R语言 wq包 eofNum()函数中文帮助文档(中英文对照)

loveR

eofNum(wq)
eofNum()所属R语言包：wq

                                         Assess significance of eigenvalues
                                         评估的特征值的意义

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Plots the eigenvalue spectrum (scree plot) for the correlation matrix of a space-time field of observations. Useful for deciding how many empirical orthogonal functions (<acronym>EOF</acronym>s, or principal components) to retain for rotation.
图解的观测空间 - 时间字段的相关矩阵的特征谱（卵石图）。决定保留多少经验正交函数（<acronym> EOF</首字母缩写> S，或主要成分）的旋转非常有用。


用法----------Usage----------


eofNum(x, distr = c("normal", "lognormal"), n = nrow(x), reps = 10000)

ruleN(n, p, type = c("normal", "lognormal"), reps = 10000)



参数----------Arguments----------

参数：x
an object of class "data.frame" or "matrix", with no missing values  
一个对象的类"data.frame"或"matrix"的，没有缺失值


参数：distr, type
suspected distribution of data  
怀疑的数据分布


参数：n
number of independent observations in the sample, also known as effective sample size (n <= nrow(x))  
独立观测样本，有效样本数也被称为（n <= nrow(x)）


参数：reps
number of repetitions to use for rule N  
数重复使用的规则&#327;


参数：p
number of columns in data  
中的列数的数据


Details

详细信息----------Details----------

Computes singular values of the correlation matrix for a space-time field represented as a data frame or matrix of observations x locations. The eigenvalue variances are plotted against eigenvalue number, and the cumulative variance as % of total is plotted over each eigenvalue. The approximate 0.95 confidence limits are depicted for each eigenvalue, using North et al.'s (1982) rule of thumb. The significance of each eigenvalue is also estimated using rule N (Overland and Preisendorfer 1982), which repeatedly computes eigenvalues of the correlation matrix for an n x p matrix of a random variable and returns the 0.95 quantiles. The dist determines the distribution for the random variable. ruleN is not normally called directly.
计算空间 - 时间域表示为一个数据框或矩阵的观察x位置的相关矩阵的奇异值。的本征值的方差被绘制对本征值的数目，并且作为％的总的累积方差超过每个特征值作图。图6-3描述了每个特征值的大约0.95的置信区间，利用北等人（1982）的经验法则。使用规则N（Overland和Preisendorfer 1982），重复计算n x p矩阵的随机变量的相关矩阵的特征值，并返回0.95分位数，估计也是每个特征值的意义。 dist确定随机变量的分布。 ruleN通常不直接调用的。

Both North's rule-of-thumb and rule N as calculated here by default ignore any autocorrelation in the data and are therefore lenient in accepting the significance of eigenvalues. Their findings should therefore be taken as upper limits to the number of significant eigenvalues. If the autocorrelation structure is assessed separately and can be expressed in terms of effective sample size (e.g., Thiebaux and Zwiers 1984), then n can be set equal to this number. The default is to assume that the effective and actual sample sizes are the same.
北美的统治经验和规则默认情况下，N为计算忽略任何自相关的数据，并因此宽在接受显着的特征值。他们的研究结果，因此，应采取为显著特征值的数目的上限。如果自相关结构单独评估，并可以表示在有效样本的大小（例如，Thiebaux和Zwiers 1984），然后n可以被设置等于这个数字。默认值是假设，有效和实际的样本量是相同的。


值----------Value----------

A plot (and corresponding object of class &ldquo;ggplot&rdquo;).
图（和相应的对象的类“ggplot”）。


参考文献----------References----------





参见----------See Also----------

eof, interpTs, monthCor, eofPlot
eof，interpTs，monthCor，eofPlot


实例----------Examples----------


# Create an annual time series data matrix from sfbay chlorophyll data[从sfbay叶绿素数据，每年创造的时间序列数据矩阵]
chla1 &lt;- aggregate(sfbayChla, 1, mean, na.rm = TRUE)  # average over each year[每年平均超过]
chla1 &lt;- chla1[, 1:12]  # remove stations with missing years[删除站与失踪多年的]
eofNum(chla1, distr = 'lognormal', reps = 2000)
# These stations appear to act as one with respect to chlorophyll [这些台站作为一个方面的叶绿素]
# variability on the annual scale.[年际尺度上的变化。]

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。