推荐这篇日记的豆列
······ansys中，TimeHist postproc对话框的time的minimum和maximum值怎么调整？如题 谢谢了_百度知道
ansys中，TimeHist postproc对话框的time的minimum和maximum值怎么调整？如题 谢谢了
meshing&gt还有一个问题是;size cntrls然后才是mesh面或体等，为什么要先meshing&gt，进行网格划分的时候;size cntrls这是划分前必须要进行的步骤吗
提问者采纳
计算时间长，精度高。所以根据你的实际情况来设置网格划分的尺寸。但是一般的网格划分都需要，我也不会要是你用自由网格划分就不需要这一步了。设定size即网格尺寸是为了你计算精度的要求，网格数目越多。网格尺寸设置得越小。关于第一个问题
其他类似问题
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁use&LWP::S
use&List::MoreUtils&qw/&uniq&/;
sub&xmlparse{
&&&&#parameter:&1,xmlstring&2,out&file&descriptor
&&&&$snpfetchrst&=&@_[0];
&&&&$outpfile&=&@_[1];
&&&&#get&rsID,&validation&info,&allele&info,&gene&info,&maf&allele&info
&&&&my&$rsid;
&&&&my&$taxid;
&&&&my&$content;
&&&&my&@geneid;
&&&&my&$alleinfo;
&&&&my&$filtr&=&
&&&&#print&table&head
&&&&#print&$outpfile&"refSNP","\t","alleles","\t","minoralle","\t","entrezGeneID","\n";
&&&&while&($snpfetchrst&=~&/&Rs&rsId=\"(\d+)\".*?taxId=\"(\d+)\"&(.*?)&\/Rs&/sg)&{
&&&&&&&&@geneid&=&();
&&&&&&&&$filtr&=&
&&&&&&&&$rsid&=&$1;
&&&&&&&&$taxid&=&$2;
&&&&&&&&$content&=&$3;
&&&&&&&&if($taxid&!=&9606){
&&&&&&&&&&&&next;
&&&&&&&&&&&else{
&&&&&&&&&&&&if&(($content&=~&/&Validation&(.*?)\/&/sg)|($content&=~&/&Validation&.*?&(.*?)&\/Validation&/sg))&{
&&&&&&&&&&&&&&&&$valid_state&=&$1;
&&&&&&&&&&&&&&&&#print&$valid_state,"\n";
&&&&&&&&&&&&&&&&if($valid_state){&&&&#validation&state
&&&&&&&&&&&&&&&&&&&&$filtr&=&
&&&&&&&&&&&&&&&&&&&&if&($content&=~&/&Sequence.*?&(.*?)&\/Sequence&/sg)&{
&&&&&&&&&&&&&&&&&&&&$seqinfo&=&$1;
&&&&&&&&&&&&&&&&&&&&$alleinfo&=&$1&if&($seqinfo&=~&/&Observed&(.*?)&\/Observed&/);
&&&&&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&&&&&&&&&&&if&($content&=~&/&Assembly.*?reference="true"&(.*?)&\/Assembly&/sg){
&&&&&&&&&&&&&&&&&&&&&&&&$assemContent&=&$1;
&&&&&&&&&&&&&&&&&&&&&&&&if($assemContent&=~&/&Component.*?&(.*?)&\/Component&/sg){
&&&&&&&&&&&&&&&&&&&&&&&&&&&&$compcontent&=&$1;
&&&&&&&&&&&&&&&&&&&&&&&&&&&&if($compcontent&=~&/&MapLoc.*?&(.*?)&\/MapLoc&/sg){
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&$funcinfo&=&$1;
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&#print&$funcinfo,"\n";
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&while($funcinfo&=~&/&FxnSet&geneId=\"(\d+)\".*?\/&/sg){
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&#print&$1,"\n";
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&push(@geneid,$1);
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&@geneid&=&uniq(@geneid);&&&&#require&moreUtils&module&&&&&&&&
&&&&&&&&&&&&&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&&&&&&&&&}&&&&
&&&&&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&&&&&if&($content&=~&/&Frequency.*?allele=\"(.*?)\".*?\/&/sg){
&&&&&&&&&&&&&&&&&&&&&&&&$malle&=&$1;&&&&&&&&
&&&&&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&&&&&&&else{
&&&&&&&&&&&&&&&&&&&&next;
&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&}
&&&&&&&&&&&&else{
&&&&&&&&&&&&&&&&$filtr&=&
&&&&&&&&&&&&&&&&next;
&&&&&&&&&&&&}
&&&&&&&&if($filtr)&{print&$outpfile&($rsid,"\t",$alleinfo,"\t",$malle,"\t",join(',',@geneid),"\n");}
}&&&&#end&of&xml_parse
my&$utils&=&"http://www.ncbi.nlm.nih.gov/entrez/eutils";
open($refsnp,"&","snps.txt");
while&(&$refsnp&)&{
&&&&chomp;
&&&&$_&=~&/(\d+)/;
&&&&$rsid&=&$1;
&&&&push(@rss,&$rsid);
close($refsnp);
my&$id_list&=&join(',',@rss);
#print&$id_list,"\n";
#assemble&&the&epost&URL&as&an&HTTP&POST&call
$url&=&$utils&.&"/epost.fcgi";
$url_params&=&"db=snp&id=$id_list";
#create&HTTP&user&agent
$ua&=&new&LWP::UserA
$ua-&agent("elink/1.0&"&.&$ua-&agent);
#create&HTTP&request&object
$req&=&new&HTTP::Request&POST&=&&"$url";
$req-&content_type('application/x-www-form-urlencoded');
$req-&content("$url_params");
#post&the&HTTP&request
$response&=&$ua-&request($req);&
$epostrst&=&$response-&
my&$querykey;
my&$webEnv;
if($epostrst&=~&/&QueryKey&(.*?)&\/QueryKey&/sg){
&&&&$querykey&=&$1;
&&&&#print&$querykey,"\n";
if($epostrst&=~&/&WebEnv&(.*?)&\/WebEnv&/sg){
&&&&$webEnv&=&$1;
&&&&#print&$webEnv,"\n";
my&$count&=&@rss;
my&$retmax&=&600;
my&$efetch&=&$utils."/efetch.fcgi?";
open(my&$outpf,"&&","snp_queryinfo.txt");
if(defined($querykey)&&defined($webEnv)){
&&&&for($retstart&=&0;$retstart&&&$count;$retstart&+=&$retmax){
&&&&&&&&my&$progress&=&$retstart/$count;
&&&&&&&&my&$prog&=&sprintf(&"%.2f&",$progress);
&&&&&&&&print&"progression:&$prog\n";
&&&&&&&&$efetch_url&=&$efetch."db=snp&WebEnv=$webEnv&query_key=$querykey";
&&&&&&&&$efetch_url&.=&"&retstart=$retstart&retmax=$retmax&retmode=xml";
&&&&&&&&#print&$efetch_url,"\n";
&&&&&&&&$efetch_out&=&get($efetch_url);
&&&&&&&&#print&$efetch_out,"\n";
&&&&&&&&xmlparse($efetch_out,$outpf);
close($outpf);上面的过程将读入名为snps.txt所存储的refsnp号，然后利用efetch检索数据库信息，最后从xml结果中抽提有用的信息。
我觉得介绍有一点不合适的地方，就是那个列连表里面的数字，不应该是：3-1 40297 29960而应该是：3-1 37297 29663
test&-function(x=1,y=lv*3)&{
5test(1,1)2
now have some change:
test&-function(x=1,y=lv*3)&{
&&&&cat(x+y,"\n")
Error&in&cat(x&+&y,&"\n")&:&object&'lv'&not&found
So, a function's local variable can be used to initialize the function's (default)parameter once that local variable has been initialized.
1, induction rule(this has been widely used)2, squeeze rule(used in sinx/x limit proof)3, sequence convergence rule(sequence convergent proof,specially those sequences that have irrational limits like e)& &this rule says that for a sequence An:& &if An+1-An&=0, and, for every n, An&=some constant, then An is convergent.
1, assume that there are two alleles, from the individuals' phenotype constitution, we can get the allele proportion:& &alleles: A constitution: AA-x Aa-y aa-z& &A proportion: pro(A)=(2*x+1*y)/2*(x+y+z) #AA has 2 A,so one AA contributes 2 A.& &a proportion: pro(a)=(2*z+1*y)/2*(x+y+z)& &note that x y z can be any positive variables between zero and 1 provided x+y+z=1, in other word, these three variables has 2 freedom.2, hardy-weinberg equilibrium& &hardy-weinberg equilibrium says that ,without external disturbance, with random mating rate, the proportion of each allele, as well as the individuals' phenotype constitution remains the&same generation after generation.3, given the allele constitution of a population, the individual proportion under equilibrium state is fixed.&& thus calculate the difference between the expected(situtation under equilibrium state) constitution and the real constitution of the population&& can give us an implication that whether this population eveloted under the hardy weinberg assumption.4, one more point:&& given allele frequency of A(x) and a(y) of a population, one should not use the multiply rule to get the proportion of genotype Aa(this is not independent events), one should use the multiply table instead.
1, If you do not know how R internally convert the various data types, declear your variable name as explicitly as you can(variable type, character or numeric or boolen). see an example:&& let's say that you need a matrix data structure to store something(after a series of computation using "for" loop), usually,i done this by two means:&& I: state a vector(of whatever type,char, numeric etc) named mat_A, get a vector, vec_i, in every loop body and bind mat_A with vec_i to generate the matrix&& II:calculate the ncol and nrow of the matrix in advance, generate the matrix mat_A using matrix(ncol=m,nrow=n)-&mat_A; set related part of the matrix in every loop body.&& The second method is strongly recommended. because you may make numeric data totally(and automatically) converted to character data without intention using the first method and this kind of error is hard to debug because you do not know much about that.2, some function have specific behavior, be aware of and pay attention to these behavior.&& take the function aes(in ggplot2 package) as an example.&& aes map related value to the aresmatic operation. func info: aes(x ,y, ....more variables)&& what i want to put emphasis on is its behavor: aes look for two places to map x y variables, one is the global enviroment, the other is the&& dataframe(colnames(df)) u provide to him. So, there will be problems when you enclosure this tiny function in your own function without proper prcession(didn't pass him the dataframe u want to tackle or unproperly place the variable in global enviroment in ahead). example code is as follows:colscatterplot&-function(commonExp){&&&&require(ggplot2)&&&&commonExp&-as.data.frame(commonExp)&&&&#every&possible&combinations&&&&cmbn&-combn(ncol(commonExp),2)&&&&#cat(ncol(cmbn),"&",nrow(cmbn),"\n")&&&&for(i&in&1:&ncol(cmbn))&&&&{&&&&&&&&colnma&-colnames(commonExp)[cmbn[,i][1]]&&&&&&&&cat(colnma,"\n")&&&&&&&&colnmb&-colnames(commonExp)[cmbn[,i][2]]&&&&&&&&cat(colnmb,"\n")&&&&&&&&m&=&lm(as.formula(paste(colnmb&,colnma,sep="~")),&commonExp)&&&&&&&&eq&&-&substitute(italic(y)==b%*%italic(x)+a*~~italic(r)^2==r2,list(a&=&format(coef(m)[1],&digits&=&2),&b&=&format(coef(m)[2],&digits&=&2),r2&=&format(summary(m)$r.squared,&digits&=&3)))&&&&&&& eqlbel&-as.character(as.expression(eq))&&&&&&&&fnm&-paste(colnma,"-",colnmb,".png",sep="")&&&&&&&&cat(fnm,"\n")&&&&&&&&png(filename=fnm)&&&&&&&&p.obj&-ggplot(data=commonExp,&aes_string(x=colnma,y=colnmb))&+&geom_point()&+&geom_smooth(method=lm)&+&geom_text(aes(label=eqlbel) parse&=&TRUE)&&&&&&&&print(p.obj)&&&&&&&&#ggsave(filename=fnm,plot=p.obj)&&&&&&&&dev.off()&&&&}&&&&}&& the funtion above will not act properly, as aes in gem_text will look for a global variable named eqlbel and assigns not the local eqlabel in this function but the golbal one to its label param, if there isn't a global variabe named eqlbel,the function exit with an error,but it will become a magic bug if there happen to be a variable named eqlbel. this kind of error can trap your debugging procedure for a long time without any progression.
1,c中没有字符串的概念，字符串以字符数组+\0的形式实现。然而，strlen函数在计算长度时并不考虑最后这个\0,这就为我们操作&& malloc函数埋下了隐患，需要特别注意。2,free函数释放内存也许并不象我们想象的那样，最好在free(ptr)之后加上ptr=NULL。3,memory leak 是任何时候都要努力防止的。
交叉编译工具： codesourcery lite arm--arm-none-linux-gnueabi环境：ubuntu11.04 x64第一，最好在root用户下安装，不然有各种问题ctrl+T然后su输入passwd然后把下载下来的bin文件打开，java写的安装工具，一路next，安装完成第二，ctrl+T开终端，export工具链安装位置到PATH，我的是/root/Codesourcery/Sourcery_G++_Lite/bin&& && && export && CROSS_COMPILE=arm-none-linux-gnueabi-&& && && export ARCH=arm第三，make你的kernel另外，记得装uboot-mkimage如果你想用uboot引导的话Here we record some issues which is related with android source compilation:1,about repo: first you get curl using apt-get,then use curl to get repo, what is to mention is thatcan not be used to get repo anymore, try this one:https://dl-/dl/googlesource/git-repo/repo
前些年的时候写过一个抽象，粒度的感想。现在觉得挺有意义，就此写下。现实世界是无限的，既包括时无限也包括空无限，我不很了解广义相对论，所以不敢说前者与后者是否等价，所以就都写下。我们在做事尤其是发展理论时需要将现实抽象成一些我们熟悉的对象，这样做的理由很明显是：以对象或对象间的行为属性来模拟现实世界中的某一范围内的现象，也即用理论预测实际。如果这样，理论的成功与否在于抽象与现实在特定情况下的符合程度，这种特定情况即是我们的研究所关心的情况或者是我们的理论的适用范围，普适的规律不存在研究价值。解铃还须系铃人，检验这种符合程度的途径只有实验。但结果由过程决定，过程中的一个重要环节是抽象的粒度的选择，也是抽象的大部分工作内容。我现在的具体工作是：计算机辅助的系统的分子水平生物过程机制研究。其实主要是一些疾病过程机制。工作过程中，我的感觉是，即使很短的现实过程，抽象得到的对象也可以无限长，很小的现实体，抽象对象也可以无限大，物质无限可分在逻辑上和现实上都还没有遇到矛盾。左右抽象结果规模的大小的因素是抽象粒度。明智的做法是：粒化程度只要能够反映我们对现实的认知程度就可以了，这是完美主义的要求，进一步粒化程度只要能够使得我们的问题模型运转就可以了，这是实用主义的要求。我们平常所说的机制过程是：用更细粒度的抽象模型结合逻辑体系合理演绎较高层次的粒度模型，机制过程的演绎都发生在认知当中，不属于现实世界，所以科学研究中存在验证，也即实验。这种意义上，我们就像赌徒，现实是大转盘，我们一次次的试图猜中色子的落点，并在猜测的过程中不断地寻找并修正我们认为的可以依循的不变的东西。
今儿试了一下，静态数组其元素个数是有上限的，动态分配或者全局形式的数组貌似不存在这个现象，据说和编译器设置以及堆栈有关系，栈控件有限，堆相对大一些。
1，取余运算用于循环分组我说的循环分组是这种情形：假设你循环读入每行文本，并对每4行文本做一次统一的处理，那么怎么实现呢？&&& 创建4个用于存储每行文本的变量&&& 将行数对4取余，switch余数，存入相应变量，当余数为零时即可进行统一处理这里的提示是：取余运算可以根据余数将连续自然数分成个数为i（对i取余）的若干组
venn diagram and possibility现在意识到，以前在概率处理上的最大错误在于：潜意识的认为处理的事件间是独立的。另外：相互独立和venn diagram中面积的交叠没有直接关系，venn diagram中的面积是事件所包含的元素的形象的表示。相互独立不代表没有共同的元素。discrete and continous离散和连续一直是一个想不明白的地方，更确切的说是有限和无限。关于离散和连续的一个的别扭的地方是：连续变量在某个具体的点处的p为0。现在觉得造成这种现象的原因是在离散变量和连续变量的定义或者区分上没有认识清楚。其实连续型的变量很简单：包含不可数或者无限个状态的变量，其它的我们不关心。
首先，应当指出：平均值是使得直方图上以平均值为界的两侧的加权面积相等的那个点，权重等于相应的面积块的中心到该均值的距离；以中位数为界，直方图左右两侧面积相等；所以对于右长尾，对称，左长尾的分布，有：右长尾(right skewed)：中位数更靠近数据分布区间中心左侧，均值在中位数右侧对称：略左长尾(left skewed)：中位数更靠近数据分布区间中心右侧，均值在中位数左侧造成均值与中位数这种关系的原因在于均值位置的“加权”性质。均值容易受极端值（少数的 极大或者极小的值）的影响，中值没有这种性质。
c++头文件包含在一开始一定设计好，不要出现相互包含的情况。如果一不小心出现了相互包含，那么在有条件编译的前提下会出现各种怪现象，xxxx undefined就是一个。c++ primer上说：前向定义可以利用在这种情况相互包含的情况下。
最近在优化一个R实现的功能网络分析方法，有以下体会：1：R中，利用booler值进行矩阵下标索引可以帮助我们极大地提高程序效率：大部分作用于matrix的for while循环都可转化成矩阵的booler值索引相关运算。例如：矩阵A有10000行，2列。若用for进行相应行的前后置换：A&-matrix(c(sample(1:10000,10000),sample(1:10000,10000)),ncol=2,byrow=T)B&-Aproc.time()-&t1for(i&in&1:nrow(A)){if(A[i,1]&A[i,2])&A[i,]&-A[i,c(2,1)]}proc.time()-&t2t2-t1用户 系统 流逝 0.13 0.02 0.14若写成：proc.time()-&t1B[B[,1]&B[,2],]&-B[B[,1]&B[,2],c(2,1)]proc.time()-&t2t2-t1用户 系统 流逝 0.06 0.00 0.0610000行时两种方法都很快，差别也只有0.08秒，但是当行数为100000时，差别就会达到0.5秒2：对矩阵的操作尽量用apply家族函数。3：若无必要，勿增实体----奥卡姆剃刀法则在任何地方都是你要考虑到的。另外有一个剔除重复二元相互作用对的方法，记下来：假设二元相互作用对存储在matrix A中，二元相互作用对是无序的（a&-&b,b&-&a同时存在）.首先，按A的第一列排序整个matrix:A[order(A[,1]),]-&A然后去重：A&-unique(A)然后用一个统一的规则(大于或小于都可以)重新放置每个相互作用对：A[A[,1]&A[,2],]&-A[A[,1]&A[,2],c(2,1)]&& #if(A[i,1]&A[i,2]) A[i,]&-A[i,c(2,1)]} is OK再unique一次：A&-unique(A)就可以达到效果。4：注意R中的逻辑运算符:R 中存在两类逻辑运算符：短形式运算符& | !和长形式运算符&& ||，具体说明见help我们一般需要的是短形式的运算符。
262728293012345678910111213141516171819202122232425262728293031123456
阅读排行榜50R_share常见问题-第7页
上亿文档资料，等你来发现
50R_share常见问题-7
126.如何做配对t检验？；参考t.test()中的paired参数；require(stats)；##；Student’s；paired；t?test；t.test(extra?group,data=；extra0.7-0.6???4.63.4；group11???22；这里需要注意的是数据的录入形式（主要区别于SPS；apropos(&test
126.如何做配对t检验？参考t.test()中的paired参数。1require(stats)##Student’spairedt?test3t.test(extra?group,data=sleep,paired=TRUE)extra0.7-0.6???4.63.4group11???22这里需要注意的是数据的录入形式（主要区别于SPSS）：事实上如果你熟悉统计检验的话，你完全可以使用1apropos(&test&)来返回所有关于“检验”的信息。比如一些常用的检验：bartlett.testchisq.test?sher.testkruskal.testpairwise.t.testvar.test方差齐次性检验χ2检验Fisher精确检验Kruskal-Wallis秩和检验均值的多重比较方差比检验binom.testcor.testfriedman.testmcnemar.testPP.testwilcox.test二项检验相关性检验Friedman秩和检验McNemar检验Phillips-Perron检验Wilcoxon秩和检验尽情享用吧！127.R如何做结构方程模型？参考sem包。128.多项式回归应该使用什么函数？使用I()，例如：1lm(y?x+I(x?2)+I(x?3))129.如何使用方差分析（ANOVA）？方差分析同线性回归模型很类似，毕竟它们都是线性模型。最简单实现方差分析的函数为aov()，通过规定函数内公式形式来指定方差分析类型：方差分析aov(x?a)aov(x?a+b)aov(x?a+b+a:b)aov(x?a*b)单因素方差分析没有交互作用的双因素方差分析有交互作用的双因素方差分析同上30130.如何求解没有常数项的线性回归模型？只需在公式中引入0即可：1result&?lm(smokes?0+male+female,data=smokerdata)131.如何计算回归模型参数的置信区间？参考con?nt函数，glm模型和nls模型可参考MASS包中的con?nt.glm和con?nt.nls函数。1fit&?lm(100/mpg?disp+hp+wt+am,data=mtcars)confint(fit)confint(fit,&wt&)132.logistic回归相关函数是？logistic回归是关于响应变量为0C1定性变量的广义线性回归问题，这里需要使用广义线性模型glm()函数，且广义线性模型的分布族为二项分布。广义线性模型中的常用分布族3分布高斯（Gaussian）a二项（Binomial）泊松（Poission）a正态（Normal）函数E(y)=xTβE(y)=E(y)=exp(xβ)exp(xβ)TT模型普通线性模型Logistic模型和概率单位（probit）模型对数线性模型高斯（正态）分布族的广义线性模型事实上同线性模型是相同的，即1fit1&?glm(formula,family=gaussian,data)同线性模型1fit1&?lm(formula,data)得到的结论是一致的，当然效率会差很多。133.如何使用正交多项式回归？我们考虑回归方程：kyi=β0+β1xi+β2x2i+...+βkxi,i=1,2,...,n,当多项式的次数k比较大时，x,x2,...,xk会出现线性相关问题。故需要使用正交多项式回归来克服这方面的缺点。在R中，使用poly()函数：1(z&?poly(1:10,3))134.如何求帽子矩阵？参考hat(),hatvalues()函数。135.D-W检验在哪里？31car包中的durbin.watson函数，lmtest包中的dwtest函数。1help.search(&Durbin-Watson&)136.如何求Spearman等级（或kendall）相关系数cor()函数默认为求出Person相关系数，修改其method参数即可求得Kendallτ和Spearman秩相关系数。1cor(longley,method=&spearman&)名称PearsonKendallτSpearman方法线性协同样本秩用途（条件）正态总体假定非参数检验非参数检验137.如何做DecisionTree？基于树型方法的模型（Tree-basedmodel）并不被统计学背景的研究者所熟悉，但它在其他领域却时常被广泛应用。下面是ModernAppliedStatisticsWithS中的例子，需要加载rpart包。1library(rpart)set.seed(123)cpus.rp&?rpart(log10(perf)?.,cpus[,2:8],cp=1e?3)plot(cpus.rp,uniform=T)text(cpus.rp,digits=3)138.如何使用时间序列相关模型？35假设??t是一组均值为0，方差为σ2的不相关的序列，那么我们定义q阶滑动平均模型为Xt=p阶自回归模型：Xt=q??0p??1βj??t?jαiXt?i+??t定义ARMA(p,q)过程为Xt=p??1αiXt?i+q??0βj??t?j我们将加入季节因素的arma模型称为arima模型，R中使用arima(x,order=c(0,0,0),seasonal=list(order=c(0,0,0))对模型进行拟合：1require(graphics)(fit1&?arima(presidents,c(1,0,0)))tsdiag(fit1)323139.box-cox变换？MASS包中的1boxcox()函数。140.检验异方差的Breusch-Pagan检验？lmtest包中的bptest()函数，或者利用car包中的ncv.test()函数141.如何做判别分析？参考MASS包中的lda()函数（FisherLinearDiscriminantAnalysis）和qda()函数。142.计算OLS有没有简便方法?有，可以使用函数qr.solve()，1qr.solve(X,y)等价于(X??X)?1X??y143.如何进行典型相关分析？典型相关分析是用于研究两组随机变量之间的相关性的一种统计方法。R提供了cancor()函数进行相关计算。1pop&?LifeCycleSavings[,2:3]oec&?LifeCycleSavings[,?(2:3)]cancor(pop,oec)144.如何使用R做生存分析？3需要加载survival包。1#fitaKaplan?Meierandplotitfit&?survfit(Surv(time,status)?x,data=aml)3plot(fit)#lifetable5cbind(fit$time,fit$n.risk,fit$n.event,fit$surv)注意surv?t函数中分析方法type中有“kaplan-meier”,“?eming-harrington”,“fh2”三种方法可以选择。§J其他145.R可以使用网页来显示结果么？33可以。包Rpad提供基于同R的网页接口，假设已经安装了包Rpad，可以在本地查看Rpad的效果：1library(Rpad)Rpad()#enjoyit146.R有类似于SPSS的界面么？有！安装包Rcmdr，加载包后，使用命令Commander()调出可供使用的图形使用界面。由于这个图形使用界面需要若干基础包外的其他函数，故还需要包car、e?ects、abind、lmtest、multcomp、relimp、RODBC、rgl的支持。147.怎样来计算函数运行使用时间？使用system.time()。proc.time()可以获得R进程存在的时间，system.time()通过调用两次proc.time()来计算函数运行的时间。148.在R中如何处理地图数据？R提供了maps和mapdata两个包来绘制地图，其中mapdata提供了中国地图的相关信息：1library(mapdata)map(&china&)不过可惜，这种方法得到的中国地图没有重庆的行政区划，且各省的名称都是用数字拼装而成，不能用map包中的函数像对map(&state&)一样进行进一步加工。不过如果你熟悉地理数据，那么maptools包将是一个不错的选择。她可以读取、处理空间对象，且提供了同PBSmapping,spatstat,maps,RArcInfo,Statatmap,WinBUGS,Mondrian这类包的封装接口。149.Sweave是用来做什么的？Sweave提供了一种为“混排TEX文本和S编码”生成文档的机制。单个的Sweave文档中既包含TEX文本又包含S编码，通过编译最终形成的文档包含：?TEX文档的编译输出；?S编码和（或）；?S编码的代码输出（文本、图形）。或参考附录A：Sweave的实例。如果想了解更多，请参考SweaveUserManual，它的文档形成过程：34包含各类专业文献、专业论文、幼儿教育、小学教育、生活休闲娱乐、中学教育、高等教育、50R_share常见问题等内容。　
　Vmware vSphere常见问题汇总大全64问_IT/计算机_专业资料。Vmware vSphere常见问题汇总1、启用客户机操作系统和远程控制台之间的复制和粘贴操作 解决方法: 要在客户机... 　ORACLE数据库常见问题(常见错误)_IT/计算机_专业资料。oracleRACLE 数据库常见问题...措施:如果是内存不够,则增加 SHARE)POOL_SIZE; 如果是内存碎片,执行 alter ... 　apabireader_使用常见问题解答_育儿理论经验_幼儿教育_教育专区。常规问题 V1.0...( 用户名 )\Application Data\Founder\Apabi Reader\Share\eLibrary\CEBVoucher ... 　瞩目常见问题和疑难排解201404_计算机软件及应用_IT/计算机_专业资料。瞩目视频会议...Join audio/video/share session 失败(网络问题) “会议异常,错误代码 16”: ... 　答:您好!如果您的账号发生异常,您可以登录我们的官网,在玩家帮助页面有 账号异常常见问题与解决办法, 你可以参照答案进行操作,如果还是无法解决问 题,随时欢迎您... 　校园网常见问题处理_IT/计算机_专业资料。校园网常见...下角“开始” , 选择运行;或者使用快捷键 Win+R...SHARE_PROXY_EXE_FOUND //检测到代理程序进程 ... 　qt常见问题及解决方法_计算机软件及应用_IT/计算机_...-r 是表示增加文件的意思。 # tar -uf all.tar.../usr/share 独立与你计算机结构的数据,譬如,字典中... 　shell& chown -R mysql var shell& bin/mysqld_safe --user=mysql & B:...share/mysql/charsets/Index.xml' file 针对问题(2)的解决方案 的解决方案: ... 　客户端常见问题解决方法_计算机硬件及网络_IT/计算机...(R) PRO/100 VE Network Connection - 数据包计划...SHARE_PROXY_EXE_FOUND //检测到代理程序进程 ...