R语言 zic包 zic.svs()函数中文帮助文档(中英文对照)

loveR

zic.svs(zic)
zic.svs()所属R语言包：zic

                                        SVS for Zero-Inflated Count Models
                                         SVS零膨胀的计算模型

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

zic.svs applies SVS to zero-inflated count models
zic.svs适用于SVS零膨胀的计算模型


用法----------Usage----------


zic.svs(formula, data,
        a0, g0.beta, h0.beta, nu0.beta, r0.beta, s0.beta, e0, f0,
        c0, g0.delta, h0.delta, nu0.delta, r0.delta, s0.delta,
        n.burnin, n.mcmc, n.thin, tune = 1.0, scale = TRUE)



参数----------Arguments----------

参数：formula
A symbolic description of the model to be fit specifying the response variable and covariates.
一个象征性的模型来描述符合指定的响应变量和协变量。


参数：data
A data frame in which to interpret the variables in formula.
一个数据框中解释变量在formula。


参数：a0
The prior variance of alpha.
前方差alpha。


参数：g0.beta
The shape parameter for the inverse gamma prior on kappa_k^beta.
形状参数的反伽马前上kappa_k^beta。


参数：h0.beta
The inverse scale parameter for the inverse gamma prior on kappa_k^beta.
逆规模的逆伽马参数之前kappa_k^beta。


参数：nu0.beta
Prior parameter for the spike of the hypervariances for the beta_k.
在此之前的参数秒杀的beta_k hypervariances的。


参数：r0.beta
Prior parameter of omega^beta.
之前的参数omega^beta。


参数：s0.beta
Prior parameter of omega^beta.
之前的参数omega^beta。


参数：e0
The shape parameter for the inverse gamma prior on sigma^2.
形状参数的反伽马前上sigma^2。


参数：f0
The inverse scale parameter the inverse gamma prior on sigma^2.
逆尺度参数的逆伽马之前sigma^2。


参数：c0
The prior variance of gamma.           
前方差gamma。


参数：g0.delta
The shape parameter for the inverse gamma prior on kappa_k^delta.
形状参数的反伽马前上kappa_k^delta。


参数：h0.delta
The inverse scale parameter for the inverse gamma prior on kappa_k^delta.
逆规模的逆伽马参数之前kappa_k^delta。


参数：nu0.delta
Prior parameter for the spike of the hypervariances for the delta_k.
在此之前的参数秒杀的delta_k hypervariances的。


参数：r0.delta
Prior parameter of omega^delta.
之前的参数omega^delta。


参数：s0.delta
Prior parameter of omega^delta.
之前的参数omega^delta。


参数：n.burnin
Number of burn-in iterations of the sampler.
燃烧的采样迭代数。


参数：n.mcmc
Number of iterations of the sampler.
的取样器的迭代数。


参数：n.thin
Thinning interval.
间伐间隔。


参数：tune
Tuning parameter of Metropolis-Hastings step.
调谐参数的大都市黑斯廷斯步骤。


参数：scale
If true, all covariates (except binary variables) are rescaled by dividing by their respective standard errors.
如果为true，所有的协变量的（二元变量除外），重新调整除以各自的标准误差。


Details

详细信息----------Details----------

The considered zero-inflated count model is given by
认为是零膨胀计数模型

where y_i and x_i are observed. The assumed prior distributions are
y_i和x_i观察。假定先验分布

The sampling algorithm described in Jochmann (2012) is used.
在Jochmann（2012年）描述的采样算法的使用。


值----------Value----------

A list containing the following elements:
一个列表，其中包含以下元素：


参数：alpha
Posterior draws of alpha (coda mcmc object).
后路绘制的alpha（CODA MCMC对象）。


参数：beta
Posterior draws of beta (coda mcmc object).
后路绘制的beta（CODA MCMC对象）。


参数：gamma
Posterior draws of gamma (coda mcmc object).        
后路绘制的gamma（CODA MCMC对象）。


参数：delta
Posterior draws of delta (coda mcmc object).
后路绘制的delta（CODA MCMC对象）。


参数：sigma2
Posterior draws of sigma^2 (coda mcmc object).
后路绘制的sigma^2（CODA MCMC对象）。


参数：I.beta
Posterior draws of indicator whether tau_j^beta is one (coda mcmc object).
后路借鉴指标，是否tau_j^beta是一个（尾声MCMC对象）。


参数：I.delta
Posterior draws of indicator whether tau_j^delta is one (coda mcmc object).
后路借鉴指标，是否tau_j^delta是一个（尾声MCMC对象）。


参数：omega.beta
Posterior draws of omega^beta (coda mcmc object).
后路绘制的omega^beta（CODA MCMC对象）。


参数：omega.delta
Posterior draws of omega^delta (coda mcmc object).
后路绘制的omega^delta（CODA MCMC对象）。


参数：acc
Acceptance rate of the Metropolis-Hastings step.
大都市黑斯廷斯步骤的合格率。


参考文献----------References----------

Health Care”. Available at: http://www.staff.ncl.ac.uk/markus.jochmann.
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。