R语言 vegetarian包 bootstrap()函数中文帮助文档(中英文对照)

loveR

bootstrap(vegetarian)
bootstrap()所属R语言包：vegetarian

                                        Estimates Uncertainties with Bootstrapping
                                         估计的不确定性与自举

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------


用法----------Usage----------


bootstrap(abundances, s.sizes = NULL, num.iter = 100, func, func.arg = "blank", sim.pop = FALSE, sim.par = FALSE)



参数----------Arguments----------

参数：abundances
Community data as a matrix where columns are individual species and rows are sites.  Matrix elements are abundance data (e.g. counts, percent cover estimates).  
社区数据列是一个矩阵，其中个别品种和行的网站。矩阵元素丰度数据（如计数，百分比盖的估计）。


参数：s.sizes
A vector of the total abundances at each site.  If no vector is provided, then the scores in the abundance matrix will be treated as counts, and sample size of each site will be computed as the row sum.
在每个站点总含量的矢量。如果没有提供矢量，然后在丰度矩阵的得分将被处理为计数，样本大小，每个站点将被计算为行和。


参数：num.iter
An integer giving the number of bootstrapping iterations.
一个整数，数自举迭代。


参数：func
The function on which bootstrapping will be performed.  The function output must be a scalar.
上的自举的功能将被执行。函数的输出必须是一个标量。


参数：func.arg
A list containing any additional arguments that must be fed to the function specified by func.
一个列表，其中包含任何额外的参数必须被输送到指定的函数的功能。


参数：sim.pop
A logical specifying whether or not to output the simulated populations for each iteration.
是否指定一个逻辑输出为每次迭代模拟种群。


参数：sim.par
A logical specifying whether or not to output the individual parameters calculated on each simulated population.
是否指定一个逻辑输出的各个参数计算每个模拟人口。


Details

详细信息----------Details----------

The procedure is outlined in Chao et al. (2008).  For each site (row) of the original data set, the total sample size and the relative proportions of each species are used to construct a multinomial distribution.  Scores are drawn from this multinomial distribution to generate a simulated population at that site.  This is done for each row until an entire simulated community matrix is generated.  The supplied function (func) is then applied to this simulated matrix to calculate the focal parameter for that iteration.  This process of sampling from the multinormal distributions and applying the function is repeated for as many times as is specified by num.iter.  The standard deviation of the bootstrap parameter values serves as the standard error for the parameter estimate based on the real data.
该程序是在Chao等人所述。 （2008年）。为每个站点（行）的原始数据集，总样本的大小和每个物种的相对比例的用于构造一个多项式分布。得分都来自这个多项分布在该网站上生成一个模拟的人口。这样做是为每一行，直到一个完整的模拟社区生成矩阵。所提供的功能（FUNC），然后应用到这个模拟矩阵迭代计算的震源参数。这个过程重复采样从multinormal分布施加函数作许多倍的由num.iter指定。自举的参数值的标准偏差，作为真实数据的基础上的参数估计的标准误。

While this function is called internally by other functions in the vegetarian library, only the standard error is reported by those functions.  The user may wish to call bootstrap directly to access the simulated populations and measure uncertainty in other ways.
虽然这个函数内部调用其他的素食库中的功能，只有标准的错误报告的这些功能。用户可以直接调用自举的的模拟人口和措施在其他方面的不确定性访问。


值----------Value----------

<table summary="R valueblock"> <tr valign="top"><td>StdErr</td> <td> Bootstrap Standard Error for parameter estimate</td></tr> <tr valign="top"><td>Simulated.Populations</td> <td> (optional) Array containing simulated populations</td></tr> <tr valign="top"><td>Simulated.Parameters</td> <td> (optional) Vector containing parameter for each simulated population</td></tr>
<table summary="R valueblock"> <tr valign="top"> <TD> StdErr </ TD> <TD>引导参数估计的标准误差</ TD> </ TR> <TR VALIGN = “顶”> <TD> Simulated.Populations</ TD> <TD>（可选）数组，其中包含模拟人群</ TD> </ TR> <tr valign="top"> <TD>Simulated.Parameters </ TD> <TD>人口为每个模拟Vector，其中包含参数（可选）</ TD> </ TR>

</table>
</ TABLE>


（作者）----------Author(s)----------


Noah Charney, Sydne Record



参考文献----------References----------

Chao, A, L. Jost, S. C. Chiang, Y.-H Jiang, R. L. Chazdon.  2008.  A two-stage probabilistic approach to multiple-community similarity indices.  Biometrics 64: 1178-1186.

参见----------See Also----------

d
d


实例----------Examples----------


data(simesants)
bootstrap(simesants[,-1], func=d)
boot_output<-bootstrap(simesants[,-1], func=d, num.iter=10, sim.pop=TRUE, sim.par=TRUE)
boot_output$Simulated.Parameters
boot_output$Simulated.Populations
simesants_freq&lt;-normalize.rows(simesants[,-1])#not a necessary step, but just to show what you would do if your data were in the form of frequencies, not counts[不是一个必要的步骤，但只是为了显示你会做什么，如果你的数据在频率的形式，而不是计算]
bootstrap(simesants_freq, func=d, num.iter=1000, s.sizes=c(198,186,102,108,187))

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。