R语言 OLIN包 p.spatial()函数中文帮助文档(中英文对照)

loveR

p.spatial(OLIN)
p.spatial()所属R语言包：OLIN

                                        Assessment of the significance of spatial bias based on p-values
                                         空间偏见的重要性评估的基础上p值

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function assesses the significance of spatial bias.  This is  achieved by comparing the observed average values of logged fold-changes within a spot's spatial neighbourhood with an empirical distribution generated by permutation tests. The significance is given
此功能评估空间偏见的意义。这是通过比较记录fold change的观测平均值与排列测试所产生的经验分布在一个点的空间邻里。意义


用法----------Usage----------


p.spatial(X,delta=2,N=-1,av="median",p.adjust.method="none")



参数----------Arguments----------

参数：X
matrix of logged fold changes
记录的fold change矩阵


参数：delta
integer determining the size of spot neighbourhoods  ((2*delta+1)x(2*delta+1)).
整数确定现货街区的大小（(2*delta+1)x(2*delta+1)）。


参数：N
number of samples for  generation of empirical background distribution
样本数为一代的经验背景分布


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.spatial assesses the significance of spatial bias using an one-sided random  permutation test. The null hypothesis states random spotting i.e. the independence of log ratio M  and spot location. First, a neighbourhood of a spot is defined  by a two dimensional square window  of chosen size ((2*delta+1)x(2*delta+1)). Next, a test statistic is defined   by calculating  the median or mean of M for  N random  samples of size  ((2*delta+1)x(2*delta+1)). Note that this scheme defines a sampling with replacement procedure whereas  sampling without replacement is used for fdr.spatial.   Comparing the empirical distribution of  median/mean of \code{M} with the observed distribution of  median/mean of \code{M},  the independence of M and spot location can be  assessed. If M is independent of spot's location,  the empirical distribution can be  expected to be  distributed around its mean value. To assess the significance of observing positive deviations of  median/mean of \code{M}, p-values are calculated using Fisher's method. The p-value equals the fraction of values in the empirical distribution which are larger than the observed value . 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.spatial评估片面的随机排列试验使用空间偏见的意义。空假说，即独立的log比M点位置的随机发现。首先，一个一个点的附近，是指由一个二维选择大小的正方形窗口（（2 *Delta+1）×（2 *Delta+1））。接下来，定义一个测试统计计算中位数或等于MN随机样本的大小（（2 *Delta+1）×（2 *Delta+1））。请注意，该方案定义了一个与更换过程中的取样，而无需更换采样fdr.spatial。 median/mean of \code{M}与median/mean of \code{M}的观测分布，M点位置的独立性，可以评估的经验分布的比较。 M如果是独立点的位置，可以预期的经验分布，周围分布及其均值。评估观测偏差的积极的意义median/mean of \code{M}，p值计算使用费雪的方法。 p值等于经验分布值比实测值大的比例。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 vectors containing the p-values  for positive (Pp)  and negative (Pn) deviations of
含有的P-值（Pp）为积极和消极（Pn）偏差的向量列表


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----------

fdr.int, sigxy.plot, p.adjust
fdr.int，sigxy.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[加载数据]
# data(sw)[数据（SW）]
# M &lt;- v2m(maM(sw)[,1],Ngc=maNgc(sw),Ngr=maNgr(sw),[v2m M“ - （MAM（SW）[1]，NGC = maNgc（SW），NGR = maNgr（SW），]
#                Nsc=maNsc(sw),Nsr=maNsr(sw),main="MXY plot of SW-array 1")[NSC = maNsc（SW），NSR = maNsr（SW），主要=“SW阵列1 MXY图”）]
#[]
# 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.spatial(M,delta=2,N=10000,av="median")[p.spatial，P < - （男，Delta= 2，n = 10000，AV =“中位数”）]
# sigxy.plot(P$Pp,P$Pn,color.lim=c(-5,5),main="FDR")[sigxy.plot（$ PP，P $ PN color.lim = C（-5,5），主要=“FDR”）]

# LOADING NORMALISED DATA[装载正规化的资料]
# data(sw.olin)[数据（sw.olin）]
# M &lt;- v2m(maM(sw.olin)[,1],Ngc=maNgc(sw.olin),Ngr=maNgr(sw.olin),[M“ -  v2m（MAM（sw.olin）的[1]，NGC = maNgc（sw.olin），NGR = maNgr（sw.olin），]
#                Nsc=maNsc(sw.olin),Nsr=maNsr(sw.olin),main="MXY plot of SW-array 1")[的NSC = maNsc（sw.olin）（NSR = maNsr sw.olin），主要=“SW阵列1 MXY图”）]

# CALCULATION OF SIGNIFICANCE OF SPOT NEIGHBOURHOODS[作者：现货，邻里意义的计算]
# P &lt;- p.spatial(M,delta=2,N=10000,av="median")[p.spatial，P < - （男，Delta= 2，n = 10000，AV =“中位数”）]
# VISUALISATION OF RESULTS[结果的可视化]
# sigxy.plot(P$Pp,P$Pn,color.lim=c(-5,5),main="FDR")[sigxy.plot（$ PP，P $ PN color.lim = C（-5,5），主要=“FDR”）]


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。