R语言 qpgraph包 qpPCC()函数中文帮助文档(中英文对照)

loveR

qpPCC(qpgraph)
qpPCC()所属R语言包：qpgraph

                                         Estimation of Pearson correlation coefficients
                                         Pearson相关系数的估计

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Estimates Pearson correlation coefficients (PCCs) and their corresponding P-values between all pairs of variables from an input data set.
估计Pearson相关系数（PCCS）和其相应的P值变量之间的所有对输入数据集。


用法----------Usage----------


## S4 method for signature 'ExpressionSet'
qpPCC(X)
## S4 method for signature 'data.frame'
qpPCC(X, long.dim.are.variables=TRUE)
## S4 method for signature 'matrix'
qpPCC(X, long.dim.are.variables=TRUE)



参数----------Arguments----------

参数：X
data set from where to estimate the Pearson correlation coefficients. It can be an ExpressionSet object, a data frame or a matrix.
数据集从那里来估计Pearson相关系数。它可以是一个ExpressionSet对象，一个数据框或一个矩阵。


参数：long.dim.are.variables
logical; if TRUE it is assumed that when X is a data frame or 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.
如果为TRUE逻辑;假定X是一个数据框或一个矩阵，较长的尺寸是一个定义的随机变量（默认）;如果为FALSE，则随机变量的假设是在列数据框或矩阵。


Details

详情----------Details----------

The calculations made by this function are the same as the ones made for a single pair of variables by the function cor.test but for all the pairs of variables in the data set.
此功能的计算是作为一个单变量对cor.test但所有对数据集的变量函数的相同。


值----------Value----------

A list with two matrices, one with the estimates of the PCCs and the other with their P-values.
两个矩阵，一个与PCCS估计和其P值列表。


作者（S）----------Author(s)----------


R. Castelo and A. Roverato



参见----------See Also----------

qpPAC
qpPAC


举例----------Examples----------


require(graph)
require(mvtnorm)

nVar <- 50 ## number of variables[＃变量]
nObs <- 10 ## number of observations to simulate[＃号观测到模拟]

set.seed(123)

g <- randomEGraph(as.character(1:nVar), p=0.15)

Sigma <- qpG2Sigma(g, rho=0.5)
X <- rmvnorm(nObs, sigma=as.matrix(Sigma))

pcc.estimates <- qpPCC(X)

## get the corresponding boolean adjacency matrix[＃得到相应的布尔邻接矩阵]
A <- as(g, "matrix") == 1

## Pearson correlation coefficients of the present edges[目前的边缘＃皮尔逊相关系数]
summary(abs(pcc.estimates$R[upper.tri(pcc.estimates$R) &amp; A]))

## Pearson correlation coefficients of the missing edges[＃皮尔森相关系数失踪边缘]
summary(abs(pcc.estimates$R[upper.tri(pcc.estimates$R) &amp; !A]))


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。