admixturegraph-package | 外加剂图形:可视化和分析外加剂图形。 | ||
add_an_admixture | 将新事件添加到图形中。 | ||
add_an_admixture2 | 将新事件添加到图形中。 | ||
add_a_leaf | 向图形添加新叶。 | ||
add_graph_f4 | 为数据帧中的所有行求值a_b统计信息,并使用图a_b扩展数据帧。 | ||
add_graph_f4_sign | 用图表预测的two统计数据扩展数据帧。 | ||
admixture_edge | 创建从一个子对象到两个父对象的混合边。 | ||
admixture_proportions | 为混合图形创建混合比例列表。 | ||
admix_props | 指定混合事件中的比例。 | ||
agraph | 创建混合图形对象。 | ||
agraph_children | 从父边列表构建子事件矩阵。 | ||
agraph_parents | 从边列表构建父关联矩阵。 | ||
agraph_weights | 从边缘列表构建混合比例矩阵。 | ||
all_graphs | 所有图形。 | ||
all_paths | 计算从一片叶子到另一片叶子的所有路径。 | ||
all_path_overlaps | 获取所有路径的重叠列表。 | ||
bears | 熊的数量统计 | ||
build_edge_optimisation_matrix | 当混合变量固定后,建立一个对线性边系统进行编码的矩阵。 | ||
burn_in | 从跟踪中删除前k行。 | ||
calculate_concentration | 建立代理浓度矩阵。 | ||
canonise_expression | 用于识别相似的表达式并可能简化它们。 | ||
canonise_graph | 正则图。 | ||
coef.agraph_fit | 拟合图的参数。 | ||
cost_function | 内尔德米德的成本函数。 | ||
edge | 创建从子对象到父对象的边。 | ||
edge_optimisation_function | 更详细的边缘拟合比单纯的ighd_hum_df。 | ||
eight_leaves_trees | 八片树叶。 | ||
evaluate_f4 | 计算给定环境中的a_b统计信息。 | ||
examine_edge_optimisation_matrix | 检查边缘优化矩阵以检测不合适的外加剂变量。 | ||
extract_admixture_proportion_parameters | 从边缘规范中提取外加剂比例参数。 | ||
extract_graph_parameters | 提取图形包含的所有参数。 | ||
extract_trees | 提取树 | ||
f2 | 计算a_b(A,B)统计。 | ||
f3 | 计算a_b(A;B,C)统计量。 | ||
f4 | 计算a_b(W,X;Y,Z)统计量。 | ||
f4stats | 使数据帧成为two统计对象。 | ||
fast_fit | 图形拟合的快速版本。 | ||
fast_plot | 图形绘制的快速版本。 | ||
filter_on_leaves | 过滤数据,使所有的W,X,Y和Z都是图中的叶子。 | ||
fitted.agraph_fit | 拟合图的预测f统计量。 | ||
fit_graph | 将图形参数拟合到数据集。 | ||
fit_graph_list | 将大量的图形与数据相匹配。 | ||
fit_permutations_and_graphs | 将大量的图形与数据相匹配。 | ||
five_leaves_graphs | 五叶图。 | ||
format_path | 从节点列表创建路径数据帧。 | ||
four_leaves_graphs | 四叶图。 | ||
get_graph_f4_sign | 为图表预测的two统计信息提取符号。 | ||
graphs_2_0 | 两片叶子和0个混合事件压缩成向量的混合图 | ||
graphs_3_0 | 3叶0混合事件压缩成向量的混合图 | ||
graphs_3_1 | 三片叶子和一个混合事件压缩成向量的混合图 | ||
graphs_4_0 | 4个叶和0个混合事件压缩成向量的混合图 | ||
graphs_4_1 | 4片叶子和1个混合事件压缩成向量的混合图 | ||
graphs_4_2 | 4片叶子和2个混合事件压缩成向量的混合图 | ||
graphs_5_0 | 5个叶和0个混合事件压缩成向量的混合图 | ||
graphs_5_1 | 5片叶子和1个混合事件压缩成向量的混合图 | ||
graphs_5_2 | 5叶和2个混合事件压缩成向量的混合图 | ||
graphs_6_0 | 6叶和0个混合事件压缩成向量的混合图 | ||
graphs_6_1 | 压缩成向量的6片叶子和1个混合事件的混合图 | ||
graphs_6_2 | 压缩成向量的6片叶子和2个混合事件的混合图 | ||
graphs_7_0 | 7个叶和0个混合事件压缩成向量的混合图 | ||
graphs_7_1 | 7片叶子和1个混合事件压缩成向量的混合图 | ||
graphs_8_0 | 8片叶子和0个混合事件压缩成向量的混合图 | ||
graph_environment | 建立一个可以评估f统计数据的环境。 | ||
graph_to_vector | 图形到矢量。 | ||
is_descendant_of | 是的后代。 | ||
is_negative | 所有重叠要么为空,要么为负权重。 | ||
is_positive | 所有重叠要么为空,要么具有正权重。 | ||
is_unknown | 重叠边有正贡献和负贡献。 | ||
is_zero | 所有重叠都是空的。 | ||
log_likelihood | 在给定观测值的情况下,计算(本质上)带参数图的对数似然。 | ||
log_sum_of_logs | 计算在日志空间中给定的所有数字之和的日志。 | ||
make_an_outgroup | 组成一个小组。 | ||
make_mcmc_model | 收集有关在其上运行MCMC所需的图形和数据集的信息。 | ||
make_permutations | 排列列表。 | ||
model_bayes_factor_n | 从样本的后验分布计算两个模型之间的贝叶斯因子。 | ||
model_likelihood | 从样本的后验分布计算模型的可能性。 | ||
model_likelihood_n | 从样本的后验分布计算模型的可能性。 | ||
mynonneg | 非负最小二乘解。 | ||
no_admixture_events | 获取图形中的混合事件数。 | ||
no_admixture_events.agraph | 获取图形中的混合事件数。 | ||
no_admixture_events.agraph_fit | 获取拟合图中的混合事件数。 | ||
no_admixture_events.agraph_fit_list | 获取拟合图列表中的混合事件数。 | ||
no_poor_fits | 得到拟合中预测超出误差线的测试数。 | ||
no_poor_fits.agraph_fit | 得到拟合中预测超出误差线的测试数。 | ||
no_poor_fits.agraph_fit_list | 得到拟合中预测超出误差线的测试数。 | ||
overlaps_sign | 找到重叠路径的迹象。 | ||
parent_edges | 创建混合图形的边列表。 | ||
path_overlap | 收集两条路径之间的正重叠和负重叠。 | ||
plot.agraph | 绘制一个混合图形。 | ||
plot.agraph_fit | 绘制图表与数据的拟合度。 | ||
plot.f4stats | 绘制图表与数据的拟合度。 | ||
plot_fit_1 | 成本函数或拟合统计数的曲线图。 | ||
plot_fit_2 | 成本函数的等高线图。 | ||
poor_fits | 在预测超出误差线的地方进行拟合测试。 | ||
poor_fits.agraph_fit | 在预测超出误差线的地方进行拟合测试。 | ||
poor_fits.agraph_fit_list | 在预测超出误差线的地方进行拟合测试。 | ||
print.agraph_fit | 拟合图形的打印功能。 | ||
project_to_population | 将样本名称映射到总体名称。 | ||
remove_duplicates | 从列表中删除重复的图形。 | ||
rename_nodes | 重命名节点。 | ||
residuals.agraph_fit | 拟合图的预测误差 | ||
run_metropolis_hasting | 运行Metropolis-Hasting MCMC对图形参数进行采样。 | ||
seven_leaves_graphs | 七叶图。 | ||
seven_leaves_trees | 七叶树。 | ||
sf2 | 计算a_b(A,B)统计。 | ||
sf3 | 计算a_b(A;B,C)统计量。 | ||
sf4 | 计算a_b(W,X;Y,Z)统计量。 | ||
six_leaves_graphs | 六叶图。 | ||
split_population | 反转样本到总体的投影。 | ||
split_population.agraph_fit | 反转样本到总体的投影。 | ||
split_population.data.frame | 反转样本到总体的投影。 | ||
summary.agraph_fit | 拟合图的摘要。 | ||
sum_of_squared_errors | 得到拟合图的误差平方和。 | ||
sum_of_squared_errors.agraph_fit | 得到拟合图的误差平方和。 | ||
sum_of_squared_errors.agraph_fit_list | 得到拟合图列表的误差平方和。 | ||
thinning | 稀释出MCMC的痕迹。 | ||
vector_to_graph | 矢量到图形。 |