bd.densdep.optim(TreePar)
bd.densdep.optim()所属R语言包：TreePar
bd.densdep.optim: Estimating speciation and extinction rates in phylogenies under a density-dependent speciation model
bd.densdep.optim：在系统发育，物种和物种灭绝率估计的密度依赖的形态模型
译者：生物统计家园网 机器人LoveR
描述----------Description----------
bd.densdep.optim estimates the maximum likelihood speciation and extinction rates under a density-dependent speciation model. Speciation rate is a function of the number of species N, lambda(N) = max(0,lambda(1-N/K)), and extinction rate is mu (constant).
bd.densdep.optim估计最大似然形态和物种灭绝率下的密度依赖的形态模型。形态率是种N，拉姆达的数量（N）=（0，λ（1-N / K）），而且灭绝的速度是亩（常数）的函数。
用法----------Usage----------
bd.densdep.optim(x,minK,maxK,discrete=TRUE,continuous=FALSE,lambdainit=2,muinit=1,Kinit=0,Yule=FALSE,muset=0,rho=1,model=-1, survival = 0)
参数----------Arguments----------
参数：x
Vector of speciation times in the phylogeny. Time is measured increasing going into the past with the present being time 0. x can be obtained from a phylogenetic tree using getx(TREE).
向量的形态时代的亲缘关系。时间测量增加进入的过去与目前时间0。 x可以从系统树的getX（TREE）。
参数：minK
Minimal value of K (when discrete=TRUE). Default is minK = (number of species).
最小的K值（当离散= TRUE）。默认值是貂皮=（种）。
参数：maxK
Maximal value of K (when discrete=TRUE). Default is maxK = 1.5(number of species).
最大的K值（当离散= TRUE）。默认值是maxK = 1.5（种）。
参数：discrete
If discrete=TRUE, the likelihood function is maximized with K being an integer and the minimal size being minK and the maximal size being maxK.
如果离散= TRUE，似然函数最大化的K是一个整数，最小尺寸是水貂和最大规模的maxK。
参数：continuous
If continuous=TRUE, the likelihood function is maximized with K being a continuous parameter. The function subplex is used for optimization and sometimes gets stuck at a non-optimal K. Thus I always recommend to also calculate with discrete=TRUE.
如果连续= TRUE，似然函数的最大化，K是一个连续的参数。用于优化和功能subplex有时会停留在非最佳K.因此，我建议，还要计算离散= TRUE。
参数：lambdainit
Initial lambda value for optimization when K is continuous (default is 2).
初始的lambda值的优化，当K是连续的（默认值是2）。
参数：muinit
Initial mu value for optimization when K is continuous (default is 1).
初始亩产值进行优化，当K是连续的（默认为1）。
参数：Kinit
Initial K value for optimization when K is continuous (default is (number of species)+1).
初始K值进行优化，当K是连续的（默认值是（数种）1）。
参数：Yule
Yule=FALSE is default. Yule=TRUE sets mu=0, i.e. no extinction.
尤尔= FALSE是默认的。尤尔= TRUE套亩= 0，即没有灭绝。
参数：muset
muset=0 (default) maximizes over the whole parameter range. muset>0 means that the optimization is done over all mu>muset. muset<0 fixes mu=-muset.
muset = 0（默认），最大限度地提高了整个参数范围内。 muset> 0表示所有亩，是做了优化> muset。 muset <0修正亩= muset，
参数：rho
rho=1 is default meaning all species are sampled. rho<1 assumes that the phylogeny is incomplete, and each species is included with probability rho.
ρ= 1是默认的，这意味着所有的物种进行采样。卢<1的发展史是不完整的，每一个物种被列入的概率RHO。
参数：model
model=-1 (default) is the density-dependent model. model=0 (only relevant for testing purposes) assumes that lambda is constant for number of species < K, and 0 for number of species >= K. model=0 is used for testing / comparing to constant rate model implemented in bd.shifts.optim.
模型= -1（默认）是密度依赖模型。模型= 0（仅用于测试目的）假设λ是常数种数<K，种数为0> = 0 = K模型用于测试/比较恒定的速率模型实施BD shifts.optim。
参数：survival
survival = 0 always; i.e. the method cannot condition on survival of the process (yet).
生存= 0，即该方法无法生存条件的过程中（还）。
值----------Value----------
参数：res
Maximum likelihood speciation and extinction rate and the saturation value K; the first entry, res[[1]], is the result when K being discrete (0 if discrete=FALSE) and the second entry, res[[2]], is the result when K being continuous (0 if continuous=FALSE). $par is (lambda,mu,K). $value is -log likelihood. The likelihood is calculated assuming there were two lineages at the time of the root. The likelihood is NOT conditioned on survival of the two lineages. Likelihood-values from bd.shifts.optim are directly comparable (eg AIC) for survival = 0. Likelihood-values from laser are comparable for survival = 0 after the transformation -$value+(sum(log(2:length(x)))-(length(x)-1)*log(2)).
最大似然形态的物种灭绝速度和饱和度值K的第一个项目，RES [[1]]时，结果是K是离散的（0，如果离散= FALSE），第二个条目中，res [[2]]，结果当K为连续（0如果连续= FALSE）。 $ PAR（λ亩，K）。美元的价值是对数似然。的可能性来计算假设有两个谱系，在根的时间。上生存的可能性是没有条件的两个谱系。似然值来自bd.shifts.optim的直接可比性（如AIC）= 0的生存。似然值从激光相媲美的生存，改造后的 - 值+（总和（log（2：长度（x））） - （长度（x）-1）* LOG（2））= 0。
注意----------Note----------
bd.densdep.optim(x,Yule=TRUE,discrete=FALSE,cont=TRUE) in TreePar and DDL(x) in Laser return the same results (up to transforming the -log likelihood ($value) from TreePar via -$value+(sum(log(2:length(x)))-(length(x)-1)*log(2))
的TreePar和DDL（x）在激光bd.densdep.optim（X，尤尔= TRUE，离散= FALSE，续= TRUE）返回相同的结果（最多转化TreePar通过对数似然（$） - 美元值+（SUM（log（2：长度（x））） - （长度（x）-1）* LOG（2））
（作者）----------Author(s)----------
Tanja Stadler,
Gabriel Leventhal
参考文献----------References----------
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 2012-10-1 11:51:03
