posmeansGG(gaga)
posmeansGG()所属R语言包：gaga
Gene-specific posterior means
特定基因后的手段
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Computes posterior means for the gene expression levels using a GaGa or MiGaGa model.
计算后使用一个GAGA或MiGaGa的模型的基因表达水平的手段。
用法----------Usage----------
posmeansGG(gg.fit, x, groups, sel, underpattern)
参数----------Arguments----------
参数：gg.fit
GaGa or MiGaGa fit (object of type gagafit, as returned by fitGG).
GAGA或MiGaGa合适的类型gagafit，fitGG返回的对象。
参数：x
ExpressionSet, exprSet, data frame or matrix containing the gene expression measurements used to fit the model.
ExpressionSet，exprSet，数据框或矩阵包含用于拟合模型的基因表达测量。
参数：groups
If x is of type ExpressionSet or exprSet, groups should be the name of the column in pData(x) with the groups that one wishes to compare. If x is a matrix or a data frame, groups should be a vector indicating to which group each column in x corresponds to.
x如果类型ExpressionSet或exprSet，groups应该是列名pData(x)一个愿望比较组。 x如果是一个矩阵或一个数据框，groups应该是哪一组x中的每一列对应的向量。
参数：sel
Numeric vector with the indexes of the genes we want to draw new samples for (defaults to all genes). If a logical vector is indicated, it is converted to (1:nrow(x))[sel].
数字向量，我们要绘制新的样品（默认为所有的基因）的基因指标。如果一个逻辑向量表示，它被转换为(1:nrow(x))[sel]。
参数：underpattern
Expression pattern assumed to be true (defaults to last pattern in gg.fit$patterns). Posterior means are computed under this pattern. For example, if only the null pattern that all groups are equal and the full alternative that all groups are different are considered, underpattern=1 returns the posterior means under the assumption that groups are different from each other (underpattern=0 returns the same mean for all groups).
表达模式的假设是真实的（默认为gg.fit$patterns最后一个模式）。根据这个模式计算后的手段。例如，如果被认为是只空的格局，各组都是平等的，充分的替代方案，各组不同，underpattern=1的假设下，返回后的手段，群体彼此不同（underpattern=0返回各组相同的均值）。
Details
详情----------Details----------
The posterior distribution of the mean parameters actually depends on the gene-specific shape parameter(s), which is unknown. To speed up computations, a gamma approximation to the shape parameter posterior is used (see rcgamma for details) and the shape parameter is fixed to its mode a posteriori.
实际上，后验分布的均值参数取决于基因特定的形状参数（S），这是未知的。为了加快计算，伽玛近似的形状参数后使用（见rcgamma细节）和形状参数是固定的事后模式。
值----------Value----------
Matrix with mean expression values a posteriori, for each selected gene and each group. Genes are in rows and groups in columns.
矩阵值平均表达事后，为每个选定的基因，每个组。基因是行和列组。
作者（S）----------Author(s)----------
David Rossell
参考文献----------References----------
flexible hierarchical model for microarray
参见----------See Also----------
fitGG for fitting GaGa and MiGaGa models, parest for computing posterior probabilities of
fitGG拟合Gaga和MiGaGa模型的，parest计算后验概率
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。
|
发表于 2012-2-25 18:21:34
