R语言 rriskBayes包 rrisk.BayesZIP()函数中文帮助文档(中英文对照)

loveR

rrisk.BayesZIP(rriskBayes)
rrisk.BayesZIP()所属R语言包：rriskBayes

                                        Bayes estimation of a zero inflated Poisson (ZIP) model
                                         贝叶斯估计的零膨胀泊松模型（ZIP）

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Zero-inflated Poisson data are count data with an excess number of zeros. The ZIP model involves the Poisson parameter lambda and the prevalence parameter pi.
零膨胀的的Poisson数据是一个多余的零的个数的计数数据。的ZIP模式涉及的泊松参数lambda的患病率参数pi。


用法----------Usage----------


  rrisk.BayesZIP(data, prior.lambda=c(1,10),
    prior.pi=c(0.8,1), simulation=FALSE, chains=3,
    burn=1000, thin=1, update=10000, workdir=getwd(),
    plots=FALSE)



参数----------Arguments----------

参数：data
matrix or data frame, data set with positive integers, including zeros and of the minimal length 10.
矩阵或数据框中，数据集与包括零的正整数，和最小长度10。


参数：prior.lambda
numeric vector containing minimum and maximum of a uniform distribution used as prior for the Poisson parameter lambda, e.g. <br> lambda \sim prior.lambda(*,*)=unif(*,*)
数字向量的最小值和最大值作为前一个均匀分布，泊松参数lambda，例如<BR>lambda\simprior.lambda(*,*)=unif(*,*)


参数：prior.pi
numeric vector containing parameters of a beta distribution describing prior knowledge about prevalence (proportion of contaminated samples), e.g. <br> pi \sim prior.pi(*,*)=beta(*,*)
数字向量的描述事先了解流行的β分布的参数（比例，受污染的样品），例如： <BR>pi\simprior.pi(*,*)=beta(*,*)


参数：simulation
logical, value TRUE means the function will be called within any simulation routine, in this case the graphical diagnostic interface will not be invoked (default FALSE)
逻辑，价值TRUE是指该函数将被调用在任何模拟程序中，在这种情况下，将不会被调用图形化的诊断接口（默认FALSE）


参数：chains
positive single numeric value, number of independent MCMC chains (default 3)
正面单数值，独立MCMC链（默认为3）


参数：burn
positive single numeric value, length of the burn-in period (default 1000)
积极单一的数值，老化期的长度（默认1000）


参数：thin
positive single numeric value (default 1). The samples from every kth iteration will be used for inference, where k is the value of thin. Setting thin > 1 can help to reduce the autocorrelation in the sample.
积极单一的数值（默认为1）。样品从每一个第k次迭代中，将被用于推断，其中k是薄的值。设置thin > 1可以帮助减少样品中的自相关。


参数：update
positive single numeric value, length of update iterations for estimation (default 10000)
积极单一的数值，更新迭代估计的长度（默认10000）


参数：workdir
character string giving working directory to store temporary data (default getwd())
工作目录来存储临时数据的字符串（默认getwd()）


参数：plots
logical, if TRUE the diagnostic plots will be displayed in separate windows
逻辑，如果TRUE诊断图将显示在单独的窗口


Details

详细信息----------Details----------

The ZIP model applies to count data and can be interpreted as a mixture distribution with one component comprising the 'true' zeros and another component of Poisson distributed values with density parameter lambda. The prevalence parameter pi refers to the proportion of the second, true non-zero component. <br> The Bayesian model for estimation prevalence and lambda parameter has in BRugs/Winbugs syntax following
的ZIP模型适用于计数数据和的混合物分布的一个组分，它包括“真实”的零和另一部件的泊松分布密度参数lambda的值可以被解释为。的患病率参数pi是指第二，真实的非零分量的比例。参考贝叶斯的模型估计患病率和lambda参数在BRugs / Winbugs语法以下


值----------Value----------

The function rrisk.BayesZIP returns an instance of the bayesmodelClass class containing
函数rrisk.BayesZIP返回bayesmodelClass类的一个实例包含


参数：<code>convergence</code>
logical, whether the model has converged (assessed by the user)
逻辑，该模式是否已经收敛（由用户评估）


参数：<code>results</code>
data frame containing statitsics of the posterior distribution  <tr valign="top"><td>jointpost</td>
数据框包含statitsics的后验分布<tr valign="top"> <TD> <code>jointpost</代码> </ TD>

data frame giving the joint posterior probability distribution  <tr valign="top"><td>nodes</td>
联合后验概率分布的数据框<tr valign="top"> <TD><code>nodes</ P> </ TD>

names of the parameters jointly estimated by the Bayes model
联合估计的贝叶斯模型的参数名称


参数：<code>model</code>
model in BRugs/Winbugs syntax as a character string  <tr valign="top"><td>chains</td>
模型在BRugs / Winbugs语法作为一个字符串<tr valign="top"> <TD><code>chains</ P> </ TD>

number of independent MCMC chains  <tr valign="top"><td>burn</td>
的独立MCMC链<tr valign="top"> <TD> <code>burn </代码> </ TD>

length of burn-in period  <tr valign="top"><td>update</td>
长度的老化期<tr valign="top"> <TD> <code>update </代码> </ TD>

length of update iterations for estimation
长度的更新迭代估计


注意----------Note----------

The convergence of the model should be checked using the diagnostic plots see the package BRugs, see also zicounts.
应检查诊断图的包BRugs，看到zicounts收敛的模型。


参考文献----------References----------

Kirchner (1999). The zero-inflated Poisson model and the decayed, missing and filled teeth index in dental epidemiology. Journal of the Royal Statistical Society, Series A 162, 195-209.

实例----------Examples----------



#------------------------------------------[------------------------------------------]
# Example of ZIP model[ZIP模式的例子]
#------------------------------------------[------------------------------------------]
# generate ZIP data[生成ZIP数据]
pi<-0.01
n<-200
lambda<-3.5
zip.data<-rep(0,n)
zip.data[sample(1:n,n*pi,replace=FALSE)]<-rpois(n*pi,lambda=lambda)

# estimate using Bayes model for zero inflated data[零膨胀的数据，估计使用贝叶斯模型]
resZIP<-rrisk.BayesZIP(data=zip.data, prior.lambda=c(0,100),prior.pi=c(1,1),
burn=100,update=1000)
resZIP@results

# estimate using Bayes model for zero inflated data without invoking[估计使用贝叶斯模型的零膨胀的数据，而不调用]
# graphical diagnostic interface[图形诊断接口]
rrisk.BayesZIP(data=zip.data, prior.lambda=c(0,100),prior.pi=c(1,1),
burn=100,update=1000,simulation=TRUE)

# compare with naive results ignoring ZIP model[比较天真的结果忽略ZIP模型]
pi.crude <- sum(zip.data>0)/n
lambda.crude <- mean(zip.data)
print(pi.crude)
print(lambda.crude)
resZIP@results


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。