R语言 SampleSizeMeans包 mu.mblacc()函数中文帮助文档(中英文对照)

loveR

mu.mblacc(SampleSizeMeans)
mu.mblacc()所属R语言包：SampleSizeMeans

                                        Bayesian sample size determination for estimating a single normal mean using the Mixed Bayesian/Likelihood Average Coverage Criterion
                                         贝叶斯估计一个单一的标准样品大小决定意味着使用混合贝叶斯/似然平均覆盖率标准

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The function mu.mblacc returns the required sample size
函数mu.mblacc返回所需的样本大小


用法----------Usage----------


mu.mblacc(len, alpha, beta, level = 0.95, m = 10000, mcs = 3)



参数----------Arguments----------

参数：len
The desired fixed length of the posterior credible interval for the mean
所需的固定长度后可信的时间间隔的平均值


参数：alpha
First prior parameter of the Gamma density for the precision (reciprocal of the variance)
第一现有参数的精度（方差的倒数）的伽玛密度


参数：beta
Second prior parameter of the Gamma density for the precision (reciprocal of the variance)
第二现有参数的精度（方差的倒数）的伽玛密度


参数：level
The desired average coverage probability of the posterior credible interval (e.g., 0.95)
所需的平均后的可信区间（例如，0.95）的覆盖概率


参数：m
The number of points simulated from the preposterior distribution of the data. For each point, the probability coverage of the highest posterior density interval of fixed length len is estimated, in order to approximate the average coverage probability. Usually 10000 is sufficient, but one can increase this number at the expense of program running time.
点模拟从的preposterior的分布的数据的数量。对于每一个点，估计最高后验概率密度间隔固定长度len的概率覆盖，以近似的平均覆盖概率。通常为10000足够了，但在程序运行时间为代价的，可以增加这个数字。


参数：mcs
The Maximum number of Consecutive Steps allowed in the same direction in the march towards the optimal sample size, before the result for the next upper/lower bound is cross-checked. In our experience, mcs = 3 is a good choice.
允许在同一方向的连续步骤的最佳样本量，在迈向下一个上/下限的结果是交叉检查的最大数量。根据我们的经验，MCS = 3是一个不错的选择。


Details

详细信息----------Details----------

Assume that a sample will be collected in order to estimate the mean of a normally distributed random variable.  Assume that the precision (reciprocal of the variance) of this random variable is unknown, but has prior information in the form of a Gamma(alpha, beta) density.  The function mu.mblacc returns the required sample size to attain the desired average coverage probability level  for the posterior credible interval of fixed length len for the unknown mean.<br><br>  This function uses a Mixed Bayesian/Likelihood (MBL) approach.  MBL approaches use the prior information to derive the predictive distribution of the data, but use only the likelihood function for final inferences.
假设将被收集的样品，以估计的正态分布的随机变量的平均值。随机变量的方差的倒数）的精度（在此假设是未知的，但有先验信息的形式的γ-（α，β）的密度。函数mu.mblacc返回所需的样本量，以达到所需的平均覆盖概率后的可信区间为固定长度len未知的平均水平。<BR> <BR>该函数使用一个混合的贝叶斯/似然法（MBL ）的方法。 MBL方法使用的先验信息，得到的预测分布的数据，但只使用似然函数为最终推断。


值----------Value----------

The required sample size given the inputs to the function.
所需的样本量输入的功能。


注意----------Note----------

The sample size is calculated via Monte Carlo simulations, and therefore may vary from one call to the next.
通过Monte Carlo模拟计算样本量，因此可能会有所不同从一个调用到下一个。


（作者）----------Author(s)----------


Lawrence Joseph <a href="mailto:lawrence.joseph@mcgill.ca">lawrence.joseph@mcgill.ca</a> and Patrick Belisle



参考文献----------References----------

Bayesian sample size determination for Normal means and differences between Normal means<br>

参见----------See Also----------

mu.mblalc, mu.mblmodwoc, mu.mbl.varknown, mu.acc, mu.alc, mu.modwoc, mu.varknown, mu.freq, mudiff.mblacc, mudiff.mblalc, mudiff.mblmodwoc, mudiff.mblacc.equalvar, mudiff.mblalc.equalvar, mudiff.mblmodwoc.equalvar, mudiff.mbl.varknown, mudiff.acc, mudiff.alc, mudiff.modwoc, mudiff.acc.equalvar, mudiff.alc.equalvar, mudiff.modwoc.equalvar, mudiff.varknown, mudiff.freq
mu.mblalc，mu.mblmodwoc，mu.mbl.varknown，mu.acc，mu.alc，mu.modwoc，mu.varknown，mu.freq，mudiff.mblacc，mudiff.mblalc，mudiff.mblmodwoc，mudiff.mblacc.equalvar，mudiff.mblalc.equalvar，mudiff.mblmodwoc.equalvar，mudiff.mbl.varknown，mudiff.acc，mudiff.alc ，mudiff.modwoc，mudiff.acc.equalvar，mudiff.alc.equalvar，mudiff.modwoc.equalvar，mudiff.varknown，mudiff.freq


实例----------Examples----------



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。