R语言 OLIN包 p.int()函数中文帮助文档(中英文对照)

loveR

p.int(OLIN)
p.int()所属R语言包：OLIN

                                        Calculates significance of  intensity-dependent bias
                                         计算强度依赖偏见的意义

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function assesses the significance of intensity-dependent bias.  This is  achieved by comparing the observed average values of logged fold-changes within an intensity neighbourhood with an empirical distribution generated by permutation tests. The significance is given
此功能评估依赖强度偏见的意义。这是通过比较记录fold change的观测平均值排列测试所产生的经验分布与强度邻里内。意义


用法----------Usage----------


p.int(A,M,delta=50,N=-1,av="median",p.adjust.method="none")



参数----------Arguments----------

参数：A
vector of average logged spot intensity
平均记录现场强度矢量


参数：M
vector of logged fold changes
向量记录的fold change


参数：delta
integer determining the size of the neighbourhood (2 * delta+1).
附近的大小确定的整数（2 * delta+1）。


参数：N
number of random samples (of size 2 * delta+1) used for the  generation of empirical distribution. If N is negative,  the number of samples 100 times the length of A.   
随机抽样（大小2 * delta+1）用于发电的经验分布。如果n是负数，样本数A长度的100倍。


参数：av
averaging of M within neighbourhood by mean or median (default)
平均M内邻里均值或中位数（默认）


参数：p.adjust.method
method for adjusting p-values due to multiple testing regime. The available methods are &ldquo;none&rdquo;, &ldquo;bonferroni&rdquo;,  &ldquo;holm&rdquo;, &ldquo;hochberg&rdquo;, &ldquo;hommel&rdquo; and &ldquo;fdr&rdquo;.  See also p.adjust  </table>
由于多次的测试制度，调整p值的方法。可用的方法是“无”，“邦弗朗尼”，“冬青”，“hochberg”，“HOMMEL”和“FDR”。还可以看p.adjust</ TABLE>


Details

详情----------Details----------

The function p.int assesses the significance of  intensity-dependent bias using a permutation test. The null hypothesis states the independence of A and M. To test if M depends on A,  spots are ordered with respect to A. This defines a neighbourhood of spots with similar A for each spot.  Next, the  test statistic is the  median or mean of M within a spot's intensity neighbourhood of chosen size (2 *delta+1). The empirical distribution of the  this statistic is then generated based on N random  samples (with replacement). (Note that sampling without replacement is used for  fdr.int. Also note, that different meaning of argument N in p.int and fdr.int. The argument N in p.int is the number fo independent samples (of size  2 *delta+1) derived from the original distribution. The argument   N in fdr.int states how many times the original distribution  is randomised and the permutated distribution is used for generating the empirical distribution.)    Comparing this empirical distribution of median/mean of \code{M} with the observed distribution of median/mean of \code{M}, the independence of M and A is assessed. If M is independent of A, the empirical distribution  of median/mean of \code{M} can be  expected to be symmetrically  distributed around its mean value. To assess the significance of observing positive deviations of  the p-values are used. It indicates the expected proportion of neighbourhoods with larger  median/mean of \code{M} than the actual one based on the empirical distribution of  median/mean of \code{M}. The minimal p-value is set to  1/N.  Correspondingly, the significance of observing negative deviations of median/mean of \code{M} can be determined.
功能p.int评估依赖强度偏置使用置换测试的意义。空假说和研究要测试的独立性，如果M取决于A，点到A排列，这定义了一个类似的每一个点附近的斑点。下一步，检验统计量是中位数或平均M在一个点的大小选择强度邻里（2 *delta+1）。在此统计数据的实证分配，然后产生基于N（更换）随机抽样。 （请注意，无需更换采样。还要注意，不同的含义，论证fdr.intN和p.int。参数fdr.intN p.int数量FO独立样本（大小2 *delta+1）从原来的分配所得。参数Nfdr.int多少次，原来的分布是随机的和permutated分配用于发电的经验分布。）比较这median/mean of \code{M}median/mean of \code{M}观测分布，独立性M和A评估的经验分布。如果M的A是独立的，经验分布median/mean of \code{M}可以预计将周围对称分布及其均值。为了评估用于观察p值的正偏差的意义。它表明预期的比例较大median/mean of \code{M}比实际的基础上，经验分布median/mean of \code{M}街区。最小的p值设置为1/N。相应的，意义观察负偏差median/mean of \code{M}的，可确定。


值----------Value----------

A list of vector containing the p-values for positive  (Pp) and negative (Pn)  deviations of median/mean of \code{M} of the spot's neighbourhood is produced. Values corresponding to  spots
含P-值（Pp）为积极和消极的（Pn）median/mean of \code{M}点的附近产生偏差向量列表。值对应斑点


注意----------Note----------

The same functionality but with our input and output formats is offered by p.int2
提供相同的功能，但我们的输入和输出格式p.int2


作者（S）----------Author(s)----------


Matthias E. Futschik (<a href="http://itb.biologie.hu-berlin.de/~futschik">http://itb.biologie.hu-berlin.de/~futschik</a>)



参见----------See Also----------

p.int2,fdr.int, sigint.plot, p.adjust
p.int2，fdr.int，sigint.plot，p.adjust


举例----------Examples----------



# To run these examples, "un-comment" them![要运行这些例子，“联合国发表评论”他们！]
#[]
# LOADING DATA NOT-NORMALISED[加载数据没有，正规化]
# data(sw)[数据（SW）]
# CALCULATION OF SIGNIFICANCE OF SPOT NEIGHBOURHOODS[作者：现货，邻里意义的计算]
#  For this illustration, N was chosen rather small. For "real" analysis, it should be larger.[对于这个例子，N的选择相当小。 “真实”的分析，它应该更大。]
# P &lt;- p.int(maA(sw)[,1],maM(sw)[,1],delta=50,N=10000,av="median",p.adjust.method="none")[，P < -  p.int（MAA（SW）[1]，MAM（SW）[1]，δ= 50，n = 10000，AV =“中位数”，p.adjust.method =“无”）]
# VISUALISATION OF RESULTS[结果的可视化]
# sigint.plot(maA(sw)[,1],maM(sw)[,1],Sp=P$Pp,Sn=P$Pn,c(-5,-5))[sigint.plot（MAA（SW）[1]，MAM（SW）[1]，SP = $ PN，C（-5，-5）= $ PP，锡）]

# LOADING NORMALISED DATA[装载正规化的资料]
# data(sw.olin)[数据（sw.olin）]
# CALCULATION OF SIGNIFICANCE OF SPOT NEIGHBOURHOODS [作者：现货，邻里意义的计算]
# P &lt;- p.int(maA(sw.olin)[,1],maM(sw.olin)[,1],delta=50,N=10000,av="median",p.adjust.method="none")[P均< -  p.int（MAA（sw.olin）[1] MAM（sw.olin）的[1]，δ= 50，n = 10000，AV =“中位数”，p.adjust.method = “无”）]
# VISUALISATION OF RESULTS[结果的可视化]
# sigint.plot(maA(sw.olin)[,1],maM(sw.olin)[,1],Sp=P$Pp,Sn=P$Pn,c(-5,-5))[sigint.plot（MAA（sw.olin）[1] MAM（sw.olin）的[1]，SP = $ PN，C（-5，-5）= $ PP，锡）]


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。