测试RRphylo方法飞越

overfitRR基础

使用大量参数的方法存在过度使用的风险。这个通常转换为与数据和树（而不是最初使用的。使用RRphylo方法，此风险通常非常高低。然而，用户可以通过应用搜索.移位，搜索.trend，搜索.conf，或PGLS_化石都是通过跑步过盈RR. The基本思想过盈RR正在使用备用树用于测试系统发育和采样不确定性的拓扑同时。用户可以通过多Phylo对象，否则将自动生成在内部过盈RR在后一种情况下，原始树和数据通过指定秒参数，即是要从树上移除的叶尖和物种的比例位置通过使用函数进行洗牌拭子ONE.

过度tRR总是采用由生成的对象RRphylo公司以及所有用于产生它（除了必要的表型数据外，任何其他论据作为协变量、预测器等传递给RRphylo公司)。如果不门列表可用，参数秒和沼泽地可用于设置应用亚采样和系统发育变化。取决于哪个工具正在测试中，用户为功能提供一个或更多趋势.args，移位参数，转换参数、和pgls.args页面他们每个人都是特定于namesake函数的参数列表（请参见示例（见下文）。

结果

的输出过盈RR是一个RRphyloList（RRphylo列表）对象，其元素取决于测试中的案例（参见下文）。

在某些情况下，根据秒将删除测试中的分支和/或状态中的过多提示。在这些情况下，该功能至少保持5个物种测试中的每个分支/州（或所有物种，如果数量较少），减小采样参数秒如有必要。因此输出列表的第一个元素($mean.采样)是迭代中实际移除的物种的平均比例。

在任何情况下，该函数都会返回多Phylo和aRRphyloList（RRphylo列表）对象包括修改的系统发育($tree.list)和的输出RRphylo公司在他们身上执行($RR.列表)分别是。两个对象被视为常规列表。过盈RR还导出了原始表型值估计值的95%置信区间在树根($rootCI)以及回归参数描述内部节点处原始值之间的关系以及子采样和交换后的相应图形($ace.出口)。回归斜率接近1表示原始值和子采样值之间的更好匹配，表明该估计对系统发育不确定性和二次采样。

search.shift结果

当搜索.移位经过测试函数为返回单独的结果分支和稀疏的条件($移位结果)。第一个(分支)包括产生显著和积极的，积极的(p.移位+)或重要且消极(p.移位-)每个节点的速率偏移，以及所有分支作为一个整体（参见测试速率变化与整个分支更多详细信息）。在稀疏的条件(稀疏的)，相同与之前的数据相比，报告了每个州类别的数据树的其余部分和所有可能的类别对（请参见测试速率变化与系统发育无关的物种更多详细信息）。

search.trend结果

测试时搜索.trend鲁棒性，过度tRR返回整个树和特定分支（如有指示）($trend.results（美元趋势结果）)。的结果整棵树(树)总结比例产生积极影响的模拟(坡度+)或负值(坡度-)坡度明显更高(p.向上)或更低(p.向下)比BM表型或重标率随时间变化的模拟回归。此类评估基于p.随机只有（请参见总体上的时间趋势树，了解更多详细信息）。当特定分支低于测试时，返回与整个树相同的结果集每个节点(节点)。在这种情况下，对于表型与年龄通过节点回归，比例显著且正/负斜率(斜率+p.up，斜率+p.down，斜坡-向上，斜坡.down)附有估计边际平均值的相同数字差异(下午+和下午-)。作为对于节点绝对速率的时间趋势显著和正/负估计边际均值差异(体育+和体育-)而且是一样的坡度差图(p.斜坡+和p.斜坡-)已报告（请参见分支的时间趋势水平)。最后，当测试多个节点时$trend.results（美元趋势结果）对象还包括节点之间的成对比较。

search.conv结果

的稳健性结果搜索.conf($转换结果)包括用于收敛的单独对象之间分支或介于/之内状态.在第一种情况下(分支)，比例产生显著收敛实例的仿真(p.ang.bydist公司)或收敛与并行(p.ang.conv公司)在选定的分支之间返回（参见形态收敛于分支更多详细信息）。关于内部/之间的收敛离散类别(状态),过度tRR报告生成重要实例的模拟的比例趋同会计(p.ang.状态.时间)或者不是会计(安哥拉州)暂时介入处于焦点状态的尖端之间形态收敛类别内/类别间用于解释）。

PGLS_化石结果

的稳健性结果PGLS_化石($pgls.results（$pgls.结果）)为pgl包含单独的对象在原始树上执行($树)或者在树上根据重新缩放RRphylo公司费率（即树枝重新缩放到绝对分支率值，同时保持总数演化时间常数；RR美元).

指导性示例

图书馆（猿）

#加载RRphylo示例数据集，包括Ornithodirans树和数据
DataOrnithodirans公司$特雷迪诺->特雷迪诺#系统发育树
DataOrnithodirans公司$马斯蒂诺->马斯蒂诺#身体质量数据
DataOrnithodirans公司$斯塔蒂诺->statedino公司#运动类型数据

###测试search.shift
#执行RRphylo Ornithodirans树和数据
RRphylo公司(树=特雷迪诺，年=马斯蒂诺）->dinoRates公司

#在“分支”和“稀疏”条件下执行search.shift
搜索.移位(右后=恐龙比率，状态.类型= “分支”)->SS节点
搜索.移位(右后=恐龙比率，状态.类型= “稀疏”，状态=斯塔蒂诺）->S状态

#测试search.shift结果的稳健性
过盈RR(右后=恐龙比率，年=马斯蒂诺，拭子参数=列表(硅=0.2，二氧化硅=0.2),
          移位参数= 列表(节点=行名称（SS节点$单分支），状态=statedino），
          国家统计局=10)


###测试搜索.trend
#提取翼龙树和数据
萃取包层（特雷迪诺，748)->特雷普特罗#系统发育树
马斯蒂诺[比赛（树翼龙$tip标签，姓名（马斯蒂诺）]->大翼龙#身体质量数据
大翼龙[比赛（特雷普特罗$提示标签，姓名（massptero））]->大翼龙

#对翼龙树和数据执行RRphylo和search.trend
#通过指定要测试的覆层
RRphylo公司(树=特雷普特罗，年=日志（massptero））->RRptero公司

搜索.trend(右后=RRptero公司，年=日志（massptero），节点=143，覆盖（cov）=无效的，ConfInt公司=错误的)->ST节点

#测试search.trend结果的稳健性
过盈RR(右后=RRptero公司，年=日志（massptero），趋势.args= 列表(节点=143),国家统计局=10)

###过度tRR在多个RRphylo上的应用
#加载RRphylo示例数据集，包括鲸目树和数据
数据(“数据鲸类”)
数据鲸类$树冠->树冠#系统发育树
数据中心$按摩浴缸->水龙头#记录的车身质量数据
数据鲸类$脑力按摩->脑力按摩#记录的脑质量数据
数据鲸类$aceMyst公司->aceMyst公司#最近的已知表型值
                               #迈提切蒂的共同祖先

#交叉参考系统发育树和身体和大脑质量数据。从中删除
#身体大小的树和向量都是大脑大小缺失的物种
滴落.tip（treecet，treecet$提示标签[-比赛(姓名（脑力按摩），
树冠$提示.标签）]）->树1
水龙头[比赛（树1$提示标签，姓名（水龙头）]->质量1

#将RRphylo用于变量（体重）的附加预测
RRphylo公司(树=树1，年=质量1）->RR质量
RR质量$aces[，1]->无质量1

#创建预测向量：检索祖先特征估计
#RR对象（$aces）内部节点处的躯干大小，并对其进行整理
#以物种的体型来创造
c（c）（面积1，面积1）->x1.毫米

#对RRphylo和search.trend进行分析
#通过使用体重作为附加预测值
RRphylo公司(树=树1，年=脑力按摩，x1个=x1.质量）->RRmulti公司

搜索.trend(右后=RRmulti、，年=脑力按摩，x1个=x1.质量）->ST接头

#测试search.trend结果的稳健性
过盈RR(右后=RRmulti、，年=脑力按摩，趋势.args= 列表(),x1个=x1.质量，国家统计局=10)


###测试PGLS_fossil
#鲸类脑组织中的逆转录病毒
RRphylo公司(树=树1，年=大脑按摩）->RR大脑

#使用原始树执行PGLS_fossil
PGLS_化石（年~x、，数据=列表(年=脑力按摩，x个=质量1），树=树1）->页码_无RR

#根据RRphylo比率执行PGLS_fossil重新缩放树
PGLS_化石（年~x、，数据=列表(年=脑力按摩，x个=质量1），树=RR大脑$树，右后=RRbrain）->前列腺素受体

#测试PGLS_fossil结果的稳健性
过盈RR(右后=RRbrain、，年=脑力按摩，
          pgls.args页面=列表(模态=年~x、，数据=列表(年=脑力按摩，x个=质量1），树=真的，右后=真的),
          国家统计局=10)


###测试search.conv
#加载RRphylo示例数据集，包括Felids树和数据
数据(“DataFelids”)
DataFelids公司$PC评分->PC评分#下颌骨形状数据
数据费$树叶->树叶#系统发育树
DataFelids公司$斯塔特费尔->斯塔特费尔#锥齿或剑齿状态

#对Felids树和数据执行RRphylo
RRphylo公司(树=treefel、，年=PCscoresfel）->拉菲尔

#分支间形态收敛的搜索（自动模式）
#并且在类别内
搜索.conf(右后=拉菲尔，年=PCscoresfel、，最小直径=5，最小偏差=“节点9”))->SC.叶片
as.数字(c（c）(行名称（SC叶片[[1]])[1],as.数字(作为字符（SC叶片[[1]][1，1]))))->转换节点

搜索.conf(树=treefel、，年=PCscoresfel、，状态=斯塔特费尔）->SC.状态

#测试seach.conv结果的稳健性
过度tRR(右后=拉菲尔，年=PCscoresfel、，转换参数=
            列表(节点=转换节点，国家=statefel公司，清除灰尘=真的),国家统计局=10)