R语言 RxCEcolInf包 RxCEcolInf-package()函数中文帮助文档(中英文对照)

loveR

RxCEcolInf-package(RxCEcolInf)
RxCEcolInf-package()所属R语言包：RxCEcolInf

                                         RxCEcolInf
                                         RxCEcolInf

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Fits the R x C ecological inference model described in Greiner and Quinn (2009).  Allows the inclusion of survey information.
适合的R X C区位推论格雷纳和Quinn（2009年）中描述的模型。允许列入调查资料。


Details

详细信息----------Details----------

The user should place the data from the contingency tables into a dataframe, each line of which represents one table.  The function Tune should be called first; this will tune the markov chain monte carlo algorithm used to fit the model.  The user feeds the results from Tune into Analyze, which produces the results.  Both Tune and Analyze are called using a string that resembles the R formula interface.  If a simple random sample is available from certain contingency tables, the user may incorporate this survey using TuneWithExitPoll and AnalyzeWithExitPoll.
用户应该将数据从应急到一个数据框的表，每一行代表一个表。功能调整应首先被调用，这将调整马尔可夫链蒙特卡罗算法，用于拟合模型。用户的结果馈送从调谐到分析，其产生的结果。使用一个字符串，类似的R式接口，被称为调谐和分析。如果简单随机抽样是可以从一定的偶然性表，用户可以将这个调查使用TuneWithExitPoll和AnalyzeWithExitPoll。


（作者）----------Author(s)----------



D. James Greiner, Paul D. Baines, \& Kevin M. Quinn

Maintainer: Kevin M. Quinn <kquinn@fas.harvard.edu>




参考文献----------References----------

Inference:  Bounds, Correlations, Flexibility, and Transparency of Assumptions.” J.R. Statist. Soc. A 172:67-81.

实例----------Examples----------


## Not run: [＃不运行：]
library(RxCEcolInf)
data(stlouis)
Tune.stlouis <- Tune("Bosley, Roberts, Ribaudo, Villa, NoVote ~ bvap, ovap",
                     data = stlouis,
                     num.iters = 10000,
                     num.runs = 15)
Chain1.stlouis <- Analyze("Bosley, Roberts , Ribaudo,
                          Villa, NoVote ~ bvap, ovap",
                          rho.vec = Tune.stlouis$rhos,
                          data = stlouis,
                          num.iters = 1500000,
                          burnin = 150000,
                          save.every = 1500,
                          print_every = 15000,
                          debug = 1,
                          keepNNinternals = 100,
                          keepTHETAS = 100)
Chain2.stlouis <- Analyze("Bosley, Roberts , Ribaudo, Villa,
                          NoVote ~ bvap, ovap",
                          rho.vec = Tune.stlouis$rhos,
                          data = stlouis,
                          num.iters = 1500000,
                          burnin = 150000,
                          save.every = 1500,
                          print_every = 15000,
                          debug = 1,
                          keepNNinternals = 100,
                          keepTHETAS = 100)
Chain3.stlouis <- Analyze("Bosley, Roberts , Ribaudo, Villa,
                          NoVote ~ bvap, ovap",
                          rho.vec = Tune.stlouis$rhos,
                          data = stlouis,
                          num.iters = 1500000,
                          burnin = 150000,
                          save.every = 1500,
                          print_every = 15000,
                          debug = 1,
                          keepNNinternals = 100,
                          keepTHETAS = 100)
stlouis.MCMClist <- mcmc.list(Chain1.stlouis, Chain2.stlouis,
Chain3.stlouis)

## End(Not run)[＃（不执行）]

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。