File: C:/Program Files/R/R-4.4.0/library/mgcv/po/fr/LC_MESSAGES/R-mgcv.mo
�� � Q � 0% E 1% w% d �% �% 7 & L& f& h& t& �& X �& & �& ' / 4' d' # ' �' A �' 2 �' ,( 4 J( * ( �( �( 5 �( ) 7 1) 6 i) < �) 7 �) * > 3* [ r* ; �* %
+ > 0+ o+ : �+ # �+ . �+ B , V, " u, �, - �, [ �, 6- F S- @ �- $ �- $ . * %. P. q. > �. % �. ! �. / 9 1/ k/ ' �/ - �/ �/ �/ 0 7 0 T0 a0 # u0 �0 �0 + �0 - 1 0 01 a1 S �1 $ �1 ' �1 S "2 v2 7 �2 : �2 2 �2 $ 03 3 U3 �3 S �3 N �3 : B4 @ }4 R �4 - 5 = ?5 # }5 �5 ' �5 A �5 # +6 9 O6 7 �6 / �6 �6 L 7 ( X7 % �7 " �7 # �7 & �7 8 ; 38 f o8 A �8 - 9 - F9 > t9 # �9 �9 ( �9 + : A J: �: �: 8 �: 6 �: 1; $ P; ! u; �; �; ( �; 1 �; < ) 7< 8 a< �< # �< $ �< = != 8 >= + w= 6 �= & �= + > - -> / [> 2 �> + �> : �> ) %? , O? 1 |? �? $ �? �? @ %@ =@ ^@ o@ $ �@ 6 �@ 0 �@ & A >A ^A F zA 5 �A $ �A 8 B UB E oB �B % �B �B
C *C CC D cC ( �C �C * �C D F D 3 fD 1 �D ( �D �D 0 E 5 AE < wE @ �E �E *
F 8F SF iF + F
�F 0 �F # �F M G , YG % �G 5 �G _ �G - BH l pH + �H < I 7 FI 6 ~I % �I 6 �I " J 6 5J Y lJ �J # �J " K 0 'K C XK + �K �K 7 �K 7 L % XL % ~L % �L % �L E �L B 6M yM �M * �M \ �M )N 6 ?N " vN �N R �N
O .O ) =O gO % �O J �O �O B P ( QP # zP $ �P + �P �P g Q A nQ . �Q - �Q ,
R a :R Q �R 4 �R / #S c SS Q �S * T 4T 0 HT yT �T 8 �T ( �T U 'U = >U A |U & �U 0 �U 1 V 1 HV 2 zV 3 �V 1 �V W - 'W UW iW ' �W # �W �W �W X $X < DX @ �X B �X " Y . (Y = WY < �Y �Y �Y Z #Z $ =Z bZ I �Z �Z / �Z ' [ ' B[ 5 j[ �[ : �[ �[ \ * !\ L\ b\ {\ �\ �\ �\ # �\ '
] ) 5] - _] - �] ) �] �] ^ * ^ 3 H^ |^ �^ 5 �^ " �^ &
_ 6 4_ 8 k_ �_
�_ �_ �_ a �_ . W` �` �` �` + �` �` 5 a O Ba * �a 8 �a ' �a # b " Bb ( eb 0 �b 5 �b 4 �b *c Jc 7 kc - �c 6 �c 4 d =d , Od |d �d �d �d & �d �d - e 4 Je e 5 �e . �e �e M f + ff % �f �f / �f ? g 8 @g yg # �g �g - �g *
h 5h 8 Ph �h �h ' �h �h i i ! 1i 7 Si N �i 1 �i j : "j 7 ]j �j
�j 6 �j ! �j ( k 5k * Gk . rk # �k �k " �k & �k !l @l Wl : sl �l �l �l ) �l * &m Qm rm �m 5 �m �m �m n n #n 2n 5 In / n $ �n 6 �n � o Z �p / �p s q �q A �q �q r
r r
0r d >r * �r �r ; �r 's / Fs vs L �s 8 �s ( t F :t 6 �t �t & �t M �t $ Lu ? qu ; �u A �u F /v vv U �v y �v N fw 5 �w ^ �w Jx A fx 3 �x = �x Q y ly * �y �y 7 �y z z & �z U �z W �z + V{ / �{ / �{ D �{ ( '| Y P| ; �| 8 �| ) } R I} % �} . �} ? �} $ 1~ . V~ . �~ S �~ < - # j # � 1 � B � J '� - r� h �� & � ) 0� h Z� Á H ׁ K � B l� & �� I ւ � m ;� Y �� Q � K U� v �� 1 � I J� * �� + �� > � X *� * �� ? �� [ � J J� / �� d Ň > *� 8 i� ) �� ( ̈ 9 �� ( /� M X� � �� G 4� : |� I �� d � , f� ( �� > �� 9 �� H 5� & ~� �� K A � + P� / |� 3 �� � � 6 � < G� �� L �� B � 3� % T� 0 z� # �� Ϗ ; � 1 ,� C ^� 5 �� . ؐ : � ? B� D �� = Ǒ L � G R� : �� F Ւ & � 4 C� $ x� ( �� $ Ɠ � � ( "� + K� M w� < Ŕ 9 � - <� j� V �� C � / %� @ U� �� _ �� # � 7 4� l� % �� ! �� * ̗ Y �� 0 Q� �� 4 �� Ș l ݘ B J� 8 �� 8 ƙ �� B � ; a� a �� N �� N� C l� �� ћ � 9 �� 5� < E� . �� T �� D � / K� H {� � ĝ : I� v �� 4 �� X 0� B �� A ̟ 8 � G G� 5 �� A Š } � �� ( �� ' Ρ ; �� K 2� 2 ~� + �� I ݢ H '� K p� : �� : �� : 2� P m� K �� !
�
,� 0 :� s k� ߥ B � / C� 0 s� c �� . � 7� - F� ! t� + �� g § *� O E� 2 �� 2 Ȩ - �� 1 )� [� t t� M � 4 7� 3 l� 2 �� p Ӫ c D� : �� : � { � o �� 2
� =� C N� �� ' �� Q ԭ . &� ( U� ~� E �� ] ۮ / 9� > i� K �� K � K @� L �� Q ٰ +� 8 H� �� # �� 8 �� @ �� ( 7� `� y� $ �� F �� Q �� N P� * �� Y ʳ F $� D k� & �� " ״ " �� ( � + F� + r� W �� " �� 6 � * P� ) {� 8 �� E �� @� Y� < x� �� ' ɷ � � ,� G� , `� 1 �� 6 �� 5 �� 5 ,� ) b� & �� + �� > ߹ U � t� . �� > �� 1 �� 5 ,� ; b� : �� ( ٻ � � ,� � D� 6 м � � 3� 6 N� �� V �� o �� : k� V �� 1 �� 8 /� h� 3 �� 4 �� < � 6 +� ! b� ! �� I �� G � ? 8� B x� �� 4 � � *� E� `� , }� + �� 4 �� S � / _� @ �� ? �� � l -� 9 �� < �� + � 7 =� G u� : �� ( �� < !� 1 ^� E �� = �� ) � S >� # �� . �� 3 �� � 0� ?� 6 `� F �� m �� ? L� �� C �� ? �� &� 9� A L� $ �� 5 �� �� - �� ; *� . f� �� ) �� ) �� ' �� $� ;� < X� - �� # �� �� D �� , A� / n� # �� �� P �� )� & 6� " ]�
�� �� �� 8 �� 8 �� 0 %� A V� ( � � � � � � � C 1 5 � � 4 ' , � o � � �
� � � " � - � y � � 7 � � 6 & X � � v � � � � � � 8 � � � � % � � � p z � n p H � + h Y � _ = | � [
� W f � R � � � � � o � S L T ] � � � 6 � _ � � � + � � - � k � R � d ! ? � P � � D � 8 � I ! a A A 5 .
� w � l � % 1 } N � f � a � j � � \ ] � � * l q c 3 � C � � � G � � � � e � � � N � � � � B 2 { i � M � F � � � Z z G $ � O K � q � � \
P � � @ t � r � c | � � � < � B H t 7 u � ; � � g > b x n 0 � V � J / � @ U > x � j � � � i � , & � � ; g � � � � ? � � Y d ^ m � v � � � � � b � D � � E � L ( � I � � � � ) � { � # � [ � E T X � V < � W 9 � 9 � � 3 � : � J � � s s 2 � = ~ � F � � M � � � * � : 0 ^ � K w � � � � e � " r ` u # � � � � } . 4 � Z / � � � ' � k ) � � y U ~ Q � S ` � m � � � h � � � Q O $ � � "fs" smooth cannot use a multiply penalized basis (wrong basis in xt) "fs" terms can not be fixed here %s link not available for negative binomial family; available links are "identity", "log" and "sqrt" 'a' has to be positive 'family' argument seems not to be a valid family object 'theta' must be specified , 0s in V(mu) 1<a<b<2 (strict) required A not square A term has fewer unique covariate combinations than specified maximum degrees of freedom AR not available with sparse marginals AR.start must be logical AR1 parameter rho unused with generalized model Algorithm did not converge Algorithm stopped at boundary value An object of length An object of length %d does not match the required parameter size At least three knots required in call to mono.con. Basis only handles 1D smooths Can not convert this smooth class to a random effect Can not have more eigenvalues than nrow(A) Can only deal with a sphere Can't find by variable Can't find valid starting values: please specify some Cannot extract the dimensions Cannot extract the inverse from an uninitialized object Cannot extract the matrix from an uninitialized object Cannot extract the matrix from an uninitialized pdMat object Cannot extract the matrix with uninitialized dimensions Deviance = %s Iterations - %d Discrete Theta search not available with performance iteration Don't know what to do with parametric terms that are not simple numeric or factor variables F is missing from cr smooth - refit model with current mgcv First argument is no sort of formula! Fitting terminated with step failure - check results carefully H has wrong dimension IRLS regularizing parameter must be a non-negative number. Invalid fitted means in empty model Invalid linear predictor values in empty model Iteration limit reached without full convergence - check carefully L has inconsistent dimensions. L has wrong dimension in `paraPen' L must be a matrix. L must have at least as many rows as columns. Later terms sharing an `id' can not have more smoothing parameters than the first such term Length of start should equal Length of start should equal %d and correspond to initial coefs for %s Length of start should equal %d and correspond to initial coefs. M$S and M$off have different lengths M$S[%d] is too large given M$off[%d] M$sp has different length to M$S and M$off MRF basis dimension set too high Model can not be updated Model does not seem to have enough terms to do anything useful Model has more coefficients than data Model matrix not full column rank Model seems to contain no terms Must give names when initializing pdIdnot from parameter. Must supply theta or R to ocat NA times supplied for cox.ph prediction NA values not allowed for the scaled t family NA's in min.sp. NA's in pdTens factor NA's in pdTens matrix NA's in supplied smoothing parameter vector - ignoring. NAs in V(mu) NAs in d(mu)/d(eta) Nested smooths must be fully random No data supplied to gam.setup No data supplied to gamm.setup No observations informative at iteration %d No suitable s (i.e. m[2]) try increasing m[1] No terms to plot - nothing for plot.gam() to do. No variance estimates available Non finite derivatives. Try decreasing fit tolerance! See `epsilon' in `gam.contol' Non-finite coefficients at iteration Non-finite coefficients at iteration %d Non-finite derivatives. Try decreasing fit tolerance! See `epsilon' in `gam.contol' Non-finite deviance Non-integer response variables are not allowed with ziP Non-integer response variables are not allowed with ziplss Not enough (non-NA) data to do anything meaningful Not enough informative observations. Number of prediction and fit constraints must match Only 1<p<=2 supported Partial residuals do not have a natural x-axis location for linear functional terms Pearson residuals not available for this family - returning deviance residuals Penalized model matrix must have no more columns than rows Please provide a single value for theta or use nb to estimate it Please put term with most levels last in 're' to avoid spoiling supplied penalties Possible divergence detected in fast.REML.fit Repeated variables as arguments of a smooth are not permitted Requires a gam or bam prefit object Reset optimizer to outer/newton Response should be integer class labels S.scale vector doesn't match S list - please report to maintainer S[[%d]] matrix is not +ve definite. Smoothness uncertainty corrected covariance not available Something wrong - matrix probably not +ve semi definite Something wrong with auto- penalty construction Something wrong with zlim Sorry, tensor products of smooths with multiple penalties are not supported. Step halved: new penalized deviance = %g Step size truncated due to divergence Step size truncated: out of bounds Step size truncated: out of bounds. Supplied df below min.df. min.df reset Supplied matrix not symmetric Supplied smoothing parameter vector is too short - ignored. Tensor product penalty rank appears to be too low: please email [email protected] with details. The following arguments to anova.glm(..) are invalid and dropped: This family should not have a matrix response Too many cluster nodes to use all efficiently Tweedie density may be unreliable - series not fully converged Tweedie p must be in interval (a,b) Unknown type, reset to terms. Using ziP for binary data makes no sense Using ziplss for binary data makes no sense View variables must contain more than one value. view = c(%s,%s). X lost dimensions in magic!! You've got no model.... `by' variable must be same dimension as smooth arguments `id' linked smooths must have same number of arguments `object' is not of class "gam" `rank' has wrong length in `paraPen' `sp' dimension wrong in `paraPen' `sp' too short a has wrong number of rows a parametric penalty has wrong dimension absorb.cons must be TRUE for multi-formula models algorithm did not converge all elements of random list must be named all.derivs only available in rho, theta parameterization all.terms argument not supported and correspond to initial coefs for anova.gam called with non gam object argument is not a gam object argument k must be positive. argument k of s() should be integer and has been rounded argument of mrf should be a factor variable argument pers is deprecated, please use scheme instead arguments of smooth not same dimension at least one element of lb must be non-zero attempt to select non existent basis function attempt to use unsuitable marginal smooth class bam can not discretize with this nesting structure bam fits only supported with discrete==TRUE basis dimension is larger than number of unique covariates basis dimension reset to minimum possible basis dimension too small for b-spline order basis dimension, k, increased to minimum possible basis not usable with reduced te bnd must be a list of boundary loops bnd must be a list. bs wrong length and ignored. burnin too large, reset by.resids argument not supported by=. not allowed can't handle [[ in formula can't soap smooth without a boundary cannot find valid starting values: please specify some chunk.size < number of coefficients. Reset to %d coefficient simulation data is missing coefficient vector wrong length color scheme not recognised components of knots relating to a single smooth must be of same length constraints for sub blocked tensor products un-tested cubic spline only deals with 1D data d can not be negative in call to null.space.dimension(). danger of round-off error data contain regions that are not contained in the knot specification data outside soap boundary data vectors are of different lengths deriv should be 1 or 2 df must be positive integers dimension of fx is wrong dimensions of supplied w wrong. discrete method does not use parallel cluster - use nthreads instead discretization only available with fREML dist not recognised does not match the required parameter size don't be silly dropping soap knots not inside boundary - use 'in.out' to investigate. dropping unidentifiable parametric terms from model edge.correct must be logical or a positive number elements of min.sp must be non negative. emtpy models not available er... no discrete methods for higher derivatives erroneous call to estimate.theta - no free parameters factor `by' variables can not be used with matrix arguments. failure of Davies method, falling back on Liu et al approximtion fam not a family object family are not designed for use with gamm! family not implemented yet family not recognised family not recognized fast REML optimizer reached iteration limit faulty bnd fitted probabilities numerically 0 or 1 occurred fitted rates numerically 0 occurred fs smooth not suitable for discretisation with more than one metric predictor fs smooths can only have one factor argument fx length wrong from t2 term: ignored gamm can not fix only some margins of tensor product. gamm can not handle linked smoothing parameters (probably from use of `id' or adaptive smooths) gamm is not designed to use extended families gamm models must have at least 1 smooth with unknown smoothing parameter or at least one other random effect gamm not converged, try increasing niterPQL gamm() can only handle random effects defined as named lists gammals requires 2 links specified as character strings gaulss requires 2 links specified as character strings general families not supported by bam gevlss requires 3 links specified as character strings grid vectors are different lengths gumbls requires 2 links specified as character strings handling `by' variables in smooth constructors may not work with the summation convention illegal `family' argument in.out incorrect: see documentation incorrect arguments to GP smoother incorrect number of linear predictors for family incorrect number of smoothing parameters supplied for a smooth term indefinite penalized likelihood in gam.fit5 initial parameters not feasible initial parameters very close to inequality constraints initial point very close to some inequality constraints inner groupings not nested in outer!! inner loop 1; can't correct step size inner loop 2; can't correct step size inner loop 3; can't correct step size integration not available with this family - insufficient derivatives internal error in vcorr, please report to [email protected] isa requires a dg/tCMatrix iteration %d iteration limit reached: max abs grad = %g iterative weights or data non-finite in gam.fit - regularization may help. See ?gam.control. iterms reset to terms jagam requires a file for the JAGS model specification k and bnd lengths are inconsistent knot range does not include data knot range is so wide that there is *no* information about some basis coefficients knots must be specified for soap knots supplied lambda and h should have the same length! length of min.sp is wrong. length of sp incorrect in t2: ignored length of sp must be number of free smoothing parameters in original model length(M$w) != length(M$y) length(drop.intercept) should be equal to number of model formulas lengths of k and bnd are not compatible. lengths of lb, df and nc must match linear predictor labels out of range link "%s" not available for Tweedie family. link not available for link not available for beta regression; available links are "logit", "probit", "cloglog" and "cauchit" link not available for coxph family; available link is "identity" link not available for mu parameter of gammals link not available for mu parameter of gaulss link not available for mu parameter of twlss link not available for negative binomial family; available links are "identity", "log" and "sqrt" link not available for ordered categorical family; available links are "identity" link not available for precision parameter of gaulss link not available for scale parameter of shash link not available for scaled t distribution; available links are "identity", "log", and "inverse" link not available for zero inflated; available link for `lambda' is only "loga" link not implemented for extended families link not recognised lower bound >= upper bound in call to mono.con() m can't be in re m wrong length and ignored. matrices must be all class dgCMatrix or all class matrix maximum number of iterations must be > 0 mean, mu, must be non negative method not recognised. min.sp not supported with fast REML computation, and ignored. mismatch between nb/polys supplied area names and data area names modal weight <=0 in integration step!! model has repeated 1-d smooths of same variable. more knots than data in a ds term: knots ignored. more knots than data in a tp term: knots ignored. more knots than data in an ms term: knots ignored. more knots than data in an sos term: knots ignored. more knots than unique data values is not allowed mu dimensions wrong multiple penalties of the same order is silly mvn dimension error mvn does not yet handle offsets mvn requires 2 or more dimensional data na.action not character or function names of z and pc must match ncol(M$C) != length(M$p) ncol(M$X) != length(M$p) need at least one interior knot negative values not allowed for the negative binomial family negative values not allowed for the zero inflated Poisson family newdata is a model.frame: it should contain all required variables nlm.fd only available for GCV/UBRE no NAs allowed in response data for this model no automatic plotting for smooths of more than four variables no automatic plotting for smooths of more than two variables no data to predict at no factor supplied to fs smooth no free coefs in sf smooth no good data in iteration no smooths, ignoring `discrete=TRUE' no spatial information provided! no valid set of coefficients has been found:please supply starting values non finite values in Hessian non-existent exclude terms requested - ignoring non-existent terms requested - ignoring non-finite coefficients at iteration %d non-integer binomial denominator: quantiles incorrect not a gam object not all required variables have been supplied in newdata! not an extended family not enough finite derivatives not enough unique values to find k nearest not positive definite not usable with bam fits nothing to do for this model nrow(M$Ain) != length(M$bin) nrow(M$Ain) != length(M$p) nrow(M$X) != length(M$y) nthreads must be a positive integer number of categories must be at least 2 number of linear predictors doesn't match number of supplied knots != k for a cc smooth number of supplied knots != k for a cr smooth object does not appear to be of class lme object is not a glm or gam object not fully initialized offset not still available for this family one or more supplied k too small - reset to default only deals with 2D case only first element of `id' used only one level of smooth nesting is supported by gamm only scalar `p' and `phi' allowed. only scalar `rho' and `theta' allowed. openMP not available: single threaded computation only ord contains out of range orders (which will be ignored) ord is wrong. reset to NULL. order too low p must be in (1,2) p must be in [1,2] p-values for any terms that can be penalized to zero will be unreliable: refit model to fix this. paraPen not supported for multi-formula models parameter of shashlss parameter of ziplss penalized deviance = %s penalty basis too large for smoothing basis penalty basis too small penalty column names don't match supplied area names! penalty matrix, boundary polygons and/or neighbours list must be supplied in xt penalty order too high for basis dimension predict.gam can only be used to predict from gam objects random argument must be a *named* list. random effects don't work with ids. rank deficient re-parameterization recov works with fitted gam objects only reparameterization unstable for margin: not done requested non-existent derivative in B-spline penalty requires a terms or formula object as first argument requires an object of class gam residuals argument not supported residuals argument to plot.gam is wrong length: ignored response not in 0 to number of predictors + 1 reverse indices missing from sparse discrete marginals rho missing from simulation data edf.type reset to 2 s value increased s value modified to give continuous function s value reduced s(.) not supported. s(.) not yet supported. samfrac too small - ignored saturated likelihood may be inaccurate scale parameter must be positive sd should have exactly one less entry than ld second derivs not available for non-linear penalties shared offsets not allowed shash requires 4 links specified as character strings side conditions not allowed for nested smooths silly tolerance supplied silly value supplied for rank.tol: reset to square root of machine precision. single linear predictor indices are ignored singular values not returned in order size must be in [1,120] smooth objects should not have a qrc attribute. smoothing parameter prior choise not recognised, reset to gamma soap basis ill-conditioned - changing 'xt$nmax' may help soap films are bivariate only something wrong with A index vector something wrong with argument d. something wrong with inputs to LAPACK routine something wrong with stratified prediction sorry link not yet handled sorry no option for contouring with errors: try plot.gam step failed: max abs grad = step failure in theta estimation supplied S matrices are wrong diminsion supplied dist negative supplied knots supplied penalty not square! supplied penalty wrong dimension! supply a value for each variable for a point constraint sweep and drop constraints unlikely to work well with self handling of by vars te smooths not useable with gamm4: use t2 instead test argument ignored the adaptive smooth class is limited to 1 or 2 covariates. there is *no* information about some basis coefficients there should be too few knots type iterms not available for multiple predictor cases type must be "link" or "response" un-supported smoothness selection method un-supported test unconditional argument not meaningful here unimplemented sparse constraint type requested uniquecombs has not worked properly unknown optimizer unknown outer optimization method. unknown smoothness selection criterion unknown tensor constraint type unrecognised na.action unrecognized (vector?) link unsupported order of differentiation requested of gam.fit3 update not positive definite value of epsilon must be > 0 values out of range variable names don't match boundary names variance function not recognized for quasi view variables must be one of %s w different length from y! weights ignored weights must be like glm weights for generalized case without a formula x and y must be same length x and y not same length x is null x out of range xt argument is faulty. y must be an integer multiple of phi for Tweedie(p=1) y must be strictly positive for a Gamma density y must be univariate unless binomial ziplss requires 2 links specified as character strings Project-Id-Version: mgcv 1.3-10
Report-Msgid-Bugs-To: [email protected]
PO-Revision-Date: 2021-04-12 20:02+0200
Last-Translator: Philippe Grosjean <[email protected]>
Language-Team: French <[email protected]>
Language: fr
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
Plural-Forms: nplurals=2; plural=(n > 1);
X-Generator: Poedit 2.4.2
le lissage "fs" ne peut pas utiliser une base pénalisée multiple (mauvaise base dans xt) les termes "fs" ne peuvent pas être fixés ici lien %s non disponible pour la famille binomiale négative ; les liens disponibles sont "identity", "log" et "sqrt" 'a' doit être positif l'argument 'family' ne semble pas être un objet famille correcte 'theta' doit être spécifié , 0s dans V(mu) 1<a<b<2 (strict) requis A pas carrée Un terme a moins de combinaisons de covariables uniques que le degré de liberté maximum spécifié AR non disponible avec des marges éparses AR.start doit être booléen Paramètre AR1 rho inutilisé avec le modèle généralisé L'algorithme n'a pas convergé L'algorithme s'est arrêté aux valeurs limites Un objet de longueur Un objet de longueur %d ne correspond pas à la taille requise du paramètre Au moins trois nœuds sont requis pour appeler mono.con. Basis ne peut gérer que des lissages 1D Impossible de convertir cette classe de lissage en un effet aléatoire Il ne peut y avoir plus de valeurs propres que nrow(A) Ne peut traiter qu'une sphère Impossible de trouver la variable 'by' Impossible de trouver des valeurs de départ valides : veuillez en spécifier Impossible d'extraire les dimensions Impossible d'extraire l'inverse depuis un objet non initialisé Impossible d'extraire la matrice d'un objet non initialisé Impossible d'extraire la matrice d'un objet pdMat non initialisé Impossible d'extraire la matrice avec des dimensions non initialisées Déviance = %s Itérations - %d La recherche discrète de Theta n'est pas disponible avec l'itération de performance Je ne sais pas quoi faire avec les termes paramétriques qui ne sont pas de simples variables numériques ou factorielles F manque dans le modèle cr smooth - réajustement avec le modèle mgcv actuel Le premier argument ne ressemble pas à une formule ! L'ajustement s'est terminé par un échec de l'étape - vérifiez soigneusement les résultats H a de mauvaises dimensions Le paramètre de régularisation IRLS doit être positif ou null. Moyennes ajustées incorrectes dans un modèle vide Valeurs de prédiction linaire invalides dans un modèle vide Limite d'itération atteinte sans convergence complète - vérifiez attentivement L a de mauvaises dimensions. L a de mauvaises dimensions dans 'paraPen' L doit être une matrice. L doit avoir au moins autant de lignes que de colonnes. Les termes ultérieurs partageant un `id' ne peuvent pas avoir plus de paramètres de lissage que le premier de ces termes La longueur de start doit être égale La longueur de start doit être égale à %d et correspond aux coefs initiaux pour %s La longueur de Start doit être égale à %d et correspondre aux coefficients initiaux. M$S et M$off ont des longueurs différentes M$S[%d] est trop large, étant donné M$off[%d] M$sp a une longueur différente de M$S et M$off La dimension de base du MRF a été fixée à un niveau trop élevé Le modèle ne peut pas être mis à jour Le modèle ne semble pas avoir suffisamment de termes pour faire quoi que ce soit d'utile Le modèle a plus de coefficients que le nombre de données La matrice du modèle n'a pas un rang de colonne complet Le modèle semble ne contenir aucun terme Il faut fournir des noms lors de l'initialisation de pdIdnot depuis un paramètre. Vous devez fournir theta ou R à ocat temps NA fournis pour la prédiction de cox.ph Valeurs NA non autorisées pour la famille t mise à l'échelle Valeurs manquantes (NA) dans min.sp. Valeurs manquantes (NA) dans le facteur pdTens Valeurs manquantes (NA) dans la matrice pdTens Valeurs manquantes (NA) dans le vecteur de paramètres de lissage fourni - ignoré. NAs dans V(mu) NAs dans d(mu)/d(eta) Les lissages imbriqués doivent être totalement aléatoires Aucune donnée fournie à gam.setup Aucune donnée fournie à gam.setup Aucune observation informative à l'itération %d Pas de s convenables (c'est-à-dire m[2]) essayez d'augmenter m[1] Aucun terme à représenter graphiquement - rien à faire pour plot.gam(). Aucun estimateur de variance n'est disponible Dérivées non finies. Essayez de diminuer la tolérance d'ajustement ! Voir `epsilon' dans `gam.contol' Coefficients non finis à l'itération Coefficients non finis à l'itération %d Dérivées non finies. Essayez de diminuer la tolérance d'ajustement ! Voir `epsilon' dans `gam.contol' Déviance non finie Les variables de réponse non entières ne sont pas autorisées avec ziP Les variables de réponse non entières ne sont pas autorisées avec ziplss Pas assez de données (non-NA) pour faire quoi que ce soit d'utile Pas assez d'observations informatives. Le nombre de contraintes de prédiction et d'ajustement doit correspondre Seulement 1<p<=2 supporté Les résidus partiels n'ont pas d'emplacement naturel sur l'axe des x pour les termes fonctionnels linéaires Résidus de Pearson non disponibles pour cette famille - renvoi des résidus de déviance La matrice du modèle pénalisé ne doit pas avoir plus de colonnes que de lignes Veuillez fournir une valeur unique pour theta ou utiliser nb pour l'estimer Veuillez mettre le terme avec le plus de niveaux en dernier dans 're' pour éviter de gâcher les pénalités fournies Possible divergence détectée dans fast.REML.fit Les variables répétées comme arguments de lissage ne sont pas permises Nécessite un objet préajusté gam ou bam Réinitialiser l'optimiseur à outer/newton La réponse devrait être des étiquettes de classes entières Le vecteur S.scale ne correspond pas à la liste S - veuillez le signaler au responsable La matrice S[[%d]] n'est pas +ve définie. Covariance corrigée de l'incertitude de lissage non disponible Quelque chose d'anormal s'est produit - la matrice n'est probablement pas +ve semi définie Il y a quelque chose d'anormal avec la construction de l’auto-pénalité Quelque chose d'anormal s'est produit avec zlim Désolé, les produits tensoriels de lissages avec des pénalités multiples ne sont pas supportés. Étape divisée par deux : nouvelle déviance pénalisée = %g La taille du pas est tronquée à cause d'une divergence Taille du pas est tronquée: hors limites Taille du pas tronquée : hors de plage. Df fourni en dessous de min.df. min.df est réinitialisé La matrice fournie n'est pas symétrique Le vecteur des paramètres de lissage fourni est trop court - il est ignoré. Le rang de la pénalité pour le produit tensoriel semble trop bas : veuillez envoyer un email à [email protected] avec les détails. Les arguments suivants de anova.glm(..) sont incorrects et éliminés : Cette famille ne devrait pas avoir de réponse matricielle Trop de nœuds de clusters pour qu'ils soient tous utilisés efficacement La densité de Tweedie peut ne pas être fiable - les séries ne sont pas complètement convergentes Tweedie p doit être dans l'intervalle (a,b) Type inconnu, réinitialisé à 'terms'. L'utilisation de ziP pour des données binaires n'a aucun sens Utiliser ziplss pour des données binaires n'a aucun sens Les variables 'view' doivent contenir plus d'une valeur. view = c(%s,%s) X a perdu ses dimensions dans magic !! Vous n'avez aucun modèle... la variable 'by' doit avoir la même dimension que les arguments de lissage les lissages liés 'id' doivent avoir le même nombre d'arguments l'objet ne semble pas être de classe "gam" 'rank' a une longueur incorrecte dans 'paraPen' la dimension 'sp' n'est pas la bonne dans 'paraPen' 'sp' trop court a a un mauvais nombre de lignes une pénalité paramétrique a de mauvaises dimensions absorb.cons doit être TRUE pour les modèles multi-formules l'algorithme n'a pas convergé tous les éléments d'une liste de nombres aléatoires doivent être nommés all.derivs seulement disponible dans le paramétrage de rho, theta argument all.terms non supporté et correspond aux coefs initiaux pour anova.gam appelé sur un objet qui n'est pas gam l'argument n’est pas un objet gam l'argument k doit être positif. l'argument k de s() doit être un entier et a été arrondi l'argument de mrf doit être une variable facteur l'argument pers est obsolète, veuillez utiliser scheme à la place les arguments de lissage n'ont pas la même dimension au moins un élément de lb doit être non nul tentative de sélection d'une fonction de base inexistante tentative d'utiliser une classe marginale de lissage inadaptée bam ne peut pas se discrétiser avec cette structure d’imbrication les ajustements bam ne sont supportés qu'avec discrete==TRUE la dimension de la base est plus grande que le nombre de covariables uniques la dimension de base est réinitialisée à la valeur minimale possible la dimension de base est trop petite pour l'ordre b-spline la dimension de base, k, est augmentée à la valeur minimale possible base non utilisable avec un te réduit bnd doit être une liste de boucles de délimitation l'argument bnd doit être une liste. bs, de longueur incorrecte, est ignoré. burnin trop large, réinitialisation argument by.resids non supporté by=. n'est pas permis je ne peut pas gérer [[ dans la formule il n'y a pas lissages soap sans frontières impossible de trouver des valeurs de départ valides : veuillez en spécifier chunk.size < nombre de coefficients. Réinitialisation à %d les données de simulation du coefficient sont manquantes longueur erronée du vecteur des coefficients schéma de couleurs non reconnu les composants des nœuds relatifs à un même lissage doivent être de même longueur contraintes pour les produits tensoriels sous bloqués non testées le spline cubique ne traite que les données 1D d ne peut être négatif dans l'appel à null.space.dimension(). risque d'erreur d'arrondi les données contiennent des régions qui ne sont pas contenues dans la spécification du nœud données en dehors des limites soap les vecteurs de données ont des longueurs différentes deriv doit être 1 ou 2 df doit contenir des entiers positifs la dimension de fx est incorrecte les dimensions du w fourni sont mauvaises. la méthode discrète n'utilise pas de cluster parallèle - utiliser nthreads à la place discrétisation disponible uniquement avec fREML dist non reconnu ne correspond pas à la taille requise du paramètre ne soyez pas stupide ignorer les nœuds soap qui ne sont pas à l'intérieur de la frontière - utilisez 'in.out' pour vérifier. suppression des termes paramétriques non identifiables du modèle edge.correct doit être un booléen ou un nombre positif les éléments de min.sp doivent être positifs ou nuls. modèles emtpy non disponibles er... pas de méthodes discrètes pour les dérivées supérieures appel erroné à estimate.theta - pas de paramètres libres les variables 'by' de type facteur ne peuvent pas être utilisées avec des arguments matriciels. échec de la méthode Davies, en se rabattant sur l'approximation de Liu et al fam n'est pas un objet family les familles ne sont pas conçues pour être utilisées avec gamm ! famille pas encore implémentée famille non reconnue famille non reconnue l'optimiseur rapide REML a atteint la limite d'itération bnd défectueux probabilités d'ajustement numérique de 0 ou 1 rencontrées taux d'ajustement numériques à 0 rencontrés fs smooth ne convient pas à la discrétisation avec plus d'un prédicteur métrique les lissages fs ne peuvent avoir qu'un seul argument de type facteur longueur fx erronée pour le terme t2 : ignoré gamm ne peut arranger seulement quelques marges de produits de tenseurs. gamm ne peut pas gérer les paramètres de lissage liés (probablement en raison de l'utilisation de 'id' ou de lissages adaptatifs) gamm n'est pas conçu pour utiliser les familles élargies les modèles gamm doivent avoir au moins 1 lissage avec des paramètres inconnus ou au moins un autre effet aléatoire gamm n'a pas convergé, essayez d'augmenter niterPQL gamm() peut seulement utiliser des effets aléatoires définis comme des listes nommées gammals requiert 2 liens spécifiés comme chaînes de caractères gaulss requiert 2 liens spécifiés comme chaînes de caractères les familles générales ne sont pas supportées par bam gevlss nécessite 3 liens spécifiés comme des chaînes de caractères les vecteurs de grille ont des longueurs différentes gumbls requiert 2 liens spécifiés comme chaînes de caractères la manipulation des variables 'by' dans les constructeurs de lissages peut ne pas fonctionner avec la convention de sommation argument 'family' non autorisé in.out incorrect : voir la documentation arguments incorrects pour le lisseur GP nombre incorrect de prédicteurs linéaires pour la famille nombre incorrect de paramètres de lissage fournis pour un terme de lissage vraisemblance pénalisée indéfinie dans gam.fit5 les paramètres initiaux sont inutilisables les paramètres initiaux sont très proches des contraintes d'inégalité le point initial est très proche de certaines contraintes d'inégalité le regroupement interne n'est pas imbriqué dans le regroupement externe !! boucle interne 1 ; impossible de corriger la taille du pas boucle interne 2 ; impossible de corriger la taille du pas boucle interne 3 ; impossible de corriger la taille du pas intégration non disponible avec cette famille - produits dérivés insuffisants erreur interne dans vcorr, veuillez la signaler à [email protected] isa nécessite une matrice dg/tCM itération %d limite d'itération atteinte : max abs grad = %g pondérations itératives ou données non finies dans gam.fit - une régularisation peut aider. Voyez ?gam.control. iterms réinitialisé à 'terms' jagam a besoin d'un fichier pour la spécification du modèle JAGS les longueurs de k et de bnd sont incohérentes la plage des nœuds ne comprend pas les données la plage des nœuds est si large qu'il n'y a *aucune* information sur certains coefficients de base les nœuds doivent être spécifiés pour soap nœuds fournis lambda et h doivent avoir la même longueur ! la longueur de min.sp est fausse. longueur de sp incorrecte dans t2 : ignoré la longueur de sp doit correspondre au nombre de paramètres de lissage libres dans le modèle original length(M$w) != length(M$y) la longueur (drop.intercept) doit être égale au nombre de formules du modèle les longueurs de k et bnd ne sont pas compatibles. les longueurs de lb, df et nc doivent correspondre libellés de prédiction linéaire hors plage lien "%s" non disponible pour la famille Tweedie. lien non disponible pour lien non disponible pour la régression bêta ; les liens disponibles sont "logit", "probit", "cloglog" et "cauchit" lien non disponible pour la famille coxph ; le lien disponible est "identity" lien non disponible pour le paramètre mu de gammals lien non disponible pour le paramètre mu de gaulss lien non disponible pour le paramètre mu de twlss lien non disponible pour la famille binomiale négative ; les liens disponibles sont "identity", "log" et "sqrt" lien non disponible pour la famille catégorielle ordonnée ; les liens disponibles sont "identity" lien non disponible pour le paramètre precision de gaulss lien non disponible pour le paramètre d'échelle de shash lien non disponible pour la distribution t mise à l’échelle ; les liens disponibles sont "identity", "log" et "inverse" lien non disponible pour le modèle à excès de zéros ; le lien disponible pour 'lambda' est seulement "loga" lien non mis en œuvre pour les familles élargies link non reconnu limite inférieure >= limite supérieure dans l'appel à mono.con() m ne peut pas être en re m, de longueur incorrecte, est ignoré. les matrices doivent toutes être soit de classe dgCMatrix, soit de classe matrix le nombre maximum d'itérations doit être > 0 mean, mu, doivent être positifs ou nuls méthode non reconnue. min.sp n'est pas supporté par le calcul rapide REML, il est ignoré. non-concordance entre les noms de zones fournis par nb/polys et les noms de zones de données poids modal <=0 dans l'étape d'intégration !! le modèle a des lissages 1-d répétés des mêmes variables. plus de nœuds que de données dans un terme ds : des nœuds sont ignorés. plus de nœuds que de données dans un terme tp : des nœuds sont ignorés. plus de nœuds que de données dans un terme ms : des nœuds sont ignorés. plus de nœuds que de données dans un terme sos : des nœuds sont ignorés. il n'est pas autorisé d'avoir plus de nœuds que de valeurs uniques des données dimensions de mu incorrectes les pénalités multiples du même ordre sont abberantes erreur de dimension mvn mvn ne gère pas encore les offsets mvn nécessite des données à 2 ou plusieurs dimensions na.action n’est pas une chaîne de caractères ni une fonction les noms de z et pc doivent correspondre ncol(M$C) != length(M$p) ncol(M$X) != length(M$p) il faut au moins un nœud intérieur valeurs négatives non autorisées pour la famille binomiale négative valeurs négatives non autorisées pour la famille de Poisson à excès de zéros newdata est un model.frame : il devrait contenir toutes les variables requises nlm.fd disponible uniquement pour GCV/UBRE aucune valeur manquante NA n'est autorisée dans les données de réponse pour ce modèle aucun graphe automatique pour les lissages de plus de quatre variables aucun graphe automatique pour les lissages de plus de deux variables pas de données pour la prédiction à aucune facteur fourni à fs smooth pas de coefs libres dans sf smooth pas de bonnes données dans l'itération pas de lissage, `discrete=TRUE' est ignoré aucune information spatiale n'est fournie ! pas d'ensemble valide de coefficients trouvé : veuillez fournir les valeurs de départ valeurs non finies dans le Hessien terme d’exclusion inexistant requis - il est ignoré termes inexistants requis - il est ignoré coefficients non finis à l'itération %d dénominateur binomial non entier : quantiles incorrects ce n’est pas un objet gam les variables requises n'ont pas toutes été fournies dans newdata ! pas une famille élargie pas assez de dérivées finies pas assez de valeurs uniques pour trouver les k plus proches non positif défini non utilisable avec les ajustements bam rien à faire pour ce modèle nrow(M$Ain) != length(M$bin) nrow(M$Ain) != length(M$p) nrow(M$X) != length(M$y) nthreads doit être un nombre entier positif le nombre de catégories doit être au moins de 2 le nombre de prédicteurs linéaires ne correspond pas le nombre de nœuds fournis != k pour un lissage 'cc' le nombre de nœuds fournis != k pour un lissage 'cr' l'objet ne semble pas être de classe lme l’objet n’est pas un glm ni un gam l'objet n'est pas complètement initialisé décalage d’origine pas encore disponible pour cette famille un ou plusieurs k spécifiés trop petits - réinitialisation aux valeurs par défaut ne traite que le cas 2D seul le premier élément de `id' est utilisé un seul niveau d'imbrication de lissage est supporté par gamm seuls les scalaires 'p' et 'phi' sont autorisés. seuls les scalaires `rho' et `theta' sont autorisés. openMP non disponible : calcul sur un seul thread seulement ord contient des ordres hors limites (qui seront ignorés) ord est erroné, réinitialisé à NULL. ordre trop faible p doit être dans (1,2) p doit être dans [1,2] les p-valeurs pour tous les termes qui peuvent être pénalisés à zéro ne seront pas fiables : réajustez le modèle pour corriger cela. paraPen non supporté pour les modèles multi-formules paramètre de shashlss paramètre de ziplss déviance pénalisée = %s base de pénalité trop grande pour la base de lissage base de pénalité trop faible les noms des colonnes de pénalité ne correspondent pas aux noms des zones fournies ! la matrice de pénalité, les polygones de délimitation et/ou la liste des voisins doivent être fournis à xt ordre de pénalité trop élevé pour la dimension de base predict.gam peut seulement être utilisé pour des prédictions à partir d'objets gam l'argument random doit être une liste *nommée*. les effets aléatoires ne fonctionnent pas avec les ids. reparamétrisation sans rang recov ne fonctionne qu'avec des objets gam ajustés reparamétrisation instable pour la marge : pas fait demande de dérivée inexistante dans la pénalité B-spline exige un objet terms ou formula comme premier argument nécessite un objet de classe gam argument résiduels non supporté l'argument residuals de plot.gam a une mauvaise longueur : il est ignoré la réponse n'est pas comprise entre 0 et le nombre de prédicteurs + 1 indices inversés manquants dans les marges discrètes éparses rho manquant dans les données de simulation edf.type - remis à 2 la valeur de s est augmentée valeur s modifiée pour donner une fonction continue la valeur de s est réduite s(.) pas encore supporté. s(.) pas encore supporté. samfrac trop petit - ignoré la probabilité saturée peut être inexacte le paramètre d'échelle doit être positif sd doit avoir exactement une entrée de moins que ld les dérivées secondes ne sont pas disponibles pour les pénalités non linéaires les décalages partagés ne sont pas autorisés shash requiert 4 liens spécifiés comme chaînes de caractères conditions de bord non autorisées pour les lissages imbriqués tolérance aberrante fournie valeur aberrante fournie pour rank.tol : réinitialisé à la racine carrée de la précision de la machine. les indices de prédiction linéaire unique sont ignorés les valeurs singulières ne sont pas renvoyées dans l'ordre la taille doit être comprise entre [1,120] les objets lissage ne doivent pas avoir d'attribut qrc. paramètre de lissage prior choise non reconnu, réinitialisé à gamma base soap mal conditionnée - changer 'xt$nmax' peut aider les films soap sont uniquement bivariés il y a quelque chose d'anormal avec le vecteur d’indices A il y a quelque chose d'anormal avec l'argument d. il y a quelque chose d'anormal avec les entrées de la routine LAPACK il y a quelque chose d'anormal avec la prédiction statifiée désolé, le lien n'est pas encore géré désolé, aucune option pour effectuer les contours avec erreurs : essayez plot.gam échec de l'étape : max abs grad = échec de l'étape dans l'estimation de thêta les matrices S fournies ont de mauvaises dimensions dist fournie négative nœuds fournis pénalité fournie non carrée ! les pénalités fournies ont de mauvaises dimensions ! fournir une valeur pour chaque variable pour une contrainte ponctuelle les contraintes de type sweep et drop ont peu de chances de fonctionner avec l'autogestion des variables 'by' lissages te non utilisable avec gamm4 : utiliser t2 à la place argument test ignoré la classe adaptative de lissage est limitée à 1 ou 2 covariables. il n'y a *aucune* information sur certains coefficients de base il devrait y avoir trop peu de nœuds type iterms non disponible pour les cas de prédicteurs multiples type doit être "link" ou "response" méthode de sélection du lissage non prise en charge test non supporté l'argument inconditionnel n'a pas de sens ici un type de contrainte éparse non implémenté est demandé uniquecombs n’a pas fonctionné correctement optimiseur inconnu méthode d'optimisation externe inconnue. critère de sélection du lissage inconnu type de contrainte tensorielle inconnue na.action non reconnue link non reconnu (vecteur ?) ordre de différenciation non supporté demandé de gam.fit3 la mise à jour n’est pas définie positive la valeur de epsilon doit être > 0 valeurs hors limites les noms des variables ne correspondent pas aux noms des frontières fonction de variance non reconnue pour quasi les variables 'view' doivent être une parmi %s w n'a pas la même longueur que y ! pondération ignorée les poids doivent être les mêmes que les poids glm pour les cas généralisés sans formule x et y doivent être de même longueur x et y n'ont pas la même longueur x est null x hors de la plage argument xt erroné. y doit être un multiple entier de phi pour Tweedie(p=1) y doit être strictement positif pour une densité Gamma y doit être univarié à moins d'être binomial ziplss requiert 2 liens spécifiés comme chaînes de caractères