File: C:/Program Files/R/R-4.4.0/library/mgcv/po/pl/LC_MESSAGES/R-mgcv.mo
�� � o , � E � / 7 P � � � � � X � / 0 ` # { � 2 � � 4 * 9 d � 5 � � 7 � 6 # < Z 7 � � > � [ , ; � % � � : # ; . _ � " � � - � [ n $ � * � � � > % T ! z � 9 � � 7 2 j w # � � � - � 0 K S k $ � S � 8! 2 L! $ ! 3 �! �! S �! : B" = }" �" 7 �" / # C# L ]# % �# " �# # �# $ ; 5$ f q$ A �$ % 8% U% 8 m% 6 �% �% $ �% ! !& C& ( R& {& ) �& # �& $ �& ' &' 8 C' & |' - �' / �' ) ( , +( 1 X( $ �( �( �( �( $ �( 6 ) M) m) F �) $ �) 8 �) E .* t* % �* �* �* �* + * + ( D+ < m+ �+ �+ �+ + �+
, 0 %, # V, , z, % �, 5 �, _ - l c- + �- < �- " 9. Y \. �. # �. C �. 7 8/ % p/ % �/ % �/ % �/ \ 0 " e0 �0 R �0 �0 1 ) ,1 V1 % q1 �1 ( �1 a �1 =2 0 Q2 �2 �2 ( �2 �2 �2 = 3 A L3 0 �3 1 �3 1 �3 3 #4 1 W4 �4 �4 �4 �4 < �4 B 55 " x5 < �5 �5 �5 6 I *6 ' t6 �6 : �6 * �6 7 07 M7 h7 - �7 - �7 ) �7 8 "8 3 ?8 s8 �8 5 �8 " �8 & 9 8 +9 d9
�9 �9 �9 a �9 : + /: [: 5 s: O �: * �: 8 $; ' ]; # �; ( �; 0 �; < 7 #< [< , m< �< �< �< �< �< M = % f= / �= �= �= 8 �= 4> K> Z> ! w> 1 �> �> : �> ?
,? ! :? ( \? . �? �? " �? & �? @ : ,@ g@ ) �@ * �@ �@ 5 �@ *A <A XA pA zA �A 5 �A / �A $ B � +B R D , nD H �D % �D
E E E 7E s WE 8 �E F 0 "F SF X gF 7 �F ? �F ; 8G " tG % �G N �G ! H D .H @ sH N �H B I FI G dI o �I J J ) gJ " �J : �J 0 �J D K " eK * �K �K : �K s L 0 �L + �L 2 �L , M & @M Z gM 3 �M + �M 2 "N N UN �N & �N & �N N
O YO pO 7 �O # �O / �O ? P B ZP & �P e �P ( *Q e SQ �Q N �Q $ !R @ FR �R d �R ? S A HS 1 �S B �S . �S .T R DT 2 �T ( �T ( �T ( U K EU � �U e V $ {V # �V �V @ �V P W / nW 2 �W ( �W �W ( X ;X 5 YX 2 �X / �X ' �X Y W 9Y 4 �Y / �Y 7 �Y > .Z 4 mZ > �Z $ �Z [ A [ _[ ) y[ N �[ - �[ \ d A\ @ �\ X �\ F @] �] & �] ! �] �] 4 ^ =^ / ]^ ' �^ H �^ / �^ ._ N_ 7 n_ �_ L �_ = ` = @` 9 ~` R �` � a � �a P b X jb & �b f �b Qc / oc O �c 9 �c J )d 9 td 9 �d 9 �d f "e ' �e ! �e c �e ) 7f af ? cf $ �f 4 �f �f ( g x Ag $ �g P �g - 0h @ ^h ( �h + �h �h V i [ ji A �i K j K Tj L �j M �j ( ;k dk }k 3 �k B �k Q
l , _l M �l 4 �l 0 m ) @m [ jm 3 �m & �m @ !n = bn �n �n �n �n 9 o 9 Lo & �o 9 �o , �o W p 0 lp , �p U �p + q + Lq @ xq 9 �q $ �q ) r ) Br � lr �r 6 s >s C [s X �s . �s Z 't . �t $ �t & �t D �t & Bu Q iu # �u < �u # v ) @v ' jv �v ) �v n �v D Lw 1 �w # �w �w I x $ Ox tx % vx ' �x E �x #
y D .y 3 sy �y 1 �y ' �y 6 z Mz ) dz & �z ' �z B �z ! { 3 B{ 3 v{ 8 �{ 9 �{ | * *| + U| �| �| �| W �| < +} < h} � � s � + � k � � H V � 9 3 F ; � �
j u � � � � N 1 � � e � S � � p � � o ] � � t - � ~ q � . � d { 6 ) � � z � � � C � � � A � � � % c � � < | G r # I � � W � � � � � � / � � B � � * � � � _ ! v b � � & � O � � m P � a � � � � : � � Q X D ` @ � �
� � h l � � ? � � � Z � � � Y � n � � L � � � � = � M � $ � y � 0
5 � � � � � � � � K } � � � � � g J � \ � � ( � � � i 2 � ^ " � � � 7 � � � � 8 � E f � [ � � 4 > � x � � , � � � R � w U '
T � � "fs" smooth cannot use a multiply penalized basis (wrong basis in xt) "fs" terms can not be fixed here '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 AR1 parameter rho unused with generalized model Algorithm did not converge Algorithm stopped at boundary value An object of length 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! 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 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 M$S and M$off have different lengths 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. 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 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 derivatives. Try decreasing fit tolerance! See `epsilon' in `gam.contol' Non-finite deviance 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 Penalized model matrix must have no more columns than rows Repeated variables as arguments of a smooth are not permitted Reset optimizer to outer/newton 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 size truncated due to divergence Step size truncated: out of bounds Step size truncated: out of bounds. 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: Unknown type, reset to terms. 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 parametric penalty has wrong dimension algorithm did not converge all elements of random list must be named 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 arguments of smooth not same dimension attempt to select non existent basis function attempt to use unsuitable marginal smooth class basis dimension reset to minimum possible basis dimension too small for b-spline order basis dimension, k, increased to minimum possible bnd must be a list of boundary loops bnd must be a list. bs wrong length and ignored. by=. not allowed can't soap smooth without a boundary cannot find valid starting values: please specify some coefficient vector wrong length color scheme not recognised components of knots relating to a single smooth must be of same length cubic spline only deals with 1D data d can not be negative in call to null.space.dimension(). 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 dimension of fx is wrong dimensions of supplied w wrong. dist not recognised does not match the required parameter size elements of min.sp must be non negative. factor `by' variables can not be used with matrix arguments. fam not a family object 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 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 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 grid vectors are different lengths handling `by' variables in smooth constructors may not work with the summation convention illegal `family' argument in.out incorrect: see documentation incorrect number of smoothing parameters supplied for a smooth term initial parameters very close to 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 iterative weights or data non-finite in gam.fit - regularization may help. See ?gam.control. 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(M$w) != length(M$y) lengths of k and bnd are not compatible. link not available for negative binomial family; available links are "identity", "log" and "sqrt" link not recognised lower bound >= upper bound in call to mono.con() m can't be in re m wrong length and ignored. maximum number of iterations must be > 0 mean, mu, must be non negative method not recognised. min.sp not supported with fast REML computation, and ignored. mismatch between nb/polys supplied area names and data area names model has repeated 1-d smooths of same variable. more knots than data in a ds term: knots ignored. more knots than data in a tp term: knots ignored. more knots than data in an sos term: knots ignored. more knots than unique data values is not allowed names of z and pc must match ncol(M$C) != length(M$p) ncol(M$X) != length(M$p) need at least one interior knot negative values not allowed for the negative binomial family newdata is a model.frame: it should contain all required variables nlm.fd only available for GCV/UBRE no automatic plotting for smooths of more than two variables no data to predict at no free coefs in sf smooth no spatial information provided! no valid set of coefficients has been found:please supply starting values non-existent terms requested - ignoring not a gam object not all required variables have been supplied in newdata! not enough unique values to find k nearest nothing to do for this model nrow(M$Ain) != length(M$bin) nrow(M$Ain) != length(M$p) nrow(M$X) != length(M$y) 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 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. 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. 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. recov works with fitted gam objects only reparameterization unstable for margin: not done requires an object of class gam residuals argument to plot.gam is wrong length: ignored s value increased s value modified to give continuous function s value reduced s(.) not yet supported. samfrac too small - ignored scale parameter must be positive silly tolerance supplied silly value supplied for rank.tol: reset to square root of machine precision. singular values not returned in order smooth objects should not have a qrc attribute. soap films are bivariate only something wrong with argument d. sorry no option for contouring with errors: try plot.gam supplied dist negative supplied knots supplied penalty not square! supplied penalty wrong dimension! te smooths not useable with gamm4: use t2 instead test argument ignored the adaptive smooth class is limited to 1 or 2 covariates. there should be too few knots type must be "link" or "response" un-supported smoothness selection method unimplemented sparse constraint type requested unknown optimizer unknown outer optimization method. unknown smoothness selection criterion unrecognized (vector?) link unsupported order of differentiation requested of gam.fit3 value of epsilon must be > 0 variable names don't match boundary names variance function not recognized for quasi w different length from y! 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 Project-Id-Version: mgcv 1.7-28
Report-Msgid-Bugs-To: [email protected]
PO-Revision-Date: 2014-03-25 17:39+0100
Last-Translator: Łukasz Daniel <[email protected]>
Language-Team: Łukasz Daniel <[email protected]>
Language: pl_PL
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
Plural-Forms: nplurals=3; plural=(n==1 ? 0 : n%10>=2 && n%10<=4 && (n%100<10 || n%100>=20) ? 1 : 2);
X-Poedit-SourceCharset: iso-8859-1
X-Generator: Poedit 1.5.4
wygładzanie "fs" nie może użyć wielokrotnie ukaranej bazy (błędna baza w xt) człony "fs" nie mogą być poprawione tutaj argument 'family' wydaje się nie być poprawnym obiektem klasy "family" argument 'theta' musi być określony , zera w 'V(mu)' 1<a<b<2 (ściśle) wymagane macierz 'A' nie jest kwadratowa człon posiada mniej unikalnych kombinacji zmiennych niezależnych niż określona maksymalna liczba stopni swobody parametr rho AR1 jest nieużywany z uogólnionym modelem algorytm nie uzbieżnił się Algorytm zatrzymał się na wartości granicznej Obiekt o długości Co najmniej trzy węzły są wymagane w wywołaniu przekazywanym do funkcji 'mono.con()' Podstawa obsługuje jedynie jednowymiarowe wygładzania Nie można przekonwertować tej gładkiej klasy na efekt losowy Nie można mieć więcej wartości własnych niż 'nrow(A)' można obsługiwać jedynie sferę Nie można znaleźć poprzez zmienną Nie można znaleźć poprawnych wartości startowych: proszę określić kilka Nie można wyodrębnić wymiarów Nie można wyodrębnić odwrotności z niezainicjalizowanego obiektu Nie można wyodrębnić macierzy z niezainicjalizowanego obiektu Nie można wyodrębnić macierzy z niezainicjalizowanego obiektu klasy "pdMAt" Nie można wyodrębnić macierzy z niezainicjalizowanymi wymiarami Odchylenie = %s Iteracje - %d Poszukiwania dyskretnej thety nie są dostępne z wykonywaną iteracją Nie wiadomo co zrobić z członami parametrycznymi, które nie są zmiennymi o prostych liczbach lub czynnikami Brakuje 'F' w wygładzaniu 'cr' - ponownie dopasuj model z bieżącym mgcv Pierwszy argument nie jest typu formuły! argument 'H' ma niepoprawny wymiar parametr regularyzacyjny IRLS musi być nieujemną liczbą Niepoprawnie dopasowane średnie w pustym modelu Niepoprawne wartości liniowej zmiennej niezależnej w pustym modelu argument 'L' ma niespójne wymiary 'L' posiada niepoprawny wymiar w 'paraPen' argument 'L' musi być macierzą argument 'L' musi mieć co najmniej tyle wierszy co kolumn Dalsze człony współdzielące 'id' nie mogą mieć więcej parametrów wygładzających niż pierwszy taki człon Długość argumentu 'start' powinna być równa 'M$S' oraz 'M$off' mają różne długości 'M$sp' ma inną długość niż 'M$S' oraz 'M$off' ustawiony bazowy wymiar MRF jest zbyt wysoki Model nie może zostać zaktualizowany Model nie wydaje się mieć wystarczającej liczby członów aby zrobić coś użytecznego Model posiada więcej współczynników niż danych Macierz modelu nie ma pełnej rangi kolumny Model wydaje się nie zawierać żadnych członów Nazwy są wymagane podczas inicjalizowania obiektu klasy "pdIdnot" z parametru wartości NA w 'min.sp' wartości NA w czynniku klasy "pdTens" wartości NA w macierzy klasy "pdTens" Dostarczono wartości NA w wektorze parametrów wygładzających - ignorowanie wartości NA w 'V(mu)' wartości NA w 'd(mu)/d(eta)' Zagnieżdżone wygładzania muszą być w pełni losowe Nie dostarczono danych do gam.setup Nie dostarczono danych do funkcji 'gam.setup()' Brak odpowiedniego 's' (tj.: m[2]), spróbuj zwiększyć 'm[1]' Brak członów do rysowania - nic do wykonania przez 'plot.gam()'. Brak dostępnego oszacowania wariancji Nieskończone pochodne. Spróbuj zmniejszyć tolerancję dopasowania! Zobacz 'epsilon' w 'gam.contol' Nieskończone współczynniki w iteracji Nieskończone pochodne. Spróbuj zmniejszyć tolerancję dopasowania! Zobacz 'epsilon' w 'gam.contol' Nieskończone odchylenie Brak wystarczającej (nie NA) liczby danych, aby wykonać cokolwiek sensownego Zbyt mało informacyjnych obserwacji Liczba przewidywań oraz więzów dopasowania musi się zgadzać Wspierane jest tylko 1<p<=2 Częsciowe reszty nie posiadają naturalnego położenia osi 'x' dla liniowych członów funkcyjnych Macierz modelu kary nie może mieć więcej kolumn niż wierszy Powtórzone zmienne jako argumenty wygładzenia nie są dozwolone Resetowanie optymalizatora na zewnętrzny/newtona Coś nie tak - prawdopodobnie macierz nie jest dodatnio określona Coś nie tak z konstrukcją automatycznej kary Coś nie tak z 'zlim' Przykro mi, produkty tensorowe wygładzeń z wielokrotnymi karami nie są wpierane Rozmiar kroku przycięty z uwagi na rozbieżność Rozmiar kroku przycięty: poza granicami Rozmiar kroku przycięty: poza granicami Dostarczona macierz nie jest symetryczna Dostarczony wektor parametrów wygładzania jest zbyt krótki - zignorowano Produkt tensorowy rang kar wydaje się być zbyt niski: proszę przesłać email na [email protected] ze szczegółami. Następujące argumenty przekazywane do funkcji 'anova.glm(..)' są niepoprawne i zostały odrzucone: Nieznany typ, resetowanie do 'terms' 'X' utraciło wymiary w 'magic()!'! Nie posiadasz modelu... zmienna 'by' musi mieć ten sam wymiar co argumenty wygładzania wygładzania połączone poprzez 'id' muszą mieć tę samą liczbę argumentów argument 'object' nie jest obiektem klasy "gam" 'rank' posiada niepoprawną długość w 'paraPen' wymiar 'sp' jest niepoprawny w 'paraPen' 'sp' jest zbyt krótkie parametryczna kara ma niepoprawny wymiar Algorytm nie uzbieżnił się wszystkie elementy listy 'random' muszą być nazwane oraz odpowiadać początkowym współczynnikom dla argument 'object' nie jest obiektem klasy "gam" argument nie jest obiektem klasy "gam" argument 'k' musi być dodatni argument 'k' w funkcji 's()' powinie być liczbą calkowitą więc został zaokrąglony argumenty wygładzania nie mają tego samego wymiaru próba wybrania nieistniejącej funkcji bazowej próba użycia niepasującej granicznej gładkiej klasy wymiar podstawy został przywrócony do minimalnego możliwego wymiar podstawy jest zbyt mały dla rzędu b-splajnu wymiar podstawy, k, zwiększył się do minimalnego możliwego 'bnd' musi być listą pętel granic 'bnd' musi być listą 'bs' posiada niepoprawną długość przez co został zignorowany 'by=.' nie jest dozwolone nie można wygładzić 'soap' bez granicy Nie mnżna znaleźć poprawnych wartości startowych: proszę określić kilka błędna długość wektora współczynników nie rozpoznano schematu kolorów komponenty węzłów odwołujące się do pojedynczego wygładzenia muszą być tej samej długości sześcienny splajn radzi sobie jedynie z danymi jednowymiarowymi 'd' nie może być ujemne w wywołaniu przekazywanym do funkcji 'null.space.dimension()' dane zawierają regiony, które nie są zawarte w specyfikacji węzła dane poza granicami 'soap' wektory danych są różnej długości 'deriv' powinien wynosić 1 lub 2 wymiar 'fx' jest niepoprawny wymiary dostarczonego argumentu 'w' są niepoprawne. rozkład nie został rozpoznany nie zgadza się z wymaganym rozmiarem parametru elementy 'min.sp' muszą być nieujemne faktoryzacja zmiennych 'by' nie może być użyta z argumentami macierzy argument 'fam' nie jest obiektem klasy "family" rodzina nie została rozpoznana 'family' nie został rozpoznany szybki optymalizator REML osiągnął granicę iteracji błędne 'bnd' dopasowane prawdopodobieństwa okazały się być numerycznie równe 0 lub 1 dopasowane wskaźniki numerycznie okazały się być równe 0 wygładzania 'fs' mogą mieć tylko jeden argument czynnikowy długość 'fx' z członu 't2' jest błędna: zignorowano funkcja 'gamm()' nie może ustalić tylko niektórych granic produktu tensorowego. funkcja 'gamm()' nie może obsłużyć dołączonych parametrów wygładzania (prawdopodobnie z użycia 'id' lub adaptacyjnych wygładzeń) modele 'gamm' muszą mieć co najmniej 1 wygładzenie z nieznanym parametrem wygładzania lub co najmniej jeden inny efekt losowy funkcja 'gamm()' nie uzbieżniła się, spróbuj zwiększyć parametr 'niterPQL' funkcja 'gamm()' może obsłużyć jedynie efekty losowe zdefiniowane jaki nazwane listy wektory siatki są różnej długości obsługiwanie zmiennych 'by' w konstruktorach wygładzenia może nie działać z konwencją sumacyjną niepoprawny argument 'family' 'in.out' jest niepoprawne: zobacz dokumentację niepoprawna liczba parametrów wygładzających dostarczona do członu 'smooth' początkowe parametry bardzo blisko więzów nierowności wewnętrzne grupowanie nie jest zagnieżdżone w zewnętrznym grupowaniu!! wewnętrzna pętla 1; nie można poprawić rozmiaru kroku wewnętrzna pętla 2; nie można poprawić rozmiaru kroku wewnętrzna pętla 3; nie można poprawić rozmiaru kroku iteracyjne wagi lub nieskończone dane w 'gam.fit' - regularyzacja może pomóc. Zobacz '?gam.control' długości 'k' oraz 'bnd' są niezgodne zakres węzła nie zawiera danych zakres węzła jest tak szeroki, że *brak* informacji o niektórych podstawowych współczynnikach węzły muszą być określone dla 'soap' argumenty 'lambda' oraz 'h' powinny mieć tę samą długość! długość 'min.sp' jest niepoprawna długość 'sp' jest niepoprawna w 't2': zignorowano length(M$w) != length(M$y) długości 'k' oraz 'bnd' nie są zgodne : połączenie nie jest dostępne dla rodziny rozkładu Pascala; dostępne połączenia to "identity", "log" oraz "sqrt" połączenie nie zostało rozpoznane dolny zakres >= górny zakres w wywołaniu przekazywanym do funkcji 'mono.con()' argument 'm' nie może być w argumencie 're' 'm' posiada niepoprawną długość przez co został zignorowany maksymalna liczba iteracji musi być > 0 średnia wartość 'mu' musi być nieujemna metoda nie została rozpoznana 'min.sp' nie jest wspierane dla szybkich obliczeń REML, parametr został zignorowany. niezgodność pomiędzy dostarczonymi nazwami obszarów nb/polys a nazwami obszarów danych model powtórzył jednowymiarowe wygładzania tej samiej zmiennej więcej węzłów niż danych w członie 'ds': węzły zostały zignorowane więcej węzłów niż danych w członie 'tp': węzły zostały zignorowane więcej węzłów niż danych w członie 'sos': węzły zostały zignorowane większa liczba węzłów niż unikalnych wartości danych nie jest dozwolona nazwy 'z' oraz 'pc' muszą się zgadzać ncol(M$C) != length(M$p) ncol(M$X) != length(M$p) potrzeba przynajmniej jednego wewnętrznego węzła ujemne wartości nie są dozwolone dla rozkładu z rodziny Pascala "newdata" jest klasy "model.frame": powinien zawierać wszystkie wymagane zmienne 'nlm.fd' jest dostępne jedynie dla GCV/UBRE brak automatycznego rysowania dla wygładzeń o więcej niż dwóch zmiennych brak danych na których można oprzeć przewidywanie brak wolnych współczynników w wygładzaniu sf nie dostarczono informacji przestrzennej! nie znaleziono poprawnego zestawu współczynników: proszę dostarczyć wartości startowe zażądano nieistniejących członów - ignorowanie argument nie jest obiektem klasy "gam" nie wszystkie wymagane zmienne zostały dostarczone w "newdata"! zbyt mało unikalnych wartości aby znaleźć k najbliższych nic do zrobienia dla tego modelu nrow(M$Ain) != length(M$bin) nrow(M$Ain) != length(M$p) nrow(M$X) != length(M$y) liczba dostarczonych węzłów != k dla wygładzania 'cc' liczba dostarczonych węzłów != k dla wygładzania 'cr' argument nie jest obiektem klasy "lme" argument 'object' nie jest obiektem klasy "glm" lub "gam" obiekt nie został w pełni zainicjalizowany jeden lub więcej dostarczonych 'k' jest zbyt mały - przyjmowanie wartości domyślnej obsługiwanie jedynie dwuwymiarowych przypadków został użyty jedynie pierwszy element 'id' tylko jeden poziom zagnieżdżania gładkości jest wspierane przez funkcję 'gamm()' tylko skalarne 'p' oraz 'phi' są dozwolone tylko skalarne 'p' oraz 'phi' są dozwolone 'ord' zawiera porządki poza zakresem (zostaną one zignorowane) argument 'ord' jest błędny. Przywracanie wartości NULL zbyt mała wartość argumentu 'ord' argument 'p' musi być w przedziale (1,2) argument 'p' musi być w przedziale [1,2] p-wartości dla jakichkolwiek członów, które da się ukarać do zera, będą nierzetelne: ponownie dopasuj model aby to naprawić karne odchylenie = %s podstawa kar jest zbyt duża dla podstawy wygładzania podstawa kar jest zbyt mała nazwa kolumny kary nie zgadza się z dostarczonymi nazwami obszaru! macierz kary, wielokąty brzegowe oraz/lub lista sąsiadów muszą być dostarczone w xt rząd kar jest zbyt duży dla podstawy wymiaru funkcja 'predict.gam()' może być użyta jedynie do przewidywania z obiektów klasy "gam" argument 'random' musi być *nazwaną* listą. losowe efekty nie działają z 'ids' argument nie jest obiektem klasy "gam" ponowna parametryzacja nie jest stabilna dla marginesu: nie wykonano argument nie jest obiektem klasy "gam" argument reszt przekazywany do 'plot.gam' ma niepoprawną długość: zignorowano wartość 's' została zwiększona wartość 's' została zmieniona aby dać ciągłą funkcję wartość 's' została zmniejszona funkcja 's(.)' nie jest jeszcze wspierana 'samfrac' jest zbyt małe - zignorowano parametr skali musi być dodatni dostarczono mało wiarygodną tolerancję śmieszna wartość została dostarczona do 'rank.tol': ustawianie pierwiastka kwadratowego z precyzji maszyny osobliwe wartości nie zostały zwrócone w w sposób uporządkowany gładkie obiekty nie powinny mieć atrybutu 'qrc' filmy 'soap' są tylko dwuwymiarowe coś nie tak z argumentem 'd' przykro mi, brak opcji rysowania konturu z błędami: spróbuj 'plot.gam' dostarczona odległość jest ujemna dostarczona kara nie jest kwadratowa! dostarczona kara ma niepoprawny wymiar! wygładzania 'te' nie są stosowalne z 'gamm4': zamiast tego użyj t2 argument 'test' został zignorowany adaptacyjna klasa wygładzania jest ograniczona do 1 lub 2 zmiennych liczba dostarczonych węzłów powinna być równa: zbyt mało węzłów 'type' musi mieć wartość "link" lub "response" niewspierana metoda wyboru wygładzania zażądano niezaimplementowanego typu rzadkiego więzu nieznany optymalizator nieznana zewnętrzna metoda optymalizacji nieznane kryterium wyboru wygładzania nierozpoznane (wektorowe?) połączenie niewspierany porządek różniczkowania zażądany od 'gam.fit3()' wartość 'epsilon' musi być > 0 nazwy zmiennych nie zgadzają się z nazwami granic funkcja wariancji nie została rozpoznana dla kwazi argument 'w' posiada długość inną niż argument 'y'! wagi muszą być jak wagi w 'glm' dla ogólnego przypadku bez formuły x oraz y muszą mieć tę samą długość 'x' oraz 'y' nie mają tej samej długości 'x' ma wartość NULL argument 'x' jest poza zakresem argument 'xt' jest błędny argument 'y' musi być całkowitą wielokrotnością argumentu 'phi' dla 'Tweedie(p=1)' argument 'y' musi być ściśle dodatni dla gęstości Gamma 'y' musi zawierać jedną zmienną jeśli nie zawiera dwóch