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

loveR

BayesCptCI(seqCBS)
BayesCptCI()所属R语言包：seqCBS

                                         Bayesian Point-wise Confidence Interval for Change-Point Model
                                         贝叶斯变点模型的逐点置信区间

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This algorithm computes a point-wise Bayesian CI for the p parameter in change-point model on binomial process.
该算法计算逐点贝叶斯CI的p参数变点模型，二项式过程中的。


用法----------Usage----------


BayesCptCI(cases, controls, CBSRes, stepSize="adaptive", adaptMaxMix=80, alpha=0.05, epsilon=10^-4, epsCDF=10^-4, verbose=FALSE)



参数----------Arguments----------

参数：cases
A numeric vector of the case/tumor reads
/肿瘤的情况下读取一个数值向量


参数：controls
A numeric vector of the control/normal reads
一个数字矢量控制/正常读取


参数：CBSRes
Output from the ScanCBS algorithm on this case/control data
在这种情况下，从ScanCBS算法/控制数据的输出


参数：stepSize
An actual point-wise computation is time-consuming; by using stepSize = n, a Bayesian CI is computed at every n reads. The adaptive option gives good computational speed by choosing stepSize based on the data.
一个实际的逐点计算费时，使用步长= N，贝叶斯CI计算，每n读取。自适应选项选择步长数据的基础上，提供了良好的运算速度。


参数：adaptMaxMix
An upper bound for the number of unique weights calculated at each change point under the adaptive method. The default is 80 for an average of approximately 5000 mixture components at each point.
唯一权重的自适应方法计算每一个变化点的数量的上限。默认值是80，在每个点平均约5000混合成分。


参数：alpha
Defaults to 0.05 for the usual CI.
默认值通常CI为0.05。


参数：epsilon
The cutoff for the likelihood ratio of a model with shifted change point compared to the ScanCBS estimated change-point. The likelihood decreases exponentially around the true point or a 'good' estimate of it. Only alternatives with above the cutoff likelihood ratio are considered plausible and integrated in following computations.
相比，具有偏移的变化点的模型的似然比的截止估计变化点的ScanCBS。周围的真实点或“好”的估计，它的可能性呈指数下降。唯一的选择与以上的截止可能性比被认为是合理的和集成在以下计算中。


参数：epsCDF
This is an error tolerance value for finding the quantile of the posterior, which is a Beta mixture distribution.
寻找的后的位数，这是一个测试的混合分布，这是一个错误的公差值。


参数：verbose
If TRUE, then will print much information on each segmentation. For diagnostics only.
如果TRUE，然后将打印在每个分割多的信息。只有进行诊断。


Details

详细信息----------Details----------

This method is a Bayesian point-wise CI for our change-point method. It takes model complexity (number of change points) as a given. With the ScanCBS-estimated change points, it evaluates alternatives for the change points around the estimated value and computes the likelihood of the alternative models. Through theoretical derivation, we then have the estimated probability of a case read, p, at a given read index, to have a posterior density given by Beta Mixture. We then compute the quantiles of this distribution using a safe version of Newton-Raphson implemented in C as the CI at this read.
此方法是一种贝叶斯我们改变点法的逐点的CI。作为一个给定的模型复杂的变化点的数量。随着ScanCBS估计的变化点，它的计算结果的推定值的变化点周围的替代品和替代的模型计算的可能性。通过理论推导，我们有读情况下，P的概率的估计，在一个给定的阅读指数，有一个测试混合后密度。然后，我们计算的这种分布的分位数，使用安全的版本用C语言实现的牛顿 - 拉夫逊为CI在此读。


值----------Value----------

<table summary="R valueblock"> <tr valign="top"><td>CIRes </td> <td> A matrix containing the location and its CI of p, each column is a location, or a strech of location if stepSize>1</td></tr> <tr valign="top"><td>wkRes </td> <td> The likelihood ratio for alternatives around each estimated change point</td></tr> <tr valign="top"><td>mixStruct </td> <td> The Beta mixture components for each unique location, containing a collection of two shape parameters and the weight wk</td></tr> <tr valign="top"><td>timeCIRes </td> <td> A list containing the result of the timing of this algorithm</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD>CIRes  </ TD> <TD>的矩阵中的位置和它的P CI，每列的位置，或一个斯特雷奇的位置，如果步长> 1 </ TD> </ TR> <tr valign="top"> <TD>wkRes </ TD> <TD>的似然比估计的变更点周围各的替代品< / TD> </ TR> <tr valign="top"> <TD> mixStruct  </ TD> <TD>的Beta混合成分为每一个独特的位置，包含两个形状参数的集合，重量周</ TD> </ TR> <tr valign="top"> <TD>timeCIRes  </ TD> <td>一个列表，其中包含的时间，该算法的结果</ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------



Jeremy J. Shen




参见----------See Also----------

ScanBIC
ScanBIC

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。