R语言 TreePar包 bdtypes.stt.lik()函数中文帮助文档(中英文对照)

loveR

bdtypes.stt.lik(TreePar)
bdtypes.stt.lik()所属R语言包：TreePar

                                       
                                         

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

bdtypes.stt.lik: calculates the likelihood of a tree under a 2-type birth-death model. For obtaining the maximum likelihood parameter estimates use the R function optim (see example below).
bdtypes.stt.lik：计算一棵树的可能性下的2  - 型生灭模型。为了获得最大似然参数估计使用R函数OPTIM（见下面的例子）。


用法----------Usage----------


bdtypes.stt.lik(par,phylo,fix=rbind(c(0,0),c(0,0)),sampfrac,survival=0,posR=0,unknownStates=FALSE,root=0)



参数----------Arguments----------

参数：par
Parameters of the 2-type branching model in the order lambda11, lambda12, lambda21, lambda22, death1, death2, gamma12, gamma21. Currently gamma=0. Note that only a subset of these 8 parameters may be included in par, the remaining ones are in fix (using optim, the parameters not in fix will be estimated).  
2  - 型分支模型的顺序lambda11，lambda12，lambda21，lambda22，death1，death2，gamma12，gamma21参数的。目前γ= 0。请注意，只有一小部分可以包含在这8个参数面值，其余的是在修复（使用Optim，参数在修补程序将估计）。


参数：phylo
Phylogenetic tree for which the likelihood is calculated.
计算的系统进化树的可能性。


参数：fix
Determines which parameters are constraint when optimizing is performed. First row specifies the parameters being constraint (1 for lambda11, 2 for lambda12 etc). Second row: (i) If entry (2,j) is non-negative, say x, then parameter (1,j) is fixed to x. (ii) If entry (2,j) is negative, say -m, then parameter (1,j) is fixed to paramter m times entry (3,j) (exception is m=0.4: then the parameter lambda22 is fixed to lambda21*lambda12/lambda11, used in our paper for superspreaderdynamics).
确定的参数进行优化时的约束。第一行指定参数的约束（1为lambda11，2 lambda12等）。第二行：（i）如条目（2，j）的非负，例如x，则（1，j）的参数被固定为x。 （ii）如条目（2，j）的是负的，例如-m，则是固定的参数（1，j）的参数置m次项（3，j）的（例外情况是m = 0.4：然后参数lambda22被固定到lambda21 lambda12/lambda11，在我们的文件的superspreaderdynamics）。


参数：sampfrac
Vector of length 2. sampfrac[j] denotes the probability of sampling an individual in state j upon death (i.e. include the individual into the tree).  
向量的长度为2。 sampfrac [J]表示采样一个人在死亡时的状态j的概率（即包括个人到树）。


参数：survival
survival=1 conditions the likelihood on sampling at least one tip (or one tip per root descendant if root=1). survival=0 default.  
生存= 1条件下，如果root = 1）至少有一个提示（或一个提示，每根后裔的采样可能性。生存默认为0。


参数：posR
posR=1 constrains the parameters (when optimizing) on R0>1. posR=0 default.
POSR = 1约束参数（优化）R0> 1。 POSR =默认为0。


参数：unknownStates
If unknownStates=FALSE (default), phylo$states are used for the analysis. If unknownStates=TRUE, then the likelihood is calculated ignoring the tip states (used e.g. for identifying superspreader dynamics).
如果unknownStates = FALSE（默认值），phylo $用于分析。如果unknownStates = TRUE，则可能忽略了尖端的状态（例如用于识别超级传播者动态）计算。


参数：root
root=0 indicates that there is an edge above the root (mrca) in the tree phylo. root=1 indicates that there is no edge above the root.
根= 0表示有一条边在树中的根目录（MRCA）phylo以上。根= 1表明不存在边缘上方的根。


值----------Value----------


参数：out
-log likelihood of the tree given the parameters.
对数似然树给定的参数。


注意----------Note----------

This likelihood function extends the likelihood framework in the R package diversitree to trees with sequentially sampled tips.
这种可能性功能，扩展了似然框架在R包diversitree的树木与顺序采样的提示。


（作者）----------Author(s)----------



Tanja Stadler




参考文献----------References----------



实例----------Examples----------


set.seed(1)
lambda11<-15
lambda12<-3
lambda21<-1
lambda22<-3
death1<-4
death2<-4
sampprob1<-0.05
sampprob2<-0.05
l<-rbind(c(lambda11,lambda12),c(lambda21,lambda22))
d<-c(death1,death2)
s<-c(sampprob1,sampprob2)
n<-20
init<- -1     

tree<-sim.bdtypes.stt.taxa(n,l,d,s,init)

#Calculate likelihood for lambda11=15,lambda12=lambda21=lambda22=mu1=mu2=2,gamma=0[计算的可能性lambda11 = 15，lambda12的= lambda21 = lambda22 = MU1 = MU2 = 2，γ= 0]
bdtypes.stt.lik(par=c(2,2,2,2),phylo=tree,fix=rbind(c(1,6,7,8),c(15,-5,0,0),c(1,1,1,1)),sampfrac=s,survival=0,posR=0)
#Calculate maximum likelihood parameter estimates of lambda12,lambda21,lambda22,mu1 constraining lambda11=15,mu2=mu1 and gamma=0.[计算参数的最大似然估计lambda12，lambda21，lambda22，MU1制约lambda11 = 15 MU1，MU2 =γ= 0。]
out<-try(optim(c(2,2,2,2),bdtypes.stt.lik,phylo=tree,fix=rbind(c(1,6,7,8),c(15,-5,0,0),c(1,1,1,1)),sampfrac=s,survival=0,posR=0,control=list(maxit=10000)))

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。