R语言 gaga包 checkfit()函数中文帮助文档(中英文对照)

loveR

checkfit(gaga)
checkfit()所属R语言包：gaga

                                         Check goodness-of-fit of GaGa and MiGaGa models
                                         检查善良Gaga和MiGaGa模型适合

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Produces plots to check fit of GaGa and MiGaGa model. Compares observed data with posterior predictive distribution of the model. Can also compare posterior distribution of parameters with method of moments estimates.
生产图检查Gaga和MiGaGa模型的拟合。比较后模型的预测分布的观测数据。还可以比较后验分布参数的矩估计方法。


用法----------Usage----------


checkfit(gg.fit, x, groups, type='data', logexpr=FALSE, xlab, ylab, main, lty, lwd, ...)



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：type
data checks marginal density of the data; shape checks shape parameter; mean checks mean parameter; shapemean checks the joint of shape and mean parameters
data检查数据的边际密度;shape检查形状参数; mean检查意味着参数;shapemean检查关节的形状，意味着参数


参数：logexpr
If set to TRUE, the expression values are in log2 scale.
如果设置为TRUE，表达值以log2规模。


参数：xlab
Passed on to plot
通过了plot


参数：ylab
Passed on to plot
通过了plot


参数：main
Passed on to plot
通过了plot


参数：lty
Ignored.
忽略。


参数：lwd
Ignored.
忽略。


参数：...
Other arguments to be passed to plot  
其他参数被传递plot的


Details

详情----------Details----------

The routine generates random draws from the posterior and posterior predictive distributions, fixing the hyper-parameters at their estimated value (posterior mean if model was fit with method=='Bayes' or maximum likelihood estimate is model was fit with method=='EBayes').
该程序产生随机绘制，从后部和后的预测分布固定在他们的估计值（后平均模型method=='Bayes'或最大似然估计模型与method=='EBayes'适合适合）的超参数。


值----------Value----------

Produces a plot.
产生的图。


注意----------Note----------

Posterior and posterior predictive checks can lack sensitivity to detect model misfit, since they are susceptible to over-fitting. An alternative is to perform prior predictive checks by generating parameters and data with simGG.
后部和后预测检查缺乏敏感性检测模型失配，因为它们很容易受到过度拟合。另一种方法是执行前预测所产生的参数和数据用simGG检查。


作者（S）----------Author(s)----------


David Rossell



参考文献----------References----------

flexible hierarchical model for microarray

参见----------See Also----------

simGG to simulate samples from the prior-predictive distribution, simnewsamples to generate parameters and observations from the posterior predictive, which is useful to check
simGG模拟样品，从之前预测的分布simnewsamples生成后的预测，这是非常有用的参数和观测检查

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。