Skip to main content
LibreTexts - Ukrayinska

7.6: R Markdown для відтворення аналізів

  1. Last updated
  2. Save as PDF
  • Page ID
    4891

    • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

    R уцінка для відтворення аналізів

    Читання в файлах даних

    Спочатку читаємо в файлах даних.

    sqTree<-read.tree(text=getURL("https://raw.githubusercontent.com/lukejharmon/pcm/master/datafiles/squamate.phy"))
plot(sqTree)

    sqData<-read.csv(text=getURL("https://raw.githubusercontent.com/lukejharmon/pcm/master/datafiles/brandley_table.csv"))

    Імітація двійкового символу на дереві

    Цей код генерує такі ділянки, як Рисунок 7.4

    qMatrix<-cbind(c(-1, 1), c(1, -1))*0.001
sh_slow<-sim.history(sqTree, qMatrix, anc="1")
    ## Done simulation(s).
    plotSimmap(sh_slow, pts=F, ftype="off")
    ## no colors provided. using the following legend:
##       1       2 
## "black"   "red"
    add.simmap.legend(leg=c("limbed", "limbless"), colors=c("black", "red"), x=0.024, y =23, prompt=F)

    qMatrix<-cbind(c(-1, 1), c(1, -1))*0.01
sh_fast<-sim.history(sqTree, qMatrix, anc="1")
    ## Done simulation(s).
    plotSimmap(sh_fast, pts=F, ftype="off")
    ## no colors provided. using the following legend:
##       1       2 
## "black"   "red"

    qMatrix<-cbind(c(-0.02, 0.02), c(0.005, -0.005))
sh_asy<-sim.history(sqTree, qMatrix, anc="1")
    ## Note - the rate of substitution from i->j should be given by Q[j,i].
## Done simulation(s).
    plotSimmap(sh_asy, pts=F, ftype="off")
    ## no colors provided. using the following legend:
##       1       2 
## "black"   "red"

    Знайдіть види без кінцівок

    Дані Brandley et al. мають вимірювання кінцівок. Ми отримаємо наш дискретний характер, вважаючи види з нульовою довжиною передніх і задніх кінцівок як безкінцівки. Це відрізняється від оригінального аналізу в Brandley et al., який вважає такі речі, як шпори, як «кінцівки» - і тому наші результати можуть трохи відрізнятися від їхніх.

    limbless<-as.numeric(sqData[,"FLL"]==0 & sqData[,"HLL"]==0)
sum(limbless)
    ## [1] 51
    # get names that match
nn<-sqData[,1]
nn2<-sub(" ", "_", nn)
names(limbless)<-nn2

    Підходить модель Mk

    Ми можемо пристосувати симетричну модель Mk до цих даних, використовуючи як ймовірність, так і MCMC.

    # likelihood
td<-treedata(sqTree, limbless)
    ## Warning in treedata(sqTree, limbless): The following tips were not found in 'phy' and were dropped from 'data':
##  Gonatodes_albogularis
##  Lepidophyma_flavimaculatum
##  Trachyboa_boulengeri
    dModel<-fitDiscrete(td$phy, td$data)

# MCMC
mk_diversitree<-make.mk2(force.ultrametric(td$phy), td$data[,1])
simplemk<-constrain(mk_diversitree, q01~q10)
er_bayes<-mcmc(simplemk, x.init=0.1, nsteps=10000, w=0.01)
    ## 1: {0.0189} -> -141.93605
## 2: {0.0162} -> -135.45732