File: C:/Program Files/R/R-4.4.0/library/translations/de/LC_MESSAGES/R-stats.mo
�� � ,1 �A O �A 2 �A T B ] iB ! �B �B C - C @C \C {C < �C + �C < D ?D " WD zD ; �D �D - �D # E : 9E E tE < �E 6 �E ! .F PF $ iF �F �F & �F % �F ' G -G - EG . sG �G 4 �G & �G ' H ' FH nH 2 �H 5 �H % �H * I 1 DI 5 vI ' �I �I �I 2 J >J 4 ^J �J 7 �J �J / �J # +K 3 OK �K �K �K 2 �K 0 L ? 5L uL B �L % �L �L & M 9M ; WM ' �M �M �M + �M N 4N JN $ kN �N + �N �N �N 1 O / =O $ mO ) �O �O . �O 7 �O ? 6P . vP , �P ! �P �P 8 Q BQ + _Q % �Q �Q �Q R �Q 5 ?R * uR ( �R �R & �R # S 1 0S # bS �S . �S 9 �S ( T 1T OT nT �T + �T �T , �T U 5 1U ) gU : �U �U �U V 0 "V SV fV $ yV ( �V �V �V & W $ *W * OW zW $ �W �W ( �W & �W 4 !X B VX 0 �X �X �X Y Y ' .Y VY 2 tY �Y T �Y > Z & UZ B |Z * �Z �Z . [ ) :[ _ d[ + �[ �[ $ \ / 0\ ) `\ ( �\ �\ " �\ �\ ] )] 8 F] $ ] % �] % �] 1 �] % "^ % H^ ' n^ % �^ ; �^ �^ # _ ' 8_ `_ ' o_ �_ �_ �_ �_ �_ ! ` , +` ! X` + z` �` $ �` �` �` ( a Ca ba �a / �a ) �a , �a $b # =b ab 5 ub # �b * �b �b + c ) >c hc + �c # �c 6 �c d ( d Fd Ud td $ �d �d E �d e +e 4 Ke # �e �e �e �e 9 �e ; �e : 9f G tf < �f & �f * g $ Kg + pg 1 �g �g �g h " &h * Ih < th �h , �h �h i
i $ &i Ki Xi " li : �i : �i F j / Lj 2 |j 2 �j ' �j
k 2 %k # Xk # |k ) �k x �k B Cl H �l ! �l \ �l @ Nm �m �m �m C �m 0 %n 1 Vn �n & �n �n �n " �n 4 !o Vo ro 4 �o $ �o * �o p ! 1p * Sp ~p * �p 0 �p - �p %q # Eq O iq * �q �q $ r D %r jr $ ~r �r # �r " �r ' s ; (s 8 ds " �s 7 �s . �s 't > Ht & �t ( �t ( �t + u 6 ,u % cu 5 �u A �u I v + Kv % wv 2 �v 4 �v 3 w & 9w ( `w 4 �w 5 �w 6 �w 7 +x @ cx % �x - �x �x 6 y . Oy 0 ~y * �y 2 �y
z *z 5 Jz > �z = �z �z > { / \{ $ �{ + �{ . �{ ' | : 4| o| 5 �| P �| - } 6 B} & y} B �} M �} 1~ 5 K~ $ �~ $ �~ D �~ ( # 9 ( ] � � # � 5 � 2 "� U� 2 j� ` �� H �� E G� + �� �� - Ӂ � � 6 3� 3 j� 1 �� 7 Ђ � ' $� V L� L �� � � ( q� �� 1 �� # ܄ , � 9 -� , g� * �� V �� ) � ) @� ) j� �� �� ( Æ ( � � 3� & K� % r� & �� * �� * � 6 � L� ; m� & �� & Ј �� � 5� F� ^� y� �� �� " É � * �� &� @� " M� p� �� �� % �� Ŋ Պ � �� � ,� F� [� s� �� �� �� ۋ � # � /� ?� , R� 9 � �� ، � � "� <� . N� }� �� �� �� � �� 2 � D� _� : ~� . �� = � H &� > o� T �� 3 � @ 7� x� ! �� & �� ( ݐ = � e D� ; �� � \ � ( c� Z �� C � * +� K V� < �� ( ߓ � � 4 <� ' q� 8 �� ( Ҕ �� � /� 2 J� < }� 6 �� E � % 7� / ]� B �� . Ж 9 �� C 9� # }� 5 �� ) ח & � (� H� A e� ( �� % И O �� " F� i� 8 �� : �� $ �� . � - M� {� �� . �� 4 Ԛ 9 � C� ! `� �� - �� ( ћ " �� - � K� 2 i� # �� �� ߜ �� + � 7� L� k� / �� % �� 0 ֝ � $� @� a� & s� �� J �� ; �� 9� Q� a� s� ' �� # �� ϟ � � # $� 6 H� � �� �� Ƞ ( � ) � " ;� ^� & x� " �� ) ¡ � � � 0� ) L� v� 1 �� �� ע � 1 � < 3� p� = �� = £ 8 � 0 9� # j� 1 �� 7 �� @ �� A 9� 9 {� 7 �� V � < D� 4 �� C �� + �� @ &� g� �� $ �� E ǧ $
� A 2� ] t� Ҩ + � � + 9� ' e� " �� �� Ω 4 � 4 � X M� 3 �� ` ڪ / ;� / k� B �� C ޫ 2 "� 7 U� �� 8 �� # � � 1 &� X� # r� & �� E �� � � ;� 2 [� ' �� & �� G ݮ - %� $ S� + x� * �� 3 ϯ 3 � : 7� " r� 7 �� Ͱ � 7 �� 7� ! S� " u� = �� ? ֱ / � C F� 8 �� ò ' � H � Q T� & �� " ͳ & � = � < U� % �� " �� ) ۴ / � , 5� b� = �� > �� # �� #� 4 C� 6 x� ? �� � W � < a� 3 �� # ҷ ! �� ) � ! B� % d� = �� 4 ȸ > �� 5 <� C r� 9 �� : � 7 +� = c� �� �� : Ѻ $ � & 1� X� ' y� Y �� " �� � :� H Q� �� �� ! ɼ \ � 8 H� \ �� 0 �� 5 *� P `� = �� " � ! � 4� 5 S� �� B �� = � 5 (� - ^� �� �� �� � � $ �� $ !� + F� ! r� * �� , �� � � $� 7� � L� R �� 7 #� K [� k �� , � @� V� 4 l� # �� # �� ) �� D � , X� D �� �� - �� � N -� |� @ �� & �� 9 �� J 7� ? �� 8 �� & �� "� * ;� f� y� 1 �� * �� ��
� A &� 4 h� �� : �� * �� 0 � , Q� ~� < �� ? �� / � 1 L� 0 ~� 7 �� $ �� � +� A K� $ �� 9 �� �� > � F� 7 ]� & �� A �� �� � .� @ O� 2 �� ? �� � D � + d� �� / �� �� ? �� , ;� h� �� + �� �� �� ! �� ) !� K� , a� �� �� ; �� > � . K� / z� �� : �� ? �� J ;� 7 �� 2 �� ! �� � : 1� l� 3 �� . �� �� � Y *� ( �� . �� 2 �� � * /� Z� - z� ' �� �� 5 �� E #� - i� ) �� * �� �� � 1 "� " T� / w� �� A �� 8 � G >� # �� �� �� 9 �� � ,� ) B� - l� - �� �� ) �� ' � . 7� f� , |� �� $ �� 3 �� ; � N [� = �� # �� � *� C� 1 S� " �� 8 �� �� \ �� > [� 0 �� P �� * � $ G� : l� 1 �� e �� , ?� l� ( �� 9 �� 6 �� * #� # N� * r� $ �� �� $ �� G � & J� ) q� $ �� 7 �� * �� ( #� - L� ) z� ; �� �� % �� : "� ]� / l� �� �� �� �� " �� $ � , :� ' g� 3 �� �� , �� � $ %� 7 J� ! �� " �� ! �� @ �� 5 *� 3 `� �� * �� �� ) �� % � 8 C� |� 0 �� . �� �� ) � " :� : ]� �� 3 �� �� " �� $ � 8� N� X f� $ �� # �� 3 � ) <� f� h� w� E �� P �� I � E d� B �� 1 �� - � % M� / s� E �� �� $ � " +� * N� 0 y� I �� �� 0 � C� Z�
f� - q� �� �� # �� Q �� Q 6� _ �� 3 �� 4 � 7 Q� 7 �� �� I �� 1 %� ' W� / � � �� J G� U �� " �� ] � C i� �� " � � T � : \� = �� $ � + �� &� G� ( d� A �� � � 6 � # @� ( d� # �� �� 9 � � ' -� , U� 7 �� ' �� ' � ]
� 0 h� �� * �� B � � . :� i� * �� 0 �� . � = � ? O� # �� H �� 1 �� " .� [ Q� ) �� * � ' � 5 *� ? `� . �� D � L � S a� 7 �� 0 � ? < ^ ; � 2 � 2
7 = = u 2 � B � L ) , v 4 � " � B � I > ; � = � I & L ! s ; � G � H # b K � 0 � + 1 / / a 5 � F � C , x p 6 � F 6 g C � O � 2 J N , � ) � J � ) ;
+ e
/ �
$ �
) �
+ ; < 2 x � C � k N s Q � +
@
9 a
�
�
< �
6 2 C E v � , � [
X f � � * k � : � ' � $ R + < ~ 1 � Z � 4 H 2 } 2 � � , , F s � % � $ � % � 6 7 U 7 � # � 1 � 6 6 R # � % � � � ( E c ( � � 3 � � ) / Y v � . � � � � . N n � � � ( � ( F 3 b � � . � B � ' 3 [ x " � # � � ; � * F [ p � � � 0 � 5 < U : � G � ] 9 s L � 6 � @ 1 r / � 1 � 3 � B ' [ j A � j % + � a � D ! 3 c! Q �! F �! % 0" V" o" A �" - �" @ # ) A# k# �# �# > �# J �# J I$ Q �$ # �$ 0
% N ;% 2 �% C �% R & % T& 9 z& A �& @ �& 4 7' ! l' H �' $ �' # �' b ( . �( ! �( D �( F ) / `) : �) : �) * #* 7 >* : v* C �* �* ! + 7+ 5 W+ . �+ ( �+ 5 �+ , < ;, $ x, $ �, �, �, 1 �, .- K- g- 5 �- 4 �- / �- #. >. $ Y. ~. @ �. �. B �. A 1/ s/ �/ �/ �/ - �/ * �/ * *0 U0 & m0 ' �0 B �0 �0 1 " 41 % W1 - }1 " �1 ' �1 �1 , 2 ) D2 3 n2 �2 �2 �2 �2 . 3 33 3 E3 y3 �3 �3 0 �3 P �3 M4 H c4 H �4 < �4 9 25 ) l5 < �5 B �5 H 6 E _6 H �6 8 �6 b '7 D �7 G �7 Q 8 3 i8 P �8 �8 & 9 2 29 Q e9 ) �9 O �9 d 1: ' �: ( �: �: , ; # 0; ! T; # v; �; 9 �; 9 �; Y )< 4 �< h �< & != 7 H= E �= D �= 1 > C => ( �> I �> / �> / $? 0 T? �? ' �? % �? S �? E@ a@ ! }@ : �@ 1 �@ 2 A a ?A + �A . �A 5 �A . 2B @ aB E �B D �B -C ? HC �C �C > �C ! �C # D / AD C qD E �D 1 �D P -E L ~E $ �E / �E Z F o {F 3 �F 6 G 9 VG O �G N �G * /H % ZH - �H : �H B �H $ ,I C QI E �I ) �I " J 8 (J . aJ N �J ( �J L K @ UK 9 �K �K �K /
L 3 =L & qL M �L Q �L S 8M I �M Q �M G (N I pN E �N M O NO _O F ~O �O . �O ! P - 5P _ cP ' �P �P Q Q !Q sQ �Q + �Q _ �Q A :R j |R �R . S ) 5S ^ _S M �S $ T # 1T UT 4 vT �T H �T > U H PU 7 �U �U �U V V .V ) KV ' uV , �V $ �V + �V 1 W MW nW �W �W % � ] � � � � s i � 3 � F < w � � \ : ' � c � A � � � | � � � � � v � o � h �
� ' � a = & � x b q � � � Z � � I � � � d 6 x � Y � - m � � N Q g 9 G � . � � � � � B � � D K B � , F o � � } � � ~ b b o � E � ? � � 7 ( � � � @ � � V k � � D � � � * 2 � � * S � 5 � � � � 9 z � W � y � & 6 d
= � 4 8 � � � � � j � / 8 � � � ; � � ! � W c � � � ^ � � M 5 � � � � � � � } { � " � , � � e � � � � � � � � � Y � � � � � � $ � � � � h n � � � � H � � � e j � 2 � � � � � � � � � < E � � n � � � � f � � T 0 d Y \ 1 � � ; � � � � ;
� � 4 � � � 9 � � / h � � k � C m k �
L � J � � � � � 0 g � = L y � P � # ) z � , � � f � � � x y 2 � � ^ � � � U � � v � \ � � � � � � � � u � � . X � O 4 j � � � � # C � � % � � r � � � � M ` i L � � K � � � U � � � S � p � � � [ < � | � / R � � * � J � � � � � ` r � � @ � B : � > } � 7 � u � � � t O � > 8 � p � $ � R � � � � " I V � � � + l � Q � Z + � A � ( W ] ' � � � : + S e � _ � � � � � � � ( Z t � � ! E � G � � � - � J ~ v T P & � � � � � a � % � � D � I 1 � � � ~ # @ � � O { r ! z q q � � � . � � � � � � � � C � � � � i � H �
� � � � � � u � U V T g M � � � � � � � H 5 � � � � � � 6 � � � � N c � � t �
)
3 � � w � � � G � � � � 3 $ � _ 0 � � � � � � a � �
� � N P � � - � � � � Q � l � � � � s � f m � � | � { � _ � � � � � � � l s X 7 K 1 � [ X ` ^ n ] � � � [ � F A " R � � ) w ? p > � ? � %d factor is too many for %d variables %d factors are too many for %d variables %d missing value deleted %d missing values deleted %d observation deleted due to missingness %d observations deleted due to missingness %d observation with NA, NaN or Inf deleted %d observations with NAs, NaNs and/or Infs deleted %s applies only to two-way tables %s link not recognised %s must be 0 or 1 %s needs package 'Matrix' correctly installed '%s' cannot be of mode '%s' '%s' must be numeric in [0, 1] 'A' must be an array or table 'ColSideColors' must be a character vector of length ncol(x) 'P.values' is TRUE, but 'has.Pvalue' is not 'RowSideColors' must be a character vector of length nrow(x) 'T' must be nonnegative 'V' is not a square numeric matrix 'X' is not a dendrogram 'X' matrix has %d case (row) 'X' matrix has %d cases (rows) 'X' matrix was collinear 'Y' has %d case (row) 'Y' has %d cases (rows) 'acf' must be of length two or more 'all.knots' is TRUE; 'nknots' specification is disregarded 'all.knots' is vector of knots; 'nknots' specification is disregarded 'alpha', 'beta' and 'gamma' must be within the unit interval 'anova' is only defined for sequences of "nls" objects 'anova' object must have colnames 'approx' requires n >= 1 'ar' part of model is not stationary 'bw' is not positive. 'by' must be a list 'centers' must be a number or a matrix 'circular' must be logical and not NA 'coef' does not have the correct length 'coef' must be a vector 'coef' must define a contrast, i.e., sum to 0 'coef' must have same length as 'contrast.obj' 'col.vars' missing or incorrect 'conf.level' must be a single number between 0 and 1 'contrasts.arg' argument must be named 'control' argument must be a named list 'covmat' is not a valid covariance list 'covmat' is of unknown type 'cterms' argument must match terms in model object 'cutpoints' must be unique in 0 < cuts < 1, but are = 'cutpoints' must be unique, but are = 'cv' must not be NA when 'df' is specified 'data' must be a data.frame, environment, or list 'data' must be a data.frame, not a matrix or an array 'data' must be a list or an environment 'degree' must be 0, 1 or 2 'degree' must be at least 1 'degree' must be less than number of unique points 'deriv' must be between 0 and 3 'end' must be a whole number of cycles after 'start' 'end' value not changed 'family' argument seems not to be a valid family object 'family' not recognized 'file' must be a character string or connection 'filter' is longer than time series 'formula' has '.' in both left and right hand sides 'formula' missing 'formula' missing or incorrect 'formula' missing or invalid 'formula' must have both left and right hand sides 'formula' should be of the form response ~ group 'frequency' and 'deltat' are both not NULL and are inconsistent 'frequency' not changed 'height' must be at least %g, the maximal height of its components 'hybrid' is ignored for a 2 x 2 table 'id.n' must be in {1,..,%d} 'idvar' must uniquely identify records 'init' is of the wrong length 'init' must have %d column 'init' must have 1 or %d columns 'interval' must be a vector of length 2 'iter.max' must be positive 'k' and 'h' must be a scalar 'k' is bigger than 'n'! Changing 'k' to %d 'k' is not a kernel 'k' is not an integer 'k' must be in {1, 2, .. n - 1} 'k' must be odd! Changing 'k' to %d 'k' must be positive 'kernapply' is not available for object 'x' 'lag.max' must be at least 0 'lag.max' must be at least 1 'lengths(varying)' must all match 'length(times)' 'logLik.lm' does not support multiple responses 'low' and 'high' cannot be both TRUE 'lower' and 'upper' must be finite values 'm' is less than 1 'm' must be numeric with non-negative integers 'main' must be TRUE, FALSE, NULL or character (vector). 'margin' must contain names or numbers corresponding to 'table' 'margins' must be a numeric vector of length 2 'mlm' objects with weights are not supported 'model$order' must be of length 3 'model' must be list 'model.tables' is not implemented for multiple responses 'mu' must be a single number 'mult' must be integer >= 2, typically = 30 'n' must be a positive integer >= 'x' 'n' must be strictly positive 'n.ahead' must be at least 1 'newdata' does not have named columns matching one or more of the original columns 'newdata' does not have the correct number of columns 'newdata' had %d row 'newdata' had %d rows 'newdata' must be a matrix or data frame 'nknots' must be at least 1 'nknots' must be numeric (in {1,..,n}) 'nterms' is missing with no default 'object' does not include an error 'qr' component 'object' has no 'effects' component 'offset' must be numeric 'or' must be a single number between 0 and Inf 'order' must be a non-negative numeric vector of length 3 'order.dendrogram' requires a dendrogram 'order.max' must be < 'n.obs' 'order.max' must be < 'n.used' 'order.max' must be >= 0 'order.max' must be >= 1 'p' must be a single number between 0 and 1 'p' must be between 0 and 0.5 'p' must have the same length as 'x' and 'n' 'params' has wrong length 'plot.stepfun' called with wrong type of argument 'x' 'ppr' applies only to numerical variables 'princomp' can only be used with more units than variables 'print.level' must be in {0,1,2} 'prob' and 'mu' both specified 'probs' outside [0,1] 'proj' is not implemented for multiple responses 'r' is less than 0 'r' is less than 1 'r' must be a single positive number 'ratio' must be a single positive number 'ref' must be an existing level 'ref' must be of length one 'relevel' only for (unordered) factors 'relevel' only for unordered factors 'reorder.dendrogram' requires a dendrogram 'row.var.names' missing 'sampleT' and 'nser' must be integer 'scale' is outside [0, 1] 'scores' argument is of the wrong length 'scores' must all be different numbers 'se.fit' not yet implemented for multivariate models 'seasonal$order' must be a non-negative numeric vector of length 3 'seasonal' must be a list with component 'order' 'span' must be between 0 and 1. 'spar' must be of length 1 'spline' requires n >= 1 'start' > 'end' 'start' and 'table' must be same length 'start' cannot be after 'end' 'start' must have %d row 'start' must have %d rows 'start' value not changed 'start.innov' is too short: need %d point 'start.innov' is too short: need %d points 'termlabels' must be a character vector of length at least one 'termobj' must be a object of class %s 'ties' is not "ordered", a function, or list(<string>, <function>) 'tol' must be strictly positive and finite 'trace != 0' needs 'REPORT >= 1' 'ts' object must have one or more observations 'type' must be 1 or 3 for ordered factors 'variance' "%s" is invalid: possible values are "mu(1-mu)", "mu", "mu^2", "mu^3" and "constant" 'varying' arguments must be the same length 'varying' has wrong length 'varying' must be in seq_along(pars) 'varying' must be logical, integer or character 'varying' must be nonempty list or vector 'weights' as formula should be one-sided 'weights' must all be finite 'weights' must be a numeric vector 'weights' must not be negative 'which' must be in 1:6 'which' specified no factors 'which' specified some non-factors which will be dropped 'x' and 'T' have incompatible length 'x' and 'g' must have the same length 'x' and 'n' must have the same length 'x' and 'p' must have the same number of elements 'x' and 'w' must have the same length 'x' and 'weights' have unequal length 'x' and 'y' must have at least 2 levels 'x' and 'y' must have the same length 'x' and 'y' must have the same number of levels (minimum 2) 'x' contains missing values 'x' has been rounded to integer: %s 'x' has entries too large to be integer 'x' has rank 0 'x' is a list, so ignoring argument 'g' 'x' is empty 'x' is not a kernel 'x' is not a vector 'x' is not a vector or matrix 'x' is shorter than kernel 'k' 'x' must at least have 2 elements 'x' must be *strictly* increasing (non - NA) 'x' must be a 3-dimensional array 'x' must be a list with at least 2 elements 'x' must be a matrix 'x' must be a matrix or a data frame 'x' must be a numeric matrix 'x' must be a numeric vector 'x' must be a time series or an ar() fit 'x' must be an "ftable" object 'x' must be between %s and %s 'x' must be between -1 and 1 'x' must be between 0 and 1 for periodic smooth 'x' must be coefficient matrix/data frame 'x' must be finite, nonnegative, and integer 'x' must be non-negative 'x' must be nonnegative and integer 'x' must be numeric 'x' must be square with at least two rows and columns 'x' must contain finite values only 'x' must have 1 or more non-missing values 'x' must have 2 columns 'x' must have at least 2 rows and 2 columns 'x' must have at least 2 rows and columns 'x' must have length >= 1 'x', 'y', and 'z' must have the same length 'xi' does not have the right length 'xreg' and 'newxreg' have different numbers of columns 'xreg' is collinear 'xy.labels' must be logical or character 'y' has rank 0 'y' is missing for paired test 'y' must be a numeric vector 'y' must be increasing or decreasing 'y' must be numeric 'y' must be numeric or a function or a string naming a valid function 'y' must be numeric vector 'y' must be one longer than 'x' 'y', 'groups' and 'blocks' must have the same length (unordered) factors are not allowed , 0 (non-NA) cases 0s in V(mu) AIC is -infinity for this model, so 'step' cannot proceed AIC is not defined for this model, so 'step' cannot proceed ANOVA F-tests on an essentially perfect fit are unreliable Assuming constant prediction variance even though model fit is weighted Barrier algorithm ran out of iterations and did not converge Cannot compute exact p-value with ties Chi-squared approximation may be incorrect Colv = "Rowv" but nrow(x) != ncol(x) Consider providing an as.hclust.%s() method Design is unbalanced - use se.contrast() for se's Error() model is singular F test assumes 'quasi%s' family F test assumes quasi%s family MA part of model is not invertible MLE only implemented for univariate series NA lev[]; probably smoothing parameter 'spar' way too large! NA values not allowed in 'd' NA's are not allowed in 'groups' or 'blocks' NAs are not allowed NAs in '%s' NAs in 'x' NAs in 'x' must be the same row-wise NAs in V(mu) NAs in d(mu)/d(eta) NAs present: setting 'delta' to -1 No p1 in [0, p2] can be found to achieve the desired power No p2 in [p1, 1] can be found to achieve the desired power No significance level [0, 1] can be found to achieve the desired power Numeric 'all.knots' must be strictly increasing Objective function decreased at outer iteration %d Objective function increased at outer iteration %d PCA applies only to numerical variables Page [%d,%d]: i =%s; j =%s Quick-TRANSfer stage steps exceeded maximum (= %d) Refitting model to allow projection Requested conf.level not achievable SEs for type '%s' are not yet implemented Standard error information not returned as design is unbalanced.
Standard errors can be obtained through 'se.contrast'. The "ward" method has been renamed to "ward.D"; note new "ward.D2" Unparseable 'response' "%s"; use is deprecated. Use as.name(.) or `..`! X does not define a subspace of M X matrix has rank %d, but only %d observation X matrix has rank %d, but only %d observations _NOT_ converged in %d iteration _NOT_ converged in %d iterations a limit is NA or NaN a two-sided formula is required all 'x' values are identical all 'x' values must be non-negative to fit the Weibull growth model all elements of 'which' must be between 1 and %d all entries of 'x' must be nonnegative and finite all groups must contain data all observations are in the same group all parameters were fixed all times contain an NA all weights should be non-negative alternative must be "two.sided", "less" or "greater" ambiguous clustering method ambiguous distance method anova is only defined for sequences of "nls" objects argument 'na.action' will be ignored argument 'object' has an impossible length argument 'sides' must be 1 or 2 argument 'subset' will be ignored argument 'x' cannot be coerced to class %s argument 'x' must be numeric argument does not include a 'qr' component argument does not include an 'effects' component arguments 'r' and 'c' must have the same sums arguments must have same length arguments must have the same length assuming prediction variance inversely proportional to weights used for fitting at least one entry of 'x' must be positive attempt to smooth NA values attempt to smooth non-numeric values attempting model selection on an essentially perfect fit is nonsense bad value for 'end' bad value for 'lag' or 'differences' bad value for 'start' bandwidth 'k' must be >= 1 and odd! baseline group number out of range biplots are not defined for complex PCA both 'span' and 'enp.target' specified: 'span' will be used both 'x' and 'covmat' were supplied: 'x' will be ignored both 'x' and 'y' must be non-empty bounds can only be used with method L-BFGS-B (or Brent) burn-in 'n.start' must be as long as 'ar + ma' but %d variable but %d variables but variable found had %d row but variables found have %d rows calling anova.lm(<fake-lm-object>) ... calling predict.lm(<fake-lm-object>) ... calling summary.lm(<fake-lm-object>) ... can use ci.type="ma" only if first lag is 0 cannot calculate REML log-likelihood for "nls" objects cannot change frequency from %g to %g cannot compute asymptotic confidence set or estimator cannot compute confidence interval when all observations are tied cannot compute confidence interval when all observations are zero or tied cannot compute confidence set, returning NA cannot compute estimate, returning NA cannot compute exact confidence interval with ties cannot compute exact confidence interval with zeroes cannot compute exact confidence intervals with ties cannot compute exact p-value with ties cannot compute exact p-value with zeroes cannot compute simulated p-value with zero marginals cannot create a formula from a zero-column data frame cannot find valid starting values: please specify some cannot fit an asymptotic regression model to these data cannot fit models without level ('alpha' must not be 0 or FALSE) cannot handle 'pairwise.complete.obs' cannot plot more than 10 series as "multiple" cannot recognize parameter name cannot rescale a constant/zero column to unit variance cannot simulate from non-integer prior.weights cannot use 'cor = TRUE' with a constant variable cannot use dots in formula with given data cannot use more inner knots than unique 'x' values coefficients do not add to 1 collapsing to unique 'x' values column dendrogram ordering gave index of wrong length columns of 'contrast.obj' must define a contrast (sum to zero) columns of 'contrast.obj' must define a contrast(sum to zero) contrasts apply only to factors contrasts can be applied only to factors with 2 or more levels contrasts not defined for %d degrees of freedom convergence problem in zero finding: converting non-invertible initial MA values covariance matrix is not non-negative definite coverage probability out of range [0,1) cross-validation with non-unique 'x' values seems doubtful data are essentially constant data must be non-zero for multiplicative Holt-Winters dendrogram entries must be 1,2,..,%d (in any order), to be coercible to "hclust" dendrogram node with non-positive #{branches} dendrogram non-leaf node with non-positive #{branches} design is unbalanced so cannot proceed did not converge in %d iteration did not converge in %d iterations did not succeed extending the interval endpoints for f(lower) * f(upper) <= 0 dimension 0 in 'x' or 'y' distances must be result of 'dist' or a square matrix each dimension in table must be >= 2 each element of '%s' must be logical eff.aovlist: non-orthogonal contrasts would give an incorrect answer eig=TRUE is disregarded when list.=FALSE either 'k' or 'h' must be specified elements of 'k' must be between 1 and %d elements of 'n' must be positive elements of 'p' must be in (0,1) elements of 'x' must be nonnegative elements of 'x' must not be greater than those of 'n' empty cluster: try a better set of initial centers empty model supplied essentially perfect fit: summary may be unreliable exactly one of 'groups', 'n', 'between.var', 'within.var', 'power', and 'sig.level' must be NULL exactly one of 'n', 'delta', 'sd', 'power', and 'sig.level' must be NULL exactly one of 'n', 'p1', 'p2', 'power', and 'sig.level' must be NULL extending time series when replacing values extra arguments discarded f() values at end points not of opposite sign f.lower = f(lower) is NA f.upper = f(upper) is NA factor %s has new level %s factor %s has new levels %s factor analysis applies only to numerical variables factor analysis requires at least three variables failed to guess time-varying variables from their names family '%s' not implemented first argument must be a "loess" object fitting parameter %s without any variables fitting parameters %s without any variables fitting to calculate the null deviance did not converge -- increase 'maxit'? for the '%s' family, y must be a vector of 0 and 1's
or a 2 column matrix where col 1 is no. successes and col 2 is no. failures formula '%s' must be of the form '~expr' formula missing frequency must be a positive integer >= 2 for BSM glm.fit: algorithm did not converge glm.fit: algorithm stopped at boundary value glm.fit: fitted probabilities numerically 0 or 1 occurred glm.fit: fitted rates numerically 0 occurred grouping factor must have exactly 2 levels hat values (leverages) are all = %s
and there are no factor predictors; no plot no. 5 if 'x' is not a matrix, 'y' must be given if 'x' is not an array, 'y' must be given if 'x' is not an array, 'z' must be given ignoring prior weights incompatible dimensions inconsistent specification of 'ar' order inconsistent specification of 'ma' order incorrect dimensions for 'xi' incorrect length of 'x' incorrect specification for 'col.vars' incorrect specification for 'formula' incorrect specification for 'row.vars' incorrect variable names in lhs of formula incorrect variable names in rhs of formula increasing bw.SJ() search interval (%d) to [%.4g,%.4g] initial centers are not distinct initial value is not in the interior of the feasible region inner loop 1; cannot correct step size inner loop 2; cannot correct step size interactions are not allowed invalid 'attr(rhs, "gradient")' invalid 'SSinit' invalid 'abbr.colnames' invalid 'control' argument invalid 'control.spar' invalid 'data' argument invalid 'endrule' argument invalid 'extendInt'; please report invalid 'keep.stuff' invalid 'lm' object: no 'terms' component invalid 'method' argument invalid 'nb' invalid 'tree' ('merge' component) invalid 'use' argument invalid 'x' invalid 'y' invalid (length 0) node in dendrogram invalid NCOL(X) invalid NROW(X) invalid argument 'c' invalid argument 'cell' invalid argument 'degree' invalid argument 'lambda' invalid argument 'n' invalid argument 'omit' invalid argument 'r' invalid argument 'span' invalid argument to 'getProfile' invalid clustering method invalid dissimilarities invalid distance method invalid fitted means in empty model invalid formula invalid formula %s invalid formula %s: assignment is deprecated invalid formula %s: extraneous call to `%s` is deprecated invalid formula %s: not a call invalid formula in deriv invalid formula: %s invalid interpolation method invalid length of members invalid length(x) invalid linear predictor values in empty model invalid model QR matrix invalid ncol(x) invalid nrow(x) invalid number of points invalid parameter values invalid response type invalid value of %s iterTrace = %d is not obeyed since iterations = %d k must be between 2 and %d length mismatch in convolution length of 'center' must equal the number of columns in 'x' length of 'init' must equal length of 'filter' length of 'p' must be 1 or equal the number of columns of 'x' length of 'start' should equal %d and correspond to initial coefs for %s length of 'v.names' does not evenly divide length of 'varying' length of 'varying' must be the product of length of 'v.names' and length of 'times' length of 'wt' must equal the number of rows in 'x' length of FUN, %d,
does not match the length of the margins, %d length of choices must be 2 lengths of 'x' and 'w' must match lengths of 'x' and 'xreg' do not match levels truncated to positive values only link "%s" not available for %s family; available links are %s lm object does not have a proper 'qr' component.
Rank zero or should not have used lm(.., qr=FALSE). logical 'hessian' argument not allowed. See documentation. lower < upper is not fulfilled lower scope has term %s not included in model lower scope has terms %s not included in model maximum number of iterations must be > 0 medpolish() did not converge in %d iteration medpolish() did not converge in %d iterations method = "Brent" is only available for one-dimensional optimization method = '%s' is not supported. Using 'qr' method L-BFGS-B uses 'factr' (and 'pgtol') instead of 'reltol' and 'abstol' midcache() of non-binary dendrograms only partly implemented minimum occurred at one end of the range mismatched 'x' and 'y' missing observations deleted missing or infinite values in inputs are not allowed missing or negative weights not allowed missing values and NaN's not allowed if 'na.rm' is FALSE missing values are not allowed in 'poly' missing values in 'filter' missing values in object missing values not allowed model frame and formula mismatch in model.matrix() models are not all fitted to the same number of observations models were not all fitted to the same size of dataset models with response %s removed because response differs from model 1 more cluster centers than data points more cluster centers than distinct data points. multivariate case with missing coefficients is not yet implemented must have 2 'symbols' for logical 'x' argument must have at least 4 observations to fit an 'SSfol' model must have length of response = length of second argument to 'SSfol' must have n >= 2 objects to cluster must have same number of columns in 'x' and 'centers' must not specify both 'spar' and 'lambda' must specify 'spans' or a valid kernel must supply one or more vectors na.action must be a function names(hybridPars) should be NULL or be identical to the default's need 2 or more non-zero column marginals need 2 or more non-zero row marginals need CRAN package 'SuppDists' for simulation from the 'inverse.gaussian' family need an object with call component need at least 2 data points need at least 2 periods to compute seasonal start values need at least 2 points to select a bandwidth automatically need at least four unique 'x' values need at least two non-NA values to interpolate need dendrograms where all leaves have labels need multiple responses need numeric data need result of smooth.spline(keep.data = TRUE) negative values not allowed for the 'Poisson' family negative values not allowed for the 'quasiPoisson' family negative weights not allowed neither 'x' nor 'covmat' supplied no "nobs" attribute is available no 'add1' method implemented for "mlm" models no 'as.stepfun' method available for 'x' no 'drop1' method for "mlm" models no 'getInitial' method found for "%s" objects no 'nobs' method is available no 'reshapeWide' attribute, must specify 'varying' no degrees of freedom for residuals no factors in the fitted model no finite observations no models to compare no observations informative at iteration %d no parameters to fit no replacement values supplied no rows to aggregate no scores are available: refit with 'retx=TRUE' no sign change found in %d iterations no solution in the specified range of bandwidths no starting values specified no starting values supplied no terms component nor attribute no terms in scope no terms in scope for adding to object no time series supplied no valid set of coefficients has been found: please supply starting values non-NA residual length does not match cases used in fitting non-factors ignored: %s non-finite 'bw' non-finite 'from' non-finite 'to' non-finite coefficients at iteration %d non-integer #successes in a %s glm! non-integer counts in a %s glm! non-intersecting series non-leaf subtree of length 0 non-list contrasts argument ignored non-positive values not allowed for the 'Gamma' family non-square matrix non-stationary AR part non-stationary AR part from CSS non-stationary seasonal AR part non-stationary seasonal AR part from CSS non-time series not of the correct length not a valid "smooth.spline" object not a valid step function not all series have the same frequency not all series have the same phase not an unreplicated complete block design not enough 'x' data not enough 'x' observations not enough 'y' data not enough 'y' observations not enough (non-missing) 'x' observations not enough data not enough degrees of freedom to define contrasts not enough finite observations not enough groups not enough observations not plotting observations with leverage one:
%s not using invalid df; must have 1 < df <= n := #{unique x} = nothing to tabulate number of 'cutpoints' must be one less than number of symbols number of 'cutpoints' must be one more than number of symbols number of cluster centres must lie between 1 and nrow(x) number of differences must be a positive integer number of groups must be at least 2 number of observations in 'x' and 'y' must match. number of observations in each group must be at least 2 number of offsets is %d should equal %d (number of observations) number of offsets is %d, should equal %d (number of observations) number of rows in use has changed: remove missing values? number of series in 'object' and 'newdata' do not match number of values supplied is not a sub-multiple of the number of values to be replaced number of weights = %d should equal %d (number of responses) number of weights must match number of observations. numeric 'all.knots' must cover [0,1] (= the transformed data-range) numeric contrasts or contrast name expected numeric y must be supplied.
For density estimation use density() object '%s' has no scores object must be of class %s or %s object not interpretable as a factor observations with 0 weight not used in calculating standard deviation observations with 0 weights not used observations with zero weight not used for calculating dispersion one-dimensional optimization by Nelder-Mead is unreliable:
use "Brent" or optimize() directly only %d case only %d cases only %d of the first %d eigenvalues are > 0 only 1-4 predictors are allowed only implemented for univariate time series only replacement of elements is allowed only univariate series are allowed optimization difficulties: %s optimization failure option "show.coef.Pvalues" is invalid: assuming TRUE option "show.signif.stars" is invalid: assuming TRUE orthogonal polynomials cannot be represented accurately enough for %d degrees of freedom p-value will be approximate in the presence of ties parameter %s does not occur in the model formula parameters %s do not occur in the model formula parameters without starting value in 'data': %s pooling of SD is incompatible with paired tests positive values only are allowed for the 'inverse.gaussian' family possible convergence problem: 'optim' gave code = %d and message %s possible convergence problem: optim gave code = %d predictions on current data refer to _future_ responses predictors must all be numeric probabilities must be finite, non-negative and not all 0 probabilities must be non-negative. probabilities must sum to 1. read the documentation for 'trace' more carefully ref = %d must be in 1L:%d requested conf.level not achievable requested scores without an 'x' matrix residual degrees of freedom in object suggest this is not an "lm" fit residuals have rank %d < %d residuals have rank %s < %s response not allowed in formula row dendrogram ordering gave index of wrong length sample size in each stratum must be > 1 sample size must be between 3 and 5000 samples differ in location: cannot compute confidence set, returning NA scatter plots only for univariate time series scope is not a subset of term labels seasonal MA part of model is not invertible series is corrupt, with no 'tsp' attribute series is corrupt: length %d with 'tsp' implying %d series is not periodic or has less than two periods setVarying : 'vary' length must match length of parameters setting df = 1 __use with care!__ simulate() is not yet implemented for multivariate lm() singular contrast matrix singular fit encountered singular gradient matrix at initial parameter estimates singularities in regression size != sum(x), i.e. one is wrong size cannot be NA nor exceed 65536 some AR parameters were fixed: setting transform.pars = FALSE some ARMA parameters were fixed: setting transform.pars = FALSE some constant variables (%s) are really varying some elements of 'x' are not numeric and will be coerced to numeric some terms will have NAs due to the limits of the method some weights should be positive specified parametric for all predictors specified the square of a factor predictor to be dropped when degree = 1 specified the square of a predictor to be dropped with only one numeric predictor specify 'rate' or 'scale' but not both specify exactly one of 'k' and 'h' specify exactly one of 'which' and 'x' spline: first and last y values differ - using y[1L] for both spline: first and last y values differ - using y[1] for both step size truncated due to divergence step size truncated: out of bounds stepfun: 'x' must be ordered increasingly sum(weights) != 1 -- will not get true density supply both 'x' and 'y' or a matrix-like 'x' table 'x' should have 2 entries the 'height' component of 'tree' is not sorted (increasingly) the 'se.fit' argument is not yet implemented for "mlm" objects the 'split' argument must be a list the case k > 2 is unimplemented the contrast defined is empty (has no TRUE elements) the first value of the time series must not be missing the following arguments to 'anova.glm' are invalid and dropped: the series is entirely NA there are %d Error terms: only 1 is allowed there are %d Error terms: only 1 is allowed there are records with missing times, which will be dropped. there must be at least 2 observations in each group this fit does not inherit from "lm" time series contains internal NAs time series has no or less than 2 periods times to be replaced do not match too few cases i with h_ii > 0), n < k too few distinct input values to fit a Michaelis-Menten model too few distinct input values to fit a biexponential too few distinct input values to fit a four-parameter logistic too few distinct input values to fit a logistic model too few distinct input values to fit an asymptotic regression model too few distinct input values to fit the 'asympOff' model too few distinct input values to fit the 'asympOrig' model too few distinct input values to fit the Gompertz model too few distinct input values to fit the Weibull growth model too few groups too few non-missing observations too few observations to fit an asymptotic regression model too many replacement values supplied transformed ARMA parameters were fixed type '%s' is not implemented yet type = "partial" is not yet implemented unable to optimize from this starting value unable to optimize from these starting values unequal number of rows in 'cancor' univariate time series only unknown bandwidth rule unknown name %s in the 'split' list unknown names %s in the 'split' list unknown named kernel unknown names in control: unknown string value for s.window unrecognized control element named %s ignored unrecognized control elements named %s ignored upper and lower bounds ignored unless algorithm = "port" upper scope has term %s not included in model upper scope has terms %s not included in model use only with "lm" objects using F test with a '%s' family is inappropriate using F test with a fixed dispersion is inappropriate using the %d/%d row from a combined fit using the %d/%d rows from a combined fit using type = "numeric" with a factor response will be ignored using weights as inverse variances using weights as shape parameters value of 'epsilon' must be > 0 variable '%s' is absent, its contrast will be ignored variable '%s' is not a factor variable '%s' was fitted with type "%s" but type "%s" was supplied variables %s were specified with different types from the fit weights are not supported in a multistratum aov() fit weights must be non-negative and not all zero wrong embedding dimension wrong k / cs.ind wrong length for 'fixed' wrong method wrong number of columns in 'x' wrong number of columns in new data: wrong number of contrast matrix rows x is not a vector or univariate time series x$lag must have at least 1 column x.ret=TRUE is disregarded when list.=FALSE x[] and prob[] must be equal length vectors. y is empty or has only NAs y values must be 0 <= y <= 1 zero non-NA points zero-variance series Project-Id-Version: R-4.2.0
Report-Msgid-Bugs-To: bugs.r-project.org
PO-Revision-Date: 2024-03-19 12:53+0000
Last-Translator: Michael Chirico <[email protected]>
Language-Team: R Core <[email protected]>
Language: de
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
Plural-Forms: nplurals=2; plural=n != 1;
X-Generator: Weblate 4.16.4
%d Faktor ist zu viel für %d Variablen %d Faktoren sind zu viel für %d Variablen %d fehlender Wert gelöscht %d fehlende Werte gelöscht %d Beobachtung als fehlend gelöscht %d Beobachtungen als fehlend gelöscht %d Beobachtung mit NAs, NANs und/oder Infs gelöscht %d Beobachtungen mit NAs, NANs und/oder Infs gelöscht %s ist nur für zweifache Tabellen anwendbar Link %s nicht erkannt %s muss 0 oder 1 sein %s benötigt das korrekt installierte Paket 'Matrix' '%s' kann nicht von Modus '%s' sein '%s' muss numerisch aus [0, 1] sein 'A' muss ein Array oder eine Tabelle sein 'ColSideColors' muss ein Zeichenkettenvektor der Länge ncol(x) sein 'P.values' ist TRUE, aber 'has.Pvalue' nicht 'RowSideColors' muss ein Zeichenkettenvektor der Länge nrow(x) sein 'T' muss nicht-negativ sein 'V' ist keine quadratische, numerische Matrix 'X' ist kein Dendrogramm Matrix 'X' hat %d Beobachtung (Zeile) Matrix 'X' hat %d Beobachtungen (Zeilen) Matrix 'X' war kollinear 'Y' hat %d Beobachtung (Zeile) 'Y' hat %d Beobachtungen (Zeilen) 'acf' muss Länge zwei oder mehr haben 'all.knots' ist TRUE; 'nknots' Angabe wird nicht beachtet 'all.knots' ist ein Vektor von Knoten; 'nknots' Angabe wird nicht beachtet 'alpha', 'beta' und 'gamma' müssen im Einheitsintervall liegen 'anova' ist nur für Folgen von "nls" Objekten definiert 'anova' Objekt muss Spaltennamen haben 'approx' verlangt n >= 1 'ar' Teil des Modells ist nicht stationär 'bw' nicht positiv 'by' muss eine Liste sein 'centers' müssen eine Zahl oder eine Matrix sein 'circular' muss boolesch und nicht NA sein 'coef' hat falsche Länge 'coef' muss ein Vektor sein 'coef' muss einen Kontrast definieren, also insbsondere Summe = 0 'coef' muss dieselbe Länge wie 'contrast.obj' haben 'col.vars' fehlt oder falsch 'conf.level' muss eine einzelne Zahl zwischen 0 und 1 sein 'contrasts.arg' Argument muss benannt sein 'control' Argument muss eine benannte Liste sein 'covmat' ist keine zulässige Kovarianzliste 'covmat' ist von unbekanntem Typ 'cterms' Argument muss zu den Termen im Modell-Objekt passen 'cutpoints' müssen in 0 < cuts < 1 eindeutig sein, aber sind = 'cutpoints' müssen eindeutig sein, aber sind = 'cv' darf nicht NA sein, wenn 'df' angegeben wird 'data' muss data.frame, Umgebung oder Liste sein 'data' muss ein Dataframe sein, weder Matrix noch Array 'data' muss Liste oder Umgebung sein 'degree' muss 0, 1 oder 2 sein 'degree' muss mindestens 1 sein 'degree' muss kleiner sein, als die Zahl der verschiedenen Punkte 'deriv' muss zwischen 0 und 3 liegen 'end' muss eine ganze Zahl von Zyklen hinter 'start' sein 'end' Wert nicht geändert 'family' Argument scheint kein zulässiges Familienobjekt sein 'family' nicht erkannt 'file' muss eine Zeichenkette oder eine Verbindung sein 'filter' ist länger als die Zeitreihe 'formula' hat '.' sowohl auf der linken und auf der rechten Seite 'formula' fehlt 'formula' fehlt oder ist falsch 'formula' fehlt oder unzulässig 'formula' benötigt sowohl eine linke als auch eine rechte Seite 'formula' sollte von der Art response ~ group sein 'frequency' und 'deltat' sind beide nicht NULL und inkonsistent 'frequency' nicht geändert 'height' muss mindestens %g sein, die maximale Höhe der Komponenten 'hybrid' wird für 2 x 2 Tabellen ignoriert 'id.n' muss in {1,...,%d} liegen 'idvar' muss Einträge eindeutig identifizieren 'init' hat falsche Länge 'init' muss %d Spalte haben 'init' muss 1 oder %d Spalten haben 'interval' muss ein Vektor der Länge 2 sein 'iter.max' muss positiv sein 'k' und 'h' muss ein Skalar sein 'k' ist größer als 'n'! Ändere 'k' in %d 'k' ist kein Kernel 'k' ist keine ganze Zahl 'k' muss in {1, 2, .. n-1} liegen 'k' muss ungerade sein! Ändere 'k' in %d 'k' muss positiv sein 'kernapply' für Objekt 'x' nicht verfügbar 'lag.max' muss mindestens 0 sein 'lag.max' muss mindestens 1 sein 'lengths(varying)' müssen alle 'length(times)' entsprechen 'logLik.lm' ist für multiple Zielgrößen nicht implementiert 'low' und 'high' können nicht beide TRUE sein 'lower' und 'upper' müssen endliche Werte sein 'm' ist kleiner als 1 'm' muss numerisch mit nicht-negativen, ganzen Zahlen sein 'main' muss entweder TRUE, FALSE, NULL oder Zeichen(kette) sein 'margin' muss Namen oder Zahlen enthalten, die mit 'table' korrespondieren 'margins' muss ein numerischer Vektor der Länge 2 sein Gewichtete 'mlm' Objekte werden nicht unterstützt 'model$order' muss Länge 3 haben 'model' muss einen Liste sein 'model.tables' für multiple Antworten nicht implementiert 'mu' muss einzelne Zahl sein 'mult' muss eine ganze Zahl >= 2 sein, typisch = 30 'n' muss eine positive, ganze Zahl >= 'x' sein 'n' muss strikt positiv sein 'n.ahead' muss mindestens 1 sein 'newdata' hat keine benannte Spalte, die zu einer oder mehreren der Originalspalten passt 'newdata' hat falsche Anzahl von Spalten 'newdata' hat %d Zeile 'newdata' hat %d Zeilen 'newdata' muss eine Matrix oder ein Dataframe sein 'nknots' muss mindestens 1 sein 'nknots' muss numerisch aus {1,.., n} sein 'nterm' fehlt ohne Standardwert 'object' enthält keine Fehlerkomponente 'qr' 'object' hat keine 'effects' Komponente 'offset' muss numerisch sein 'or' muss einzelne Zahl zwischen 0 und unendlich sein 'order' muss ein nicht-negativer numerischer Vektor der Länge 3 sein 'order.dendrogramm' benötigt ein Dendrogramm 'order.max' muss kleiner sein als 'n.obs' 'order.max' muss kleiner sein als 'n.used' 'order.max' muss >= 0 sein 'order.max' muss >= 1 sein 'p' muss eine einzelne Zahl zwischen 0 und 1 sein 'p' muss zwischen 0 und 0.5 liegen 'p' muss die selbe Länge haben wie 'x' und 'n' 'params' hat falsche Länge 'plot.stepfun' mit einem Argument 'x' vom falschen Typ aufgerufen 'ppr' lässt sich nur auf numerische Vawriablen anwenden 'princomp' kann nur mit mehr Beobachtungen als Variablen genutzt werden 'print.level' muss 0, 1 oder 2 sein 'prob' und 'mu' angegeben 'probs' nicht in [0, 1] 'proj' ist für multiple Zielgrößen nicht implementiert 'r' ist kleiner als 0 'r' ist kleiner als 1 'r' muss eine einzelne positive Zahl sein 'ratio' muss eine einzelne positive Zahl sein 'ref' muss eine existierende Faktorstufe sein 'ref' muss Länge eins haben 'relevel' nur für (ungeordnete) Faktoren 'relevel' nur für ungeordnete Faktoren 'reorder.dendrogram' benötigt ein Dendrogramm 'row.var.names' fehlt 'sampleT' und 'nser' müssen ganzzahlig sein 'scale' ist nicht aus [0, 1] 'scores' Argument hat falsche Länge 'scores' müssen alles unterschiedliche Zahlen sein 'se.fit' für multivariate Modelle noch nicht implementiert 'seasonal$order' muss ein nicht-negativer numerischer Vektor der Länge 3 sein 'seasonal' muss eine Liste mit einer Komponenete 'order' sein 'span' muss zwischen 0 und 1 liegen 'spar' muss Länge eins haben 'spline' erwartet n >= 1 'start' > 'end' 'start' und 'table' müssen dieselbe Länge haben 'start' kann nicht nach 'end' sein 'start' muss %d Zeile haben 'start' muss %d Zeilen haben 'start' Wert nicht geändert 'start.innov' ist zu kurz: benötige %d Punkt 'start.innov' ist zu kurz: benötige %d Punkte 'termlabels' muss ein Zeichenkettenvektor mit Länge >= 1 sein 'termobj' muss ein Objekt aus der Klasse %s sein 'ties' sind weder "ordered", noch eine Funktion, noch list(<string>, <function>) 'tol' muss strikt positiv und endlich sein 'trace != 0' benötigt 'REPORT >= 1' 'ts' Objekt muss eine oder mehrere Beobachtungen enthalten 'type' muss für geordnete Faktoren 1 oder 3 sein 'variance' "%s" ist unzulässig: mögliche Werte sind "mu(1-mu)", "mu", "mu^2", "mu^3" und "constant" 'varying' Argumente müssen gleich lang sein 'varying' hat falsche Länge 'varying' muss in seq_along(pars) liegen 'varying' muss logisch, ganzzahlig oder Zeichenkette sein 'varying' muss eine nicht-leere Liste oder Vektor sein 'weights' als Formel sollte einseitig sein 'weights' müssen alle endlich sein 'weights' muss ein numerischer Vektor sein 'weights' dürfen nicht negativ sein 'which' muss in 1:6 liegen 'which' spezifizierte keine Faktoren 'which' spezifiziert einige Nicht-Faktoren, diese werden nicht beachtet 'x' und 'T' haben inkompatible Längen 'x' und 'g' müssen dieselbe Länge haben 'x' und 'n' müssen gleich lang sein 'x' und 'p' müssen dieselbe Anzahl von Elementen haben 'x' und 'w' müssen die selbe Länge haben 'x' und 'weights' sind nicht gleich lang 'x' und 'y' müssen mindestens 2 Stufen haben 'x' und 'y' müssen dieselbe Länge haben 'x' und 'y' müssen dieselbe Zahl Faktorstufen haben (>= 2) 'x' enthält fehlende Werte 'x' wurde gerundet auf ganze Zahl: %s 'x' enthält Einträge, die zu groß für ein Integer sind 'x' hat Rang 0 'x' ist eine Liste, also ignoriere Argument 'g' 'x' ist leer 'x' ist kein Kernel 'x' ist kein Vektor 'x' ist weder Vektor noch Matrix 'x' ist kürzer als der Kernel 'k' 'x' muss mindestens 2 Elemente haben 'x' muss *streng* ansteigend sein (nicht NA) 'x' muss ein 3-dimensionales Array sein 'x' muss eine Liste mit höchstens 2 Elementen sein 'x' muss Matrix sein 'x' muss eine Matrix oder ein Dataframe sein 'x' muss numerische Matrix sein 'x' muss ein numerischer Vektor sein 'x' muss entweder eine Zeitreihe oder ein ar() Fit sein 'x' muss ein "ftable" Objekt sein 'x' muss zwischen %s und %s liegen 'x' muss zwischen -1 und 1 liegen 'x' muss für eine periodische Glättung zwischen 0 und 1 liegen 'x' muss eine Koeffizientenmatrix oder Dataframe sein 'x' muss endlich, nicht-negativ und ganzzahlig sein 'x' muss nicht-negativ sein 'x' muss nicht-negativ und ganzzahlig sein 'x' muss numerisch sein 'x' muss quadratisch sein, mindestens 2x2 'x' darf nur endliche Werte enthalten 'x' muss mindestens einen nicht-fehlenden Wert enthalten 'x' muss 2 Spalten haben 'x' muss mindestens 2 Zeilen und 2 Spalten haben 'x' muss mindestens 2 Zeilen und Spalten haben 'x' muss Länge >= 1 haben 'x', 'y' und 'z' müssen gleich lang sein 'xi' hat nicht die richtige Länge 'xreg' und 'newxreg' haben verschiedene Anzahl von Spalten 'xreg' ist kollinear 'xy.labels' müssen boolesch oder Zeichenkette sein 'y' hat Rang 0 'y' für den paarweisen Test fehlt 'y' muss ein numerischer Vektor sein 'y' muss monoton sein 'y' muss numerisch sein 'y' muss entweder numerisch oder eine Funktion oder Name einer zulässigen Funktion sein 'y' muss ein numerischer Vektor sein 'y' muss einen länger sein als 'x' 'y', 'groups' und 'blocks' müssen gleich lang sein (ungeordnete) Faktoren sind nicht erlaubt , alle Fälle NA 0s in V(mu) AIC ist -Inf für dieses Modell, deshalb kann 'step' nicht fortfahren AIC ist für dieses Modell nicht definiert, deshalb kann 'step' nicht fortfahren ANOVA F-Tests auf einem im Wesentlichen perfekten Fit sind unzuverlässig Nehme konstante Vorhersagevarianz an, obwohl gewichtet gefittet wurde Barrier-Algorithmus konvergierte nicht in maximaler Iterationszahl Kann exakten p-Wert bei Bindungen nicht berechnen Chi-Quadrat-Approximation kann inkorrekt sein Colv = "Rowv" aber nrow(x) != ncol(x) Evtl. eine as.hclust.%s()-Methode bereitstellen Design ist unbalanciert - nutze se.contrast() für die Standardfehler Error() Modell ist singulär F-Test unterstellt 'quasi%s' Familie F-Test unterstellt quasi%s Familie MA Teil des Modells ist nicht invertierbar MLE nur für univariate Zeitreihen implementiert NA lev[]; wahrscheinlich ist der Glättungsparameter 'spar' viel zu groß NAs sind in 'd' nicht erlaubt NAs sind in 'groups' oder 'blocks' nicht erlaubt NAs sind nicht erlaubt NAs in '%s' NAs in 'x' NAs in 'x' müssen zeilenweise dieselben sein NAs in V(mu) NAs in d(mu)/d(eta) NAs vorhanden: setze 'delta' auf -1 Es kann kein p1 in [0, p2] gefunden werden, um die gewünschte Power zu erreichen Es kann kein p2 in [p1, 1] gefunden werden, um die gewünschte Power zu erreichen Es kann kein Signifikanzniveau in [0, 1] gefunden werden, um die gewünschte Power zu erreichen Numerisches 'all.knots' muss streng ansteigend sein Zielfunktion gefallen bei der äußeren Iteration %d Zielfunktion angestiegen bei der äußeren Iteration %d PCA kann nur auf numerische Variablen angewendet werden Seite [%d,%d]: i=%s; j=%s Anzahl Schritte in der Quick-TRANSfer Stufe überschreitet Maximum (= %d) Modellneuanpassung, um Projektion zu ermöglichen gefordertes conf.level nicht erreichbar SEs für Typ '%s' sind noch nicht implementiert Information über den Standardfehler nicht zurückgegeben, da das Design unbalanciert ist.
Standardfehler können über 'se.contrast' berechnet werden Die "ward" Methode wurde in "ward.D" umbenannt; beachte das neue "ward.D2" Nicht zu parsende 'response' "%s"; Nutzung ist veraltet. Nutze as.name(.) oder `..`! x definiert keinen Unterraum von M X Matrix hat Rang %d, aber nur %d Beobachtung X Matrix hat Rang %d, aber nur %d Beobachtungen keine Konvergenz nach %d Schritt keine Konvergenz nach %d Schritten eine Grenze ist NA oder NaN eine zweiseitige Formel ist nötig alle 'x' Werte sind gleich alle 'x' Werte müssen nicht-negativ sein, um ein Weibull-Wachstumsmodell anzupassen alle Elemente von 'which' müssen zwischen 1 und %d liegen alle Einträge von 'x' müssen nicht-negativ und endlich sein alle Gruppen müssen Daten enthalten alle Beobachtungen sind in derselben Gruppe alle Parameter wurden festgelegt alle Zeiten enthalten ein NA alle Gewichte sollten nicht-negativ sein Alternative muss entweder "two.sided", "less" oder "greater" sein zweideutige Clustering-Methode zweideutige Distanzmethode anova ist nur für Folgen von "nls" Objekten definiert Argument 'na.action' wird ignoriert Argument 'object' hat unmögliche Länge Argument 'sides' muss 1 oder 2 sein Argument 'subset' wird ignoriert Argument 'x' kann nicht in die Klasse %s gewandelt werden Argument 'x' muss numerisch sein Argument enthält keine 'qr' Komponente Argument enthält keine 'effects' Komponente Argumente 'r' und 'c' müssen dieselben Summen besitzen Argumente müssen dieselbe Länge haben Argumente müssen dieselbe Länge haben nehme die Vorhersagevarianz als umgekehrt proportional zu den beim Fit genutzten Gewichten an mindestens ein Eintrag von 'x' muss positiv sein Versuch NAs zu glätten Versuch nicht-numerische Werte zu glätten Modellselektion auf einem im Wesentlichen perfekten Fit ist Unsinn schlechter Wert für 'end' ungültiger Wert für 'lag' oder 'differences' schlechter Wert für 'start' Bandbreite 'k' muss >= 1 und ungerade sein Basisgruppenanzahl liegt außerhalb des Bereichs Biplots sind für komplexe PCA nicht definiert sowohl 'span' als auch 'enp.target' angegeben: benutze 'span' sowohl 'x' als auch 'covmat' sind angegeben: 'x' wird ignoriert 'x' und 'y' dürfen nicht leer sein Grenzen können nur mit der Methode L-BFGS-B (oder Brent) benutzt werden Vorlauf 'n.start' muss so lang sein wie 'ar + ma' aber %d Variable aber %d Variablen , aber die gefundenen Variable hat %d Zeile , aber die gefundenen Variablen haben %d Zeilen Aufruf von anova.lm(<fake-lm-object>) ... Aufruf von predict.lm(<fake-lm-object>)... aufruf von summary.lm(<fake-lm-obejct>) kann ci.type="ma" nur benutzen, wenn lag gleich 0 ist kann die REML log-likelihood für "nls" Objekte nicht berechnen kann die Frequenz nicht von %g nach %g ändern kann keinen asymptotischen Konfidenzbereich oder Schätzer berechnen kann kein Konfidenzinterval berechnen, wenn alle Beobachtungen gebunden sind kann kein Konfidenzinterval berechnen, wenn alle Beobachtungen 0 oder gebunden sind kann keinen Konfidenzbereich berechnen, gebe NA zurück kann keinen Schätzer berechnen, gebe NA zurück kann bei Bindungen das exakte Konfidenzinterval nicht berechnen kann das exakte Konfidenzinterval bei Nullen nicht berechnen Kann kein exaktes Konfidenzinterval bei Bindungen berechnen kann bei Bindungen keinen exakten p-Wert Berechnen kann den exakten p-Wert bei Nullen nicht berechnen kann keinen simulierten p-Wert mit 0 Rändern berechnen kann aus einem Dataframe ohne Spalten keine Formel generieren kann keine Startwerte finden; bitte welche angeben kann an diese Daten kein asymptotisches Regressionsmodell anpassen kann kein Modell ohne Level anpassen ('alpha' darf nicht 0 oder FALSE sein). kann 'pairwise.complete.obs' nicht behandeln kann nicht mehr als 10 Reihen als "multiple" plotten kann Parameternamen nicht erkennen kann eine konstante bzw. Null-Spalte nicht auf Varianz 1 skalieren kann keine Simulationen mit nicht ganzzahligen prior.weights durchführen kann 'cor=TRUE' mit einer konstanten Variablen nicht nutzen kann mit den gegebenen Daten '...' in der Formel nicht nutzen Kann nicht mehr innere Knoten brauchen als es verschiedene 'x' Werte gibt Koeffizienten addieren sich nicht zu 1 Reduktion auf einmalige 'x' Werte spaltenweises Dendrogrammordnen ergab Index falscher Länge Spalten eines 'contrast.obj' muss einen Kontrast definieren (Summe = 0) Spalten von 'contrast.obj' müssen einen Kontrast definieren (Summe = 0) Kontraste arbeiten nur auf Faktoren Kontraste können nur auf Faktoren mit 2 oder mehr Stufen angewendet werden Kontraste für %d Freiheitsgrade nicht definiert Konvergenzproblem bei der Nullstellensuche: konvertiere nicht-invertierbare initiale MA Werte Kovarianzmatrix ist nicht nicht-negativ definit Überdeckungswahrscheinlichkeit liegt nicht in [0, 1) Kreuzvaldierung mit nicht-eindeutigen 'x' Werten erscheint zweifelhaft Daten sind praktisch konstant Daten müssen für den multiplikativen Holt-Winters ungleich 0 sein Dendogrammeinträge müssen 1,2,..,%d (in beliebiger Reihenfolge) sein, damit sie in "hclust" umgewandelt werden können Dendrogrammknoten mit nicht-positiver #{Verzweigungen} Dendrogrammknoten ist kein Blatt, aber nicht-positive #{Verzweigungen} Design ist unbalanciert, kann deshalb nicht fortfahren keine Konvergenz nach %d Schritt keine Konvergenz nach %d Schritten kein Erfolg beim Erweitern der Intervallendpunkte für f(lower) * f(upper) <= 0 Dimension 0 in 'x' oder 'y' Distanzen müssen Ergebnisse von 'dist' oder eine quadratische Matrix sein jede Dimension in der Tabelle muss >= 2 sein jedes Element von '%s' muss boolesch sein eff.aovlist: nicht-orthogonale Kontraste würde eine falsche Antwort geben eig=TRUE wird verworfen, wenn list.=FALSE entweder 'k' oder 'h' muss angegeben werden Elemente von 'k' müssen zwischen 1 und %d sein Elemente von 'n' müsse positiv sein Elemente von 'p' müssen in (0, 1) liegen Elemente von 'x' müssen nicht-negativ sein Elemente von 'x' dürfen nicht größer sein als die in 'n' leerer Cluster: versuche bessere Startmittelpunkte leeres Modell angegeben im Wesentlichen ein perfekter Fit: summary kann unzuverlässig sein genau eine der Variablen 'groups', 'n', 'between.var', 'within.var', 'power' und 'sig.level' muss NULL sein genau ein Wert aus 'n', 'delta', 'sd', 'power', und 'sig.level' muss NULL sein genau eine der Variablen 'n', 'p1', 'p2', 'power', und 'sig.level' muss NULL sein erweitere Zeitreihe beim Ersetzen der Werte zusätzliche Argumente verworfen Werte von f() an den Endpunkten haben gleiches Vorzeichen f.lower = f(lower) ist NA f.upper = f(upper) ist NA Faktor '%s' hat neue Stufe %s Faktor '%s' hat neue Stufen %s Faktorenanalyse arbeitet nur auf numerischen Variablen Faktorenanalyse benötigt zumindest drei Variablen konnte die zeit-veränderlichen Variablen nicht aus den Namen erraten Familie '%s' nicht implementiert erstes Argument muss ein "loess" Objekt sein Anpassung von Parameter %s ohne jede Variable Anpassung der Parameter %s ohne jede Variable Anpassung um die Null-Abweichung zu berechnen hat nicht konvergiert -- 'maxit' erhöhen? für die '%s'-Familie muss y entweder ein Vektor aus Nullen und
Einsen oder eine zweispaltige Matrix mit Erfolgen in der ersten und Misserfolgen in der zweiten Spalte sein Formel '%s' muss von der Form '~expr' sein Formel fehlt Frequenz muss für BSM eine positive, ganze Zahl >= 2 sein glm.fit: Algorithmus konvergierte nicht glm.fit: Algortihmus stoppte am Rand glm.fit: Angepasste Wahrscheinlichkeiten mit numerischem Wert 0 oder 1 aufgetreten glm.fit: angepasste Raten, die numerisch 0 sind, aufgetreten Gruppierender Faktor muss genau zwei Stufen haben Schätzwerte sind alle = %s
und es gibt keine faktoriellen Prädiktoren; keinen Plot Nr. 5 Wenn 'x' keine Matrix ist, muss 'y' angegeben werden wenn 'x' kein Array ist, muss 'y' angegeben werden wenn 'x' kein Array ist, muss 'z' angegeben werden ignoriere vorherige Gewichte inkompatible Dimensionen inkonsistente Spezifikation der 'ar' Ordnung inkonsistente Spezifikation der 'ma' Ordnung falsche Dimensionen für 'xi' unzulässige Länge von 'x' falsche Spezifikation für 'col.vars' falsche Spezifikation für 'formula' falsche Spezifikation für 'row.vars' falsche Variablennamen auf der linken Seite der Formel falsche Variablennamen auf der rechten Seite der Formel vergrößere bw.SJ() Suchintervall (%d) auf [%.4g,%.4g] Startzentren sind nicht verschieden Startwert nicht im Inneren der zulässigen Region innere Schleife 1; kann Schrittweite nicht korrigieren innere Schleife 2; kann Schrittweite nicht korrigieren Wechselwirkungen sind nicht erlaubt unzulässiges 'attr(rhs, "gradient")' unzulässiges 'SSinit' unzulässige 'abbr.colnames' unzulässiges 'control' Argument unzulässiges 'control.spar' unzulässiges 'data' Argument unzulässiges 'endrule' Argument unzulässiges 'extendInt'; bitte melden! unzulässiges 'keep.stuff' unzulässiges 'lm' Objekt: keine 'terms' Komponente unzulässiges 'method' Argument unzulässiges 'nb' unzulässiger 'tree' ('merge' Komponente) unzulässiges 'use' Argument unzulässiges 'x' unzulässiges 'y' unzulässiger Knoten in Dendrogramm (Länge 0) unzulässiges NCOL(X) unzulässiges NROW(X) unzulässiges Argument 'c' unzulässiges Argument 'cell' unzulässiges Argument 'degree' unzulässiges Argument 'lambda' unzulässiges Argument 'n' unzulässiges Argument 'omit' unzulässiges Argument 'r' unzulässiges Argument 'span' unzulässiges Argument für 'getProfile' unzulässige Clustring-Methode unzulässige Unähnlichkeiten unzulässige Distanzmethode unzulässige gefittete Mittelwerte in leerem Modell unzulässige Formel unzulässige Formel %s unzulässige Formel %s: Zuweisung ist veraltet unzulässige Formel %s: Zusätzlicher Aufruf von `%s` ist veraltet unzulässige Formel %s: ist kein Aufruf unzulässige Formel in deriv unzulässige Formel: %s unzulässige Interpolationsmethode unzulässige Anzahl von Teilnehmern unzulässige length(x) unzulässige Werte des linearen Prediktors in leerem Modell ungültige Modell QR Matrix unzulässige ncol(x) unzulässige nrow(x) unzulässige Anzahl von Punkten unzulässige Parameterwerte unzulässiger Zielgrößentyp unzulässige Wert für %s iterTrace = %d nicht befolgt, da iterations = %d k muss zwischen 2 und %d liegen Längen in Faltung passen nicht Länge von 'center' muss der Spaltenzahl von 'x' entsprechen Länge von 'init' muss der Länge von 'filter' entsprechen Länge von 'p' muss entweder 1 oder die Anzahl der Spalten von 'x' sein Länge von 'start' sollte %d sein und mit den initialen Koeffizienten für %s korrespondieren Länge von 'v.names' teilt nicht die Länge von 'varying' Länge von 'varying' muss Produkt der Längen von 'v.names' und 'times' sein Länge von 'wt' muss der Zeilenzahl in 'x' entsprechen Länge von FUN, %d,
entspricht nicht der Länge der Ränder, %d Länge der Auswahl muss 2 sein Längen von 'x' und 'w' müssen übereinstimmen Längen von 'x' und 'xreg' stimmen nicht überein Stufen auf ausschließlich positive Werte reduziert Link "%s" für die %s-Familie nicht verfügbar: verfügbar sind %s lm Objekt hat keine gültige 'qr' Komponente.
Rang Null oder nicht lm(.., qr=FALSE) nutzen. Boolesches 'hessian' Argument nicht erlaubt. Siehe Dokumentation. lower < upper nicht erfüllt unterer Scope hat Term %s, nicht im Modell enthalten unterer Scope hat Terme %s, nicht im Modell enthalten maximale Zahl der Iterationen muss > 0 sein medpolish() hat nicht in %d Schritt konvergiert medpolish() hat nicht in %d Schritten konvergiert method = "Brent" ist nur für unidimensionale Optimierung verfügbar Methode = '%s' ist nicht unterstützt. Benutze 'qr' Methode L-BFGS-B benutzt 'factr' (and 'pgtol') anstelle von 'reltol' und 'abstol' midcache() von nicht-binären Dendrogrammen nur zum Teil implementiert Minimum trat am Rand des Bereichs auf 'x' und 'y' passen nicht fehlende Beobachtungen gelöscht fehlende oder unendliche Werte sind als Eingaben nicht zugelassen fehlende oder negative Gewichte nicht erlaubt fehlende Werte und NaNs sind nicht erlaubt, wenn 'na.rm' = FALSE fehlende Werte in 'poly' nicht zugelassen fehlende Werte in 'filter' fehlende Werte im Objekt fehlende Werte nicht zugelassen Modellframe und Formel passen in model.matrix() nicht zusammen Modelle sind nicht alle mit der gleichen Datensatzgröße angepasst worden Modelle sind nicht alle mit der gleichen Datensatzgröße angepasst worden Modelle mit Antwortvariable %s entfernt, da diese sich von Modell 1 unterscheidet mehr Clusterzentren als Datenpunkte mehr Clusterzentren als verschiedene Datenpunkte der multivariate Fall mit fehlenden Koeffizienten ist noch nicht implementiert benötige 2 'symbols' für boolesches 'x' Argument mindestens 4 Beobachtungen nötig, um ein 'SSfol' Modell anzupassen es muss Länge der Zielgröße = Länge des zweiten Argumentes für 'SSfol' gelten n >= 2 Objekte nötig, um zu clustern 'x' und 'centers' müssen dieselbe Zahl von Spalten haben es dürfen nicht sowohl 'spar' als auch 'lambda' angegeben werden entweder 'spans' oder ein gültiger Kernel muss angegeben werden einer oder mehrere Vektoren müssen angegeben werden na.action muss eine Funktion sein names(hybridPars) sollte NULL sein oder identisch zu denen des Standards benötige 2 oder mehr Spaltenränder benötige 2 oder mehr Zeilenränder benötige CRAN Paket 'SuppDists' für die Simulation aus der Verteilungsfamilie
'inverse.gaussian' benötige ein Objekt mit einer call Komponente benötige zumindest 2 Datenpunkte benötige zumindest 2 Perioden, um saisonale Startwerte zu berechnen benötige zumindest 2 Punkte, um die Bandbreite automatisch zu wählen benötige zumindest vier verschiedene 'x' Werte benötige mindestens zwei nicht-NA Werte zur Interpolation benötige Dendrogramme, in denen alle Blätter Label haben benötige multiple Antworten benötige numerische Daten benötige Ergebniss von smooth.spline(keep.data = TRUE) negative Werte für die 'Poisson'-Familie nicht zugelassen negative Werte sind für die 'quasiPoisson'-Familie nicht zulässig negative Gewichte nicht erlaubt weder 'x' noch 'covmat' angegeben kein "nobs" Attribut verfügbar keine 'add1' Methode für "mlm" Modelle implementiert keine 'as.stepfun' Methode für 'x' verfügbar keine 'drop1' Methode für "mlm" Modelle keine 'getInitial' Methode für "%s" Objekte gefunden keine 'nobs' Methode verfügbar kein 'reshapeWide' Attribut, 'varying' muss angegeben werden kein Freiheitsgrad für die Residuen keine Faktoren im angepassten Modell keine endlichen Beobachtungen keine Modelle zum Vergleich keine informativen Beobachtungen bei Iteration %d keine Parameter für den Fit keine Ersatzwerte angegeben keine Zeile für die Aggregation keine Scores verfügbar: neu anpassen mit 'retx=TRUE' keine Vorzeichenwechsel nach %d Iterationen gefunden keine Lösung im angegebenen Bandbreitenbereich keine Startwerte angegeben keine Startwerte angegeben weder terms Komponente noch Attribut keine Terme im Scope keine Terme im Scope, die zum Objekt hinzugefügt werden können keine Zeitreihe angegeben keine zulässigen Koeffizienten gefunden: bitte Startwerte angeben Länge der nicht-NA Residuen passt nicht zur Anzahl Fälle im Fit nicht-Faktoren ignoriert: %s nicht-endliches 'bw' nicht-endliches 'from' nicht-endliches 'to' nicht-endliche Koeffizienten bei Iteration %d Nicht-ganzzahlige #Erfolge in einem %s-GLM nicht-ganzzahlige Anzahlen in einem %s-GLM schnittfreie Zeitreihen Teilbaum ist kein Blatt, aber Länge 0 nicht-Listen Kontrastargument ignoriert nicht-positive Werte sind für die 'Gamma'-Familie nicht zulässig keine quadratische Matrix nicht-stationärer AR Teil nicht stationärer AR Teil aus CSS nicht-stationärer saisonaler AR Teil nicht-stationärer saisonaler AR Teil aus CSS nicht-Zeitreihe hat falsche Länge kein zulässiges "smooth.spline" Objekt keine zulässige Treppenfunktion nicht alle Zeitreihen haben gleiche Frequenz nicht alle Zeitreihen haben gleiche Phase kein vollständiges Blockdesign ohne Wiederholungen zu wenig 'x' Daten nicht genug 'x' Beobachtungen zu wenig 'y' Daten nicht genug 'y' Beobachtungen nicht genug (nicht-fehlende) 'x' Beobachtungen nicht genug Daten zu wenig Freiheitsgrade, um Kontraste zu definieren zu wenig endliche Beobachtungen nicht genügend Gruppen nicht genug Beobachtungen kein Plot der Beobachtungen mit Leverage 1:
%s unzulässige df nicht benutzt; es muss gelten 1 < df <= n := #{verschiedene x} = nichts zu tabellieren Anzahl der 'cutpoints' muss eins kleiner sein als die Anzahl der Symbole Anzahl der 'cutpoints' muss eins kleiner sein als die Anzahl der Symbole Anzahl der Clusterzentren muss zwischen 1 und nrow(x) liegen Anzahl der Differenzen muss eine positive ganze Zahl sein Anzahl der Gruppen muss mindestens 2 sein Anzahl der Beobachtungen in 'x' und 'y' muss übereinstimmen Anzahl der Beobachtungen in jeder Gruppe muss mindestens zwei sein Anzahl der Offsets %d sollte der Anzahl %d der Beobachtungen entsprechen Anzahl der Offsets in %d sollte gleich %d (Anzahl Beobachtungen) sein Anzahl der benutzten Zeilen hat sich geändert: entferne fehlende Werte? Anzahl von Reihen in 'object' und 'newdata' passen nicht Anzahl der angegebenen Werte ist kein Sub-Vielfaches der Zahl der Werte, die ersetzt werden sollen Zahl der Gewichte %d sollte der Zahl der Zielgrößen %d entsprechen Anzahl der Gewichte muss mit der Zahl der Beobachtungen übereinstimmen numerische 'all.knots' müssen [0,1] überdecken (= transformierter Datenbereich) numerische Kontraste oder ein Kontrastname erwartet numerisches y muss angegeben werden.
Zur Dichteschätzung bitte density() nutzen Objekt '%s' hat keine Scores Objekt muss aus Klasse %s oder %s sein Objekt kann nicht als Faktor interpretiert werden Beobachtungen mit Gewicht 0 nicht in Berechnung der Standardabweichung einbezogen Beobachtungen mit Gewicht 0 nicht benutzt Beobachtungen mit Gewicht 0 werden bei der Berechnung der Dispersion einbezogen eindimensionale Optimierung mit Nelder-Mead ist unzuverlässig:
nutze direkt "Brent" oder optimize() nur %d Beobachtung nur %d Beobachtungen nur %d der ersten %d Eigenwerte sind > 0 nur 1-4 Prediktoren erlaubt nur für univariate Zeitreihen implementiert nur Elemente dürfen ersetzt werden nur univariate Zeitreihen erlaubt Schwierigkeiten bei Optimierung: %s Optimierung fehlgeschlagen option "show.coef.Pvalues" ist unzulässig: nehme TRUE an Option "show.signif.stars" ist unzulässig: nehme TRUE an orthognonale Polynome können für %d Freiheitsgrade nicht genau genug dargestellt werden im Falle von Bindungen sind die p-Werte approximativ Parameter %s kommt in der Modellgleichung nicht vor Parameter %s kommen in der Modellgleichung nicht vor Parameter ohne Startwert in 'data': %s Poolen der SD passt nicht mit paarweisen Tests zusammen nur positive Werte sind für die 'inverse.gaussian'-Familie zulässig evtl. Konvergenzproblem: 'optim' lieferte Kode = %d und Nachricht %s evtl. Konvergenzproblem: optim lieferte Kode = %d Vorhersagen auf aktuellen Daten beziehen sich auf zukünftige Daten Prädiktoren müssen alle numerisch sein Wahrscheinlichkeiten müssen endlich, nicht-negativ und nicht alle 0 sein Wahrscheinlichkeiten müssen nicht-negativ sein Wahrscheinlichkeiten müssen sich zu 1 addieren bitte die Dokumentation zu 'trace' genauer lesen ref = %d muss in 1L:%d liegen gefordertes conf.level nicht erreichbar verlangte scores ohne eine 'x' Matrix Freiheitsgrade der Residuen legt nahe, dass es sich nicht um einen "lm" Fit handelt Residuen haben Rang %d < %d Residuen haben Rang %s < %s Antwort in Formel nicht zulässig zeilenweises Dendrogrammordnen ergab Index falscher Länge Stichprobengröße in jeder Schicht muss > 1 sein Stichprobengröße muss zwischen 3 und 5000 liegen Stichproben unterscheiden sich in der Lage: kann keinen Konfidenzbereich angeben, gebe NA zurück Scatterplots nur für univariate Zeitreihen Scope ist keine Teilmenge der Labels des Terms saisonaler MA Teil des Modells ist nicht invertierbar Zeitreihe ist beschädigt, kein 'tsp' Attribut Zeitreihe ist beschädigt: Länge %d bei 'tsp' das %d impliziert Zeitreihe ist nicht periodisch oder umfasst weniger als zwei Perioden setVarying : Länge von 'vary' muss Länge der Parameter entsprechen setzte df = 1 ; Vorsicht! simulate() ist noch nicht für multivariates lm() implementiert singläre Kontrastmatrix singlärer Fit aufgetreten singuläre Gradientenmatrix bei der ersten Parameterschätzung Singularitäten in der Regression size != sum(x), ein Wert ist falsch size kann weder NA noch größer als 65536 sein einige AR Parameter wurden festgelegt: setze transform.pars = FALSE einige ARMA Parameter wurden festgelegt: setze transform.pars = FALSE einige konstante Variablen (%s) ändern sich doch einige Elemente von 'x' sind nicht numerisch und werden nach numerisch gewandelt einige Ausdrücke werden aufgrund der eingeschränkten Methode NAs enthalten einige Gewichte sollten positiv sein alle Prädiktoren als parametrisch spezifiziert das Quadrat eines Faktors als Prädiktor als zu vernachlässigen angenommen, wenn Grad = 1 das Quadrat eines Prädiktors als zu vernachlässigen angenommen, wenn nur ein numerischer Prädiktor angegeben bitte 'rate' oder 'scale' aber nicht beides angeben es muss entweder nur 'k' oder nur 'h' angegeben werden es muss enweder nur 'which' oder nur 'x' angegeben werden spline: erster und letzter y Wert unterscheiden sich - benutze y[1L] für beide spline: erster und letzter y Wert unterscheiden sich - benutze y[1] für beide Schrittweite abgeschnitten wegen Divergenz Schrittweite abgeschnitten: Überlauf stepfun: 'x' muss aufsteigend angeordnet sein sum(weights) != 1 -- werde nicht die wahre Dichte erhalten 'x' und 'y' oder ein matrixähnliches 'x' müssen angegeben werden Tabelle 'x' sollte 2 Einträge haben die Komponente 'height' von 'tree' ist nicht (aufsteigend) sortiert das 'se.fit' Argument ist für "mlm" Objekte noch nicht implementiert das 'split' Argument muss eine Liste sein Fall k > 2 ist nicht implementiert der definierte Kontrast ist leer (kein Element ist TRUE) der erste Wert der Zeitreihe darf nicht fehlen die folgenden Argumente für 'anova.glm' sind unzulässig und werden verworfen Zeitreihe besteht ausschließlich aus NA es gibt %d Fehlerterme: nur 1 erlaubt es gibt %d Fehlertermen: nur 1 erlaubt es gibt Datensätze mit fehlenden Zeiten; diese werden ignoriert es müssen zumindest 2 Beobachtungen in jeder Gruppe sein dieser Fit erbt nicht von "lm" Zeitreihe enthält innere NAs Zeitreihe hat keine oder weniger als 2 Perioden die Zeiten, die ersetzt werden sollen, passen nicht zu wenig Fälle i mit h_ii > 0), n < k zu wenig verschiedene Eingabewerte, um ein Michaelis-Menten-Modell anzupassen zu wenig verschiedene Eingabevariablen, um ein biexponentielles Modell anzupassen zu wenig verschiedene Werte, um ein vierparametriges logistisches Modell anzupassen zu wenig verschiedene Eingabewerte, um ein logistisches Modell anzupassen zu wenig verschiedene Eingabewerte, um asymtotisches Regressionsmodell anzupassen zu wenige verschiedene Eingabewerte um ein 'asympOff' Modell anzupassen zu wenige verschiedene Eingabewerte, um ein 'asympOrig' Modell anzupassen zu wenig verschiedene Eingabewerte, um ein Gompertz-Modell anzupassen zu wenig verschiedene Eingabewerte, um ein Weibull-Wachstumsmodell anzupassen zu wenig Gruppen zu wenige nicht-fehlende Werte zu wenig Beobachtungen, um asymptotisches Regressionsmodell anzupassen zu viele Ersatzwerte angegeben tranformierte ARMA Parameter wurden festgelegt Typ '%s' noch nicht implementiert type = "partial' ist noch nicht implementiert kann von diesem Startwert aus nicht optimieren kann von diesen Startwerten aus nicht optimieren ungleiche Anzahl von Zeilen in 'cancor' nur univariate Zeitreihen unbekannte Bandbreitenregel unbekannter Name %s in der 'split' Liste unbekannte Namen %s in der 'split' Liste unbekannter, benannter Kernel unbekannte Namen in control: unbekannter Zeichenkettenwert für s.window unbekanntes Kontrollelement namens %s ignoriert unbekannte Kontrollelemente namens %s ignoriert Obere oder untere Grenzen ignoriert, wenn nicht algorithm= "port" unterer Scope hat Term %s, nicht im Modell enthalten unterer Scope hat Terme %s, nicht im Modell enthalten nur mit "lm" Objekten benutzen F-Test bei einer '%s' Familie nicht angemessen F-Test bei fester Dispersion unangemessen benutze %d/%d Zeile aus einem kombinierten Fit benutze %d/%d Zeilen aus einem kombinierten Fit Benutzung von type="numeric" wird für eine faktorielle Zielgröße ignoriert nutze Gewichte als inverse Varianzen nutze Gewichte als Gestaltparameter Wert von 'epsilon' muss > 0 sein Variable '%s' fehlt, ihre Kontraste werden ignoriert Variable '%s' is kein Faktor Variable '%s' wurde mit Typ "%s" gefitted, angegeben wurde aber Typ "%s" die Variablen %s wurden mit anderen Typen als im Fit angegeben Gewichte werden in einer multistratum ANOVA-Anpassung nicht unterstützt Gewichte müssen nicht-negativ und nicht alle Null sein falsche Einbettungsdimension falsches k / cs.ind falsche Länge für 'fixed' falsche Methode falsche Spaltenanzahl in 'x' falsche Spaltenanzahl in den neuen Daten: falsche Anzahl von Kontrastmatrixzeilen x ist weder Vektor noch univariate Zeitreihe x$lag muss mindestens 1 Spalte haben x.ret=TRUE wird verworfen, wenn list.=FALSE x[] und prob[] müssen gleich lange Vektoren sein y ist leer oder enthält nur NAs y Werte müssen in [0, 1] liegen keine nicht-NA Punkte Serie mit Varianz Null