R语言 tlnise包 tlnise()函数中文帮助文档(中英文对照)

loveR

tlnise(tlnise)
tlnise()所属R语言包：tlnise

                                        TLNise
                                         TLNise

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Two level Normal independent sampling estimation
两级师范独立的抽样估计


用法----------Usage----------


tlnise(Y, V, w = NA, V0 = NA, prior = NA, N = 1000, seed = NULL,
       Tol = 1e-06, maxiter = 1000, intercept = TRUE, labelY = NA,
       labelYj = NA, labelw = NA, digits = 4, brief = 1, prnt = TRUE)



参数----------Arguments----------

参数：Y
Jxp (or pxJ) matrix of p-dimensional Normal outcomes
JXP（或PXJ）矩阵的p维正常结果


参数：V
pxpxJ array of pxp Level-1 covariances (assumed known)
PXP-1级的协方差pxpxJ阵列（假设已知）


参数：w
Jxq (or qxJ) covariate matrix (adds column of 1's if not included and intercept = TRUE)
Jxq（或QXJ）协方差阵（增加1列如不包括和intercept = TRUE）


参数：V0
"typical" Vj (default is average of Vj's)
“典型的”VJ（默认值是平均的VJ）


参数：prior
prior parameter (see Details)
之前的参数（见详情）


参数：N
number of Constrained Wishart draws for inference
数量的约束威沙特即将进行推理


参数：seed
seed for the random number generator
的随机数发生器的种子


参数：Tol
tolerance for determining modal convergence
公差确定模态收敛


参数：maxiter
maximum number of EM iterations for finding mode
发现的最大数量的EM迭代模式


参数：intercept
if TRUE, an intercept term is included in the regression
如果TRUE，截距项包括在回归


参数：labelY
optional names vector for the J observations
可选的名字向量的J观察


参数：labelYj
optional names vector for the p elements of Yj
可选的名字向量的p元素的YJ


参数：labelw
optional names vector for covariates
可选的名字向量的协变量


参数：digits
number of significant digits for reporting results
一些显着的数字报告结果


参数：brief
level of output, from 0 (minimum) to 2 (maximum)
电平的输出，从0（最小）至2（最大）


参数：prnt
controls printing during execution
在执行过程中控制打印


Details

详细信息----------Details----------

The prior is p(B_0) =     |B_0|^{(prior - p - 1)/2}.  
之前是p(B_0) =     |B_0|^{(prior - p - 1)/2}。

Note that for the prior distribution, prior = -(p+1) corresponds to a uniform on level-2 covariance matrix A (default), prior = 0 is the Jeffreys' prior, and prior = (p+1) is the uniform prior on shrinkage matrix B0.
请注意，先验分布，prior = -(p+1)对应于一个统一的2级协方差矩阵A（默认值），prior = 0是杰弗里斯“之前，和prior = (p+1)是统一前的收缩矩阵B0。


值----------Value----------

tlnise returns a list, the precise contents of which depends on the value of the brief argument.  Setting brief = 2 returns the maximum amount of information.  Setting brief = 1 or brief = 0 returns a subset of that information.
tlnise返回一个列表，其中的确切内容取决于brief参数的值。设置brief = 2返回的最大数量的信息。设置brief = 1或brief = 0返回该信息的一个子集。

If brief = 2, the a list with the following components is returned: <table summary="R valueblock"> <tr valign="top"><td>gamma</td> <td> matrix of posterior mean and SD estimates of Gamma, and thei ratios</td></tr> <tr valign="top"><td>theta</td> <td> pxJ matrix of posterior mean estimates for thetaj's</td></tr> <tr valign="top"><td>SDtheta</td> <td> pxJ matrix of posterior SD estimates for thetaj's</td></tr> <tr valign="top"><td>A</td> <td> pxp estimated posterior mean of variance matrix A</td></tr> <tr valign="top"><td>rtA</td> <td> p-vector of between group SD estimates</td></tr> <tr valign="top"><td>Dgamma</td> <td> rxr estimated posterior covariance matrix for Gamma</td></tr> <tr valign="top"><td>Vtheta</td> <td> pxpxJ array of estimated covariances for thetaj's</td></tr> <tr valign="top"><td>B0</td> <td> pxpxN array of simulated B0 values</td></tr> <tr valign="top"><td>lr</td> <td> N-vector of log density ratios for each B0 value</td></tr> <tr valign="top"><td>lf</td> <td> N-vector of log f(B0|Y) evaluated at each B0</td></tr> <tr valign="top"><td>lf0</td> <td> N-vector of log f0(B0|Y) evaluated at each B0 (f0 is the CWish envelope density for f)</td></tr> <tr valign="top"><td>df</td> <td> degrees of freedom for f0</td></tr> <tr valign="top"><td>Sigma</td> <td> scale matrix for f0</td></tr> <tr valign="top"><td>nvec</td> <td> number of matrices begun, diagonal and off-diagonal elements simulated to get N CWish matrices</td></tr> <tr valign="top"><td>nrej</td> <td> number of rejections that occurred at each step 1,..,p</td></tr> </table>
如果brief = 2，返回了以下组件的列表：<table summary="R valueblock"> <tr valign="top"> <TD> gamma</ TD> <TD>矩阵后的均值和方差的估计伽玛，和其比值</ TD> </ TR> <tr valign="top"> <TD> theta </ TD> <TD> PXJ矩阵验均值估计thetaj </ TD> </ TR> <tr valign="top"> <TD>SDtheta </ TD> <TD>的PXJ矩阵的后SD估计thetaj </ TD> </ TR> <TR VALIGN =“顶”> <TD>A </ TD> <TD> PXP估计后验均值方差矩阵A </ TD> </ TR> <tr valign="top"> <TD> X> </ TD> <TD> P-矢量之间组SD估算</ TD> </ TR> <tr valign="top"> <TD>rtA </ TD> <TD> RXR估计后的协方差矩阵，伽玛</ TD> </ TR> <tr valign="top"> <TD>Dgamma </ TD> <TD> pxpxJ阵列的估计协方差thetaj </ TD> </ TR> <tr valign="top"> <TD> Vtheta </ TD> <TD> pxpxN阵列模拟B0值</ TD> </ TR> <tr valign="top"> <TD> B0</ TD> <TD>每个B0值的记录密度比N-矢量</ TD> </ TR> <tr valign="top"> <TD>lr</ TD <TD> N-矢量的log（B0 | Y）评价每个B0 </ TD> </ TR> <tr valign="top"> <TD> lf </ TD> <TD> N-矢量的logF0（B0 | Y）评估每个B0（为f f0是CWish的信封密度）</ TD> </ TR> <tr valign="top"> <TD>lf0< / TD> <TD>的自由度F0 </ TD> </ TR> <tr valign="top"> <TD> df </ TD> <TD>规模的矩阵为f0 </ TD> </ TR> <tr valign="top"> <TD> Sigma</ TD> <TD>数的矩阵开始，对角和非对角元素模拟得到N CWish矩阵的</ TD> </ TR> <tr valign="top"> <TD>nvec</ TD> <TD>数量的拒绝，发生在每一个步骤1，...，P </ TD> </ TR> </表>


（作者）----------Author(s)----------


S-PLUS original by Philip Everson; R port by Roger D. Peng



参考文献----------References----------

Everson PJ, Morris CN (2000). &ldquo;Inference for Multivariate Normal Hierarchical Models,&rdquo; Journal of the Royal Statistical Society, Series B, 62 (6) 399&ndash;412.

实例----------Examples----------


x &lt;- rnorm(10)  ## Second level[＃第二级]
y &lt;- rnorm(10, x)  ## First level means[＃第一级手段]

out <- tlnise(Y = y, V = rep(1, 10), w = rep(1, 10), seed = 1234)

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。