R语言 aroma.light包 normalizeQuantileRank.list()函数中文帮助文档(中英文对照)

loveR

normalizeQuantileRank.list(aroma.light)
normalizeQuantileRank.list()所属R语言包：aroma.light

                                        Normalizes the empirical distribution of a set of samples to a target distribution
                                         标准化的一组样本的经验分布到目标分布

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Normalizes the empirical distribution of a set of samples to a target distribution.  The samples may differ in size.
标准化的一组样本的经验分布到目标分布。样本大小可能会有所不同。


用法----------Usage----------





参数----------Arguments----------

参数：X
a list with numeric vectors.  The vectors may be of different lengths.
listnumericvector的。 vectors可能是不同的长度。


参数：xTarget
The target empirical distribution.  If NULL, the target distribution is calculated as the average empirical distribution of the samples.
目标的经验分布。如果NULL，目标分布计算的平均样本的经验分布。


参数：...
Passed to normalizeQuantileRank.numeric().
传递normalizeQuantileRank.numeric（）。


值----------Value----------

Returns a list of normalized numeric vector of the same lengths as the corresponding ones in the input matrix.
返回一个归listnumeric相同的长度作为输入矩阵中相应的。vector


遗漏值----------Missing values----------

Missing values are excluded. Values that are NA remain NA after normalization. No new NAs are introduced.
遗漏值被排除在外。值是NA保持NA后标准化。没有新的NA的介绍。


作者（S）----------Author(s)----------



Adopted from Gordon Smyth (<a href="http://www.statsci.org/">http://www.statsci.org/</a>) in 2002 \&amp; 2006.
Original code by Ben Bolstad at Statistics Department, University of
California.




参见----------See Also----------

The target empirical distribution is calculated as the average using *averageQuantile(). Each vector is normalized toward this target disribution using normalizeQuantileRank.numeric(). *normalizeQuantileSpline().
作为使用*averageQuantile()平均计算目标的经验分布。每个vector归朝这个目标disribution使用normalizeQuantileRank.numeric（）。 *normalizeQuantileSpline()。


举例----------Examples----------


# Simulate ten samples of different lengths[模拟不同长度的10样本]
N <- 10000
X <- list()
for (kk in 1:8) {
  rfcn <- list(rnorm, rgamma)[[sample(2, size=1)]]
  size <- runif(1, min=0.3, max=1)
  a <- rgamma(1, shape=20, rate=10)
  b <- rgamma(1, shape=10, rate=10)
  values <- rfcn(size*N, a, b)

  # "Censor" values[“御史”的价值观]
  values[values < 0 | values > 8] <- NA

  X[[kk]] <- values
}

# Add 20% missing values[添加20％的遗漏值]
X <- lapply(X, FUN=function(x) {
  x[sample(length(x), size=0.20*length(x))] <- NA;
  x
})

# Normalize quantiles[标准化位数]
Xn <- normalizeQuantile(X)

# Plot the data[绘制数据]
layout(matrix(1:2, ncol=1))
xlim <- range(X, na.rm=TRUE);
plotDensity(X, lwd=2, xlim=xlim, main="The original distributions")
plotDensity(Xn, lwd=2, xlim=xlim, main="The normalized distributions")

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。