)
## S4 method for signature 'data.frame'
qpCItest(X, i=1, j=2, Q=c(), I=NULL, long.dim.are.variables=TRUE,
                                exact.test=TRUE, R.code.only=FALSE)
## S4 method for signature 'matrix'
qpCItest(X, i=1, j=2, Q=c(), I=NULL, n=NULL, long.dim.are.variables=TRUE,
                            exact.test=TRUE, R.code.only=FALSE)



参数----------Arguments----------

参数：X
data set where the test should be performed. It can be either an ExpressionSet object, a data frame, or a matrix. If it is a matrix and the matrix is squared then this function assumes the matrix corresponds to the sample covariance matrix of the data and the sample size parameter n should be provided.
数据集的地方应进行测试。它可以是一个ExpressionSet对象，一个数据框，或一个矩阵。如果它是一个矩阵，矩阵的平方，那么假定矩阵对应的数据样本协方差矩阵和样本大小参数n应提供此功能。


参数：i
index or name of one of the two variables in X to test.
指数X测试两个变量之一或名称。


参数：j
index or name of the other variable in X to test.
指数或其他在X测试的变量名称。


参数：Q
indexes or names of the variables in X forming the conditioning set.
索引或X形成空调集的变量的名称。


参数：I
indexes or names of the variables in X that are discrete. See details below regarding this argument.
索引或X，变量的名称，是离散的。详情请参阅下面关于这个论点。


参数：n
number of observations in the data set. Only necessary when the sample covariance matrix is provided through the X parameter.
在数据集的观测数。只有必要时通过X参数提供的样本协方差矩阵。


参数：long.dim.are.variables
logical; if TRUE it is assumed that when data are in a data frame or in a matrix, the longer dimension is the one defining the random variables (default); if FALSE, then random variables are assumed to be at the columns of the data frame or matrix.
逻辑;如果为TRUE，则假定，在一个数据框或矩阵中的数据时，较长的尺寸是一个随机变量的定义（默认），如果为FALSE，则随机变量被假定为在数据列框或矩阵。


参数：exact.test
logical; if FALSE an asymptotic conditional independence test is employed with mixed (i.e., continuous and discrete) data; if TRUE (default) then an exact conditional independence test with mixed data is employed. See details below regarding this argument.
逻辑;如果FALSE一个渐进的条件独立性测试采用混合（即连续和离散）数据;如果TRUE（默认），然后一个确切的数据好坏参半，有条件的独立测试采用。详情请参阅下面关于这个论点。


参数：R.code.only
logical; if FALSE then the faster C implementation is used (default); if TRUE then only R code is executed.
逻辑;如果为FALSE则更快的C实现使用（默认）;如果TRUE，那么只有R代码被执行。


Details

详情----------Details----------

Note that the size of possible Q sets should be in the range 1 to min(p,n-3), where p is the number of variables and n the number of observations. The computational cost increases linearly with the number of variables in Q.
请注意，可能Q套的规模应该在1min(p,n-3)，p是变量的数目和n若干意见的范围。计算成本的增加而线性与变量Q的数量。

When I is set different to NULL then mixed graphical model theory is employed and, concretely, it is assumed that the data comes from an homogeneous conditional Gaussian distribution. In this setting further restrictions to the maximum value of q apply, concretely, it cannot be smaller than p plus the number of levels of the discrete variables involved in the marginal distributions employed by the algorithm. By default, with exact.test=TRUE, an exact test for conditional independence is employed, otherwise an asymptotic one will be used. Full details on these features can be found in Tur and Castelo (2011).
当INULL然后混合图形模型理论采用，具体设置不同，它是假设，从同质化的条件高斯分布的数据。在此设置的最大值进一步限制q申请，具体的，它不能比p小加参与该算法采用的边缘分布的离散变量的水平数。默认情况下，exact.test=TRUE用，有条件独立的确切测试就业，否则一个渐进的将使用。对这些功能的全部细节，可以发现在图尔堡（2011）。


值----------Value----------

A list with two members, the value of the statistic and its corresponding P-value of rejecting the null hypothesis of conditional independence.
两名成员，统计值及其对应的P值拒绝零假设条件独立的名单。


作者（S）----------Author(s)----------


R. Castelo and A. Roverato



参考文献----------References----------

Gaussian graphical model search from microarray data with p larger than n, J. Mach. Learn. Res., 7:2621-2650, 2006.
In Proc. 27th Conference on Uncertainty in Artificial Intelligence, F.G. Cozman and A. Pfeffer eds., pp. 689-697, AUAI Press, ISBN 978-0-9749039-7-2, Barcelona, 2011.

参见----------See Also----------

qpNrr qpEdgeNrr
qpNrrqpEdgeNrr


举例----------Examples----------


require(mvtnorm)

nObs <- 100 ## number of observations to simulate[＃号观测到模拟]

## the following adjacency matrix describes an undirected graph[＃以下的邻接矩阵描述一个无向图]
## where vertex 3 is conditionally independent of 4 given 1 AND 2[顶点3＃，其中是有条件的4个独立的1和2]
A <- matrix(c(FALSE,  TRUE,  TRUE,  TRUE,
              TRUE,  FALSE,  TRUE,  TRUE,
              TRUE,   TRUE, FALSE, FALSE,
              TRUE,   TRUE, FALSE, FALSE), nrow=4, ncol=4, byrow=TRUE)
Sigma <- qpG2Sigma(A, rho=0.5)

X <- rmvnorm(nObs, sigma=as.matrix(Sigma))

qpCItest(X, i=3, j=4, Q=1, long.dim.are.variables=FALSE)

qpCItest(X, i=3, j=4, Q=c(1,2), long.dim.are.variables=FALSE)

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。