R语言 BGmix包 ccParams()函数中文帮助文档(中英文对照)

loveR

ccParams(BGmix)
ccParams()所属R语言包：BGmix

                                        Read posterior means and classification probabilities from BGmix
                                         阅读后手段和从BGmix分类的概率

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Reads output files containing posterior means from BGmix AND reads posterior probabilities of each gene being classified in the null mixture component.
读取输出文件含有后BGmix手段，读取每个基因被归类在空混合组件的后验概率。


用法----------Usage----------


ccParams(filedir, q.beta = T, q.sig = T, q.z = T, quiet = T)



参数----------Arguments----------

参数：filedir
character. The name of the output directory created by BGmix.
字符。由BGmix创建输出目录的名称。


参数：q.beta
logical. Read beta values?
逻辑。阅读β值吗？


参数：q.sig
logical. Read gene variance parameters?
逻辑。阅读基因变异参数？


参数：q.z
logical. Read z values?
逻辑。阅读z值吗？


参数：quiet
logical. Parameter passed to 'scan'. (If false, 'scan' prints details of number of items read in.)
逻辑。参数传递到“扫描”。 （如果为false，扫描打印项目细节的数量读入）


值----------Value----------


参数：mbeta
matrix no. genes x no. effects. Posterior means of gene effect parameters (usually gene means and log fold changes).
矩阵没有。基因X不。影响。后的基因效应参数的方式（通常基因手段和log倍的变化）。


参数：msig2
matrix no. genes x no. variances. Posterior means of gene variances.
矩阵没有。基因X不。差异。基因变异后的手段。


参数：mbb
vector of hyperparameters (b) for gene variances (posterior means).
基因变异（后路手段）（b）为向量的hyperparameters。


参数：maa
vector of hyperparameters (a) for gene variances (posterior means).
基因变异（一）向量的hyperparameters（后部手段）。


参数：mtau
matrix no. genes x no. conditions. Posterior means of gene precisions.
矩阵没有。基因X不。条件。后基因精度手段。


参数：mwtc
vector of posterior mean mixture weights
后路矢量平均混合权


参数：mzg
vector of posterior mean allocation for each gene
后平均分配的每一个基因的向量


参数：meta
vector of mixture parameters (eta)
混合参数矢量（ETA）


参数：mlambda
vector of mixture parameters (lambda)
向量的混合参数（λ）


参数：pc
matrix no. genes x no. mixture components. Posterior probability for each gene of being classified into each mixture component.
矩阵没有。基因X不。混合组件。每个基因被归类到每一个混合组件的后验概率。


作者（S）----------Author(s)----------


Alex Lewin



举例----------Examples----------


## Note this is a very short MCMC run![＃注意：这是一个很短的MCMC运行！]
## For good analysis need proper burn-in period.[＃为了获得良好的分析，需要适当的老化期。]
data(ybar,ss)
outdir <- BGmix(ybar, ss, c(8,8), nburn=0, niter=100, nthin=1)
params <- ccParams(outdir)

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。