模拟
设置种子(223)
x个<- 雷帕罗(n个= 200,磅/平方英寸=psi,多个(_d)=mu_d,多个=多个,圆周率=圆周率)
情节(x)
模拟函数生成阿菲罗
类对象它只是一个包装器,包含:
- 0/1整数矩阵(注释),
- 一
门(phylo)
树(来自猿包装),和
- 关于树和注释的一些信息。
如果需要,我们可以导出数据,如下所示:
#描述父->子关系的边列表
写入.csv(x)$树,文件= “tree.tree”,行名称= 错误的)
#提示注释
安<- 具有(x,旋转(提示注释、节点注释)
写入.csv(安,文件= “annotations.csv”,行名称= 错误的)
#事件类型
事件<- 具有(x,cbind公司(c(c)(提示类型*不适用,节点类型))
行名称(个事件)<- 1:nrow公司(个事件)
写入.csv(事件,文件= “events.csv”,行名称= 错误的)
推断
为了拟合数据,我们可以使用MCMC,如下所示:
安<- 阿维罗_麦克(x)~磅/平方英寸+多个(_d)+多个+圆周率)
##警告:使用多条链时,已通过单个初始点##通过“initial”:c(0.1、0.05、0.9、0.5、0.1、0.05和0.5)。这些值将为##回收利用。理想情况下,您需要从不同的位置启动每条链。
##通过10000个步骤实现了融合。Gelman-Rubin的R:1.0291。(500个样品的最终计数)。
## ##注释系统发生树的估计## ##调用:aphylo_mcmc(型号=x ~ psi+mu_d+mu_s+Pi)##日志链接:-109.1906##使用的方法:mcmc(10000步)##叶数:200##函数数1##树木数量:1## ##估算标准误差。##磅/平方英寸0.0792 0.0606##磅/平方英寸0.0582 0.0396##mu_d0 0.2310 0.1396##mu_d1 0.1445 0.1062##mu_s0 0.1273 0.0429##mu_s1 0.0643 0.0324##编号:0.3636 0.2564
为了更好地进行分析,我们有几个工具。我们可以将预测值与观测值进行比较:
我们还可以查看后部功能的表面
我们也可以看看预测分数
##预测得分(H0:观察值=随机)## ##观察次数:399## ##观察值:0.71***##随机:不适用##P(<t):0.0000## --------------------------------------------------------------------------------##值缩放到0到1之间的范围,1为最佳值。## ##显著性水平:***p<.01,**p<.05,*p<.10##平均零售价0.85。##MAE 0.29。