小编Kev*_*ght的帖子

我试图在RMarkdown上键入方程式来创建PDF,我想使用代字号,我该怎么做呢.我正在尝试这个,但扔了回来pandoc.exe: Error producing PDF from TeX source ....

---
title: "See"
date: "24 September 2016"
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

follows a Bernouli distribution 
$$y_i \~ Bernouli(p_i)$$

在noweb模式下,我想让doc块和代码块更容易区分.我已经在使用font-lock-mode,但是它将相同的面应用于R中的字符串和tex中的字符串,因此不能很好地区分代码和doc块.

例如,代码块的背景颜色略有不同.

一种可能性是为代码块的次要模式定义新的面,但是当在该模式下编辑缓冲区时,该面也将适用.

另一种可能性是为代码块创建叠加层.

此外,有些相关的组织模式可以配置为使用不同的背景颜色作为源块.

更新:我现在使用polymode来实现这个目标.

我正在使用晶格制作散点图矩阵,并在面板的上半部分绘制12个变量的相关系数.我还想在相关系数或星形下面添加p值,表明它们的显着性水平.这是我的R代码.我怎样才能做到这一点？提前谢谢了!

这是我的数据样本

d.corr1 = structure(list(maxt1.res = c(-0.944678376630112, 0.324463929632583, 
-1.18820341118942, -0.656600399095673, 0.332432965913295, 0.696656683837386
), maxt2.res = c(1.81878373188327, -0.437581385609662, 0.305933316224282, 
-3.20946216261864, 0.629812177862245, -1.49044366233353), maxt3.res = c(-1.21422295698813, 
-1.31516252550763, 0.570370111383564, 1.73177495368256, 2.18742200139099, 
0.413531254505875), mint1.res = c(0.783488332204165, 0.35387082927864, 
-0.528584845400234, 0.772682308165534, 0.421127289975828, 1.06059010003109
), mint2.res = c(0.262876147753049, 0.588802881606123, 0.745673830291112, 
-1.22383100619312, -1.01594162784602, -0.135018034667641), mint3.res = c(0.283732674541107, 
-0.406567031719476, 0.390198644741853, 0.860359703924238, 1.27865614582901, 
0.346477970454206), sr1.res = c(1.7258974480523, -1.71718783477085, 
3.98573602228491, -4.42153098079411, 0.602511156003456, -3.07683756735513
), sr2.res = c(9.98631829246284, -6.91757809846195, 0.418977023594041, 
-6.10811634134865, 14.6495418067316, 2.44365146778955), sr3.res = c(-3.8809447886743, 
2.35230122374257, 2.8673756880306, 7.1449786041902, 2.07480997224678, 
4.93316979213985), rain1.res …

其他关键字： 最佳线性无偏估计量 (BLUE)、调整均值、混合模型、固定效应、线性组合、对比度、R

mmer()使用sommer包拟合模型后- 是否可以从对象获得估计边际均值 ( emmeans()) /最小二乘均值 (LS-means)mmer？也许类似于predict()ASReml-R v3 的功能？

实际上，我想要很多东西，也许分开要求会更清楚：

1. em 指的是他们自己和他们的
2. 标准误差 (se)
3. 作为每个级别平均值旁边的一列
4. emmeans 的方差-协方差矩阵（参见predict(..., vcov=T)）
5. 手段及其之间的对比
6. 差异的标准误 (sed)
7. 均值之间的所有成对差异，最好进行事后检验（参见emmeans(mod, pairwise ~ effect, adjust="Tukey")
8. Sed 矩阵（参见predict(..., sed=T)）
9. 最小值、平均值和最大值 sed
10. 定制对比