parest(gaga)
parest()所属R语言包：gaga
Parameter estimates and posterior probabilities of differential expression for GaGa and MiGaGa model
参数估计和后验概率为Gaga和MiGaGa模型的差异表达
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Obtains parameter estimates and posterior probabilities of differential expression after a GaGa or MiGaGa model has been fit with the function fitGG.
获得后，已与适合的功能fitGG1 GAGA或MiGaGa模型的参数估计和后验概率的差异表达。
用法----------Usage----------
parest(gg.fit, x, groups, burnin, alpha=.05)
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：burnin
Number of MCMC samples to discard. Ignored if gg.fit was fit with the option method=='EBayes'.
丢弃的MCMC样本数量。如果gg.fit适合的选项method=='EBayes'忽略。
参数：alpha
If gg.fit was fit with the option method=='Bayes', parest also computes 1-alpha posterior credibility intervals.
如果gg.fit适合的选项method=='Bayes'，parest也计算1-alpha后的信誉间隔。
Details
详情----------Details----------
If gg.fit was fit via MCMC posterior sampling (option method=='Bayes'), parest discards the first burnin iterations and uses the rest to obtain point estimates and credibility intervals for the hyper-parameters. To compute posterior probabilities of differential expression the hyper-parameters are fixed to their estimated value, i.e. not averaged over MCMC iterations.
如果gg.fit适合通过后抽样的MCMC（选项method=='Bayes'）parest丢弃第一burnin迭代和使用，其余获得点估计值和可信区间的超参数。计算后的差异表达的概率，其估计价值超参数是固定的，即不平均的MCMC迭代。
值----------Value----------
An object of class gagafit, with components:
类gagafit组件，对象：
参数：parest
Hyper-parameter estimates.
超参数估计。
参数：mcmc
Object of class mcmc with posterior draws for hyper-parameters. Only returned if method=='Bayes'.
Object类的mcmc后路提请超参数。如果method=='Bayes'只返回。
参数：lhood
For method=='Bayes' it is the posterior mean of the log-likelihood. For method=='EBayes' it is the log-likelihood evaluated at the maximum.
method=='Bayes'这是对数似然后平均。 method=='EBayes'这是对数似然的最高评价。
参数：nclust
Number of clusters.
簇的数目。
参数：patterns
Object of class gagahyp indicating which hypotheses (expression patterns) were tested.
类的对象gagahyp表明假设（表达方式）进行了测试。
参数：pp
Matrix with posterior probabilities of differential expression for each gene. Genes are in rows and expression patterns are in columns (e.g. for 2 hypotheses, 1st column is the probability of the null hypothesis and 2nd column for the alternative).
每一个基因的差异表达的后验概率矩阵。行中的基因表达模式在列（2假说例如，第一列是零假设的概率和替代的第二列）。
作者（S）----------Author(s)----------
David Rossell
参考文献----------References----------
flexible hierarchical model for microarray
参见----------See Also----------
fitGG to fit a GaGa or MiGaGa model, findgenes to find differentially expressed genes and posmeansGG to obtain posterior expected expression values.
fitGG适合GAGA或MiGaGa模型，findgenes寻找差异表达的基因和posmeansGG获得后预计表达式的值。
举例----------Examples----------
#Not run[不运行]
#library(EBarrays); data(gould)[库（EBarrays）;数据（古尔德）]
#x <- log(exprs(gould)[,-1]) #exclude 1st array[X < - log（exprs（古尔德）[-1]）＃排除第一阵列]
#groups <- pData(gould)[-1,1][集团< - PDATA（古尔德）[-1,1]]
#patterns <- rbind(rep(0,3),c(0,0,1),c(0,1,1),0:2) #4 hypothesis[< - rbind模式（REP（0,3），C（0,0,1），C（0,1,1），0点02分）＃4假说]
#gg <- fitGG(x,groups,patterns,method='EBayes')[GG（X，团体，模式，方法=EBayes）< - fitGG]
#gg[GG]
#gg <- parest(gg,x,groups)[< - parest GG（GG，X组）]
#gg[GG]
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。
|
发表于 2012-2-25 18:21:26
