R语言 SpatioTemporal包 run.MCMC()函数中文帮助文档(中英文对照)

loveR

run.MCMC(SpatioTemporal)
run.MCMC()所属R语言包：SpatioTemporal

                                         MCMC Inference of Parameters in the Spatio-Temporal Model.
                                         MCMC推断的时空模型中的参数。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Estimates parameters and parameter uncertainties for the spatio-temporal model using a Metropolis-Hastings based Markov Chain Monte Carlo (MCMC) algorithm.
使用一个大都市黑斯廷斯基于马尔可夫链蒙特卡罗（MCMC）算法的时空模型估计的参数和参数的不确定性。


用法----------Usage----------


run.MCMC(x, mesa.data.model, type = "f", N = 1000,
         Hessian.prop = NA, Sigma.prop = NA, silent = TRUE)



参数----------Arguments----------

参数：x
Point at which to start the MCMC. Could be either only log-covariance parameters or regression and log-covariance parameters. If regression parameters are given but not needed they are dropped, if they are needed but not given they are inferred by calling <br> cond.expectation(x, mesa.data.model,       only.pars=TRUE).  
在开始MCMC点。可能是要么只log - 协方差参数或回归和log - 协方差参数。如果回归参数，但不需要他们被丢弃，如果他们需要，但没有给他们推断通过调用<BR> cond.expectation(x, mesa.data.model,       only.pars=TRUE)。


参数：mesa.data.model
Data structure holding observations, and information regarding which <br> geographic and spatio-temporal covariates to use when fitting the model. <br> See create.data.model and mesa.data.model.  
数据结构观察，和有关参考地域和时空的协变量拟合模型时使用的。参考见create.data.model和mesa.data.model。


参数：type
A single character indicating the type of log-likelihood to compute. Valid options are "f" or "r", for full, or restricted maximum likelihood (REML).  Since profile is not a proper likelihood type="p" will revert (with a warning) to using the full log-likelihood.  Computation of the full log-likelihood needs both regression and log-covariance parameters while REML only needs the log-covariance parameters.  
一个单一的字符，指示对数似然计算的类型。有效的选项是“f”或“R”，充分，或限制最大似然法（REML）。由于配置文件是不恰当的可能性type="p"将恢复使用对数似然（警告）。完整的对数似然计算需要回归和log协方差的参数，而，REML只需要的log - 协方差参数。


参数：N
Number of MCMC iterations to run.  
数MCMC迭代运行。


参数：Hessian.prop
Hessian (information) matrix for the log-likelihood, can be used to create a proposal matrix for the MCMC.  
Hessian矩阵（信息）的矩阵，对数似然，可用于建立一个建议的MCMC矩阵。


参数：Sigma.prop
Proposal matrix for the MCMC.  
建议矩阵的MCMC。


参数：silent
If FALSE outputs status information and brief progress information every 100:th iteration. If TRUE no output.  
如果FALSE输出状态信息和简短的进度信息每100次迭代。如果TRUE不输出。


Details

详细信息----------Details----------

The function runs uses a Metropolis-Hastings algorithm (Hastings, 1970) to sample from the parameters of the spatio-temporal model, assuming flat priors for all the parameters (flat on the log-scale for the covariance parameters).
在运行该函数的所有参数的先验假设平（平log上规模的协方差参数）采用了大都市的黑斯廷斯算法（黑斯廷斯，1970年）的时空模型的参数进行采样，。

At each iteration of the MCMC new parameters are proposed using a random-walk with a proposal covariance matrix. The proposal matrix is determined as:
在每次迭代中的MCMC新的参数提出一个建议，协方差矩阵的随机行走。的建议矩阵被确定为：




1 If Sigma.prop is given then this is used.
1如果Sigma.prop这是使用。




2 If Sigma.prop=NA then we follow Roberts et.al. (1997) and compute <br> c <- 2.38*2.38/dim(Hessian.prop)[1]<br> Sigma.prop <- -c*solve(Hessian.prop).
2如果Sigma.prop=NA然后我们按照罗伯茨等人（1997年），并计算参考c <- 2.38*2.38/dim(Hessian.prop)[1]参考Sigma.prop <- -c*solve(Hessian.prop)。




3 If both Sigma.prop=NA and Hessian.prop=NA then the hessian is computed as <br> Hessian.prop <- loglike.hessian(x, mesa.data.model, type) <br> and Sigma.prop is computed according to point 2.
3如果两个Sigma.prop=NA和Hessian.prop=NA然后计算Hessian是作为参考Hessian.prop <- loglike.hessian(x, mesa.data.model, type)<br>和Sigma.prop根据第2点的计算。

The resulting proposal matrix is checked to ensure that it is positive definite before proceeding, <br> all(eigen(Sigma.prop)$value > 1e-10).
由此形成的提案的矩阵的检查，以确保这是正定的，然后再继续，<BR> all(eigen(Sigma.prop)$value > 1e-10)。


值----------Value----------

Returns a list containing:
返回一个列表，其中包含：


参数：par
A N - by - (number of parameters) matrix with the MCMC paths of the estimated parameters.  
AN  -  BY  - 矩阵（参数）的参数的估计与MCMC路径。


参数：log.like
A vector of length N with the log-likelihood values at each iteration.
的向量的长度N在每次迭代时的对数似然值。


参数：acceptance
A vector of length N with the acceptance probability of the MCMC proposal at each iteration. Can be used to study the overall acceptance rate.
一个向量的长度N MCMC建议在每次迭代的接受概率。可用于研究的总体合格率为。


参数：chol.prop
Choleskey factor of the proposal matrix.
choleskey因子的建议矩阵。


（作者）----------Author(s)----------



Johan Lindstr枚m




参考文献----------References----------

and their applications, Biometrika, 57, 97&ndash;109.
optimal scaling of random walk Metropolis algorithms, Annals of Probability, 7, 110&ndash;120.

参见----------See Also----------

See fit.mesa.model for ML-parameter estimation, both functions use log-likelihood given by loglike.
见fit.mesa.modelML参数估计，这两个函数使用对数似然的loglike。

Expected names for x are given by loglike.var.names.
预期的名称x的loglike.var.names。

For further optimization functions see loglike,  loglike.var.names, <br> create.data.model, and cond.expectation.
为进一步优化功能看loglike，loglike.var.names，参考create.data.model，cond.expectation。


实例----------Examples----------


##load data[＃加载数据]
data(mesa.data.model)
data(mesa.data.res)

##Extract parameters,[＃提取参数，]
par <- mesa.data.res$par.est$res.best$par.all
##... and the Hessian.[＃...和Hessian。]
H <- mesa.data.res$par.est$res.best$hessian.all
## Not run: [＃不运行：]
##run the MCMC, this may take a while...[＃运行MCMC，这可能需要一段时间...]
MCMC.res <- run.MCMC(par, mesa.data.model, N = 5000,
                     Hessian.prop = H, silent = FALSE)

## End(Not run)[＃（不执行）]
##Get the precomputed results instead.[＃获取预先计算的结果，而不是。]
MCMC.res <- mesa.data.res$MCMC.res

##components of the MCMC results[＃组件的MCMC结果]
names(MCMC.res)

##The acceptance probability (alpha) for each step [＃接受的概率（α）的每一步]
##in the Metropolis-Hastings algorithm.[＃中的Metropolis-Hastings算法。]
summary(MCMC.res$acceptance)

##The MCMC-estimated parameters[＃MCMC估计的参数]
summary(MCMC.res$par)

##MCMC tracks for four of the parameters[＃MCMC四个轨道的参数]
par(mfrow=c(4,1),mar=c(2,2,2.5,.5))
for(i in c(4,9,13,15)){
  plot(MCMC.res$par[,i], ylab="", xlab="", type="l",
       main=colnames(MCMC.res$par)[i])
}

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。