rvpredict(rv)
rvpredict()所属R语言包：rv
Generate predictions from models
生成预测模型
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Performs predictions (in the form of rv objects) from models based on given covariates.
执行模型的预测（在的形式rv对象）从给定的协变量的基础上。
用法----------Usage----------
rvpredict(object, ...)
## S3 method for class 'lm'
rvpredict(object, newdata, ...)
参数----------Arguments----------
参数：object
An object representing a statistical model fit.
一个对象的统计模型拟合。
参数：newdata
A data frame with new covariates to be used in the predictions. The column names of the data frame must match those in the model matrix (although order may be arbitrary). If omitted, the model matrix is used instead; the resulting predictions are then the replications of the data. Note: this can be an rv object to incorporate extra uncertainty into predictions.
一个数据框中要使用的预测的新的协变量。的数据框的列名必须符合的模型矩阵（虽然可能是任意的）。如果省略，代替的模型矩阵，然后将所得到的预测是复制的数据。注意：这可能是一个rv对象将额外的不确定性的预测。
参数：...
Arguments passed to and from other methods.
参数传递给其他方法。
Details
详细信息----------Details----------
The lm method generates predictions of the outcome variable. The posterior coefficient estimates (the “intercept” and the “betas”) are estimated Bayesianly by posterior(object); the coefficients are multiplied by newdata (if omitted, the model covariate matrix is used instead) to obtain the predicted model mean; lastly, the outcomes are predicted from the Normal sampling model, taking into account the sampling variability along with the uncertainty in the estimation of the standard deviation ("sigma").
lm方法产生的结果变量的预测。由posterior(object);的系数乘以newdata（如果省略，模型协变量矩阵代替）Bayesianly后系数估计值（“截取”和“测试版”）估计得到的预测模型是什么意思，最后，从正常的抽样模型预测的结果，同时考虑到抽样变异的不确定性估计的标准差（SIGMA）。
The covariate matrix newdata can be an rv, representing additional uncertainty in the covariates.
协方差阵newdatarv，代表额外的协变量的不确定性。
值----------Value----------
For the lm method, a vector as long as there are rows in the data frame newdata.
对于lm方法，只要有数据框中的newdata的行向量。
（作者）----------Author(s)----------
J Kerman
实例----------Examples----------
## Create some fake data[＃创建一些假数据]
n <- 10
## Some covariates[＃一些协变量]
set.seed(1)
X <- data.frame(x1=rnorm(n, mean=0), x2=rpois(n, 10) - 10)
y.mean <- (1.0 + 2.0 * X$x1 + 3.0 * X$x2)
y <- rnorm(n, y.mean, sd=1.5) ## n random numbers[＃n的随机数]
D <- cbind(data.frame(y=y), X)
## Regression model fit[＃回归模型拟合]
obj <- lm(y ~ x1 + x2, data=D)
## Bayesian estimates[＃贝叶斯估计]
posterior(obj)
## Replications[＃复制]
y.rep <- rvpredict(obj)
## Predictions at the mean of the covariates[＃协变量的平均预测]
X.pred <- data.frame(x1=mean(X$x1), x2=mean(X$x2))
y.pred <- rvpredict(obj, newdata=X.pred)
## Plot predictions[＃图预测]
plot.rv(D$x1, y.rep)
points(D$x1, D$y, col="red")
## `Perturb' (add uncertainty to) covariate x1[＃扰动“（添加的不确定性）协变量X1]
X.pred2 <- X
X.pred2$x1 <- rnorm(n=n, mean=X.pred2$x1, sd=sd(X.pred2$x1))
y.pred2 <- rvpredict(obj, newdata=X.pred2)
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 2012-9-29 20:38:25
