File: C:/Program Files/R/R-4.4.0/library/translations/fr/LC_MESSAGES/R-stats.mo
�� � 1 �A O �A 2 �A T B ] YB ! �B �B �B - C 0C LC < jC + �C < �C D " (D KD ; cD �D - �D # �D :
E E EE < �E 6 �E ! �E !F $ :F _F uF & �F % �F ' �F �F - G . DG sG 4 �G & �G ' �G ' H ?H 2 [H 5 �H % �H * �H 1 I 5 GI ' }I �I �I 2 �I J 4 /J dJ 7 |J �J / �J # �J 3 K TK fK �K 2 �K 0 �K ? L FL B ^L % �L �L & �L
M ; (M ' dM �M �M + �M �M N N $ <N aN + vN �N �N 1 �N / O $ >O ) cO �O . �O 7 �O ? P . GP , vP ! �P �P 8 �P Q + 0Q % \Q �Q �Q R �Q 5 R * FR ( qR �R & �R # �R 1 S # 3S WS . pS 9 �S ( �S T T ?T XT + qT �T , �T �T 5 U ) 8U : bU �U �U �U 0 �U $V 7V $ JV ( oV �V �V & �V $ �V * W KW $ cW �W ( �W & �W 4 �W B 'X 0 jX �X �X �X �X ' �X 'Y 2 EY xY T �Y > �Y & &Z B MZ * �Z �Z . �Z ) [ _ 5[ + �[ �[ $ �[ / \ ) 1\ ( [\ �\ " �\ �\ �\ �\ 8 ] $ P] % u] % �] 1 �] % �] % ^ ' ?^ % g^ ; �^ �^ # �^ ' _ 1_ ' @_ h_ u_ �_ �_ �_ ! �_ , �_ ! )` + K` w` $ �` �` �` ( �` a 3a Qa / na ) �a , �a �a # b 2b 5 Fb # |b * �b �b + �b ) c 9c + Sc # c 6 �c �c ( �c d &d Ed $ bd �d E �d �d �d 4 e # Qe ue we �e 9 �e ; �e :
f G Ef < �f & �f * �f $ g + Ag 1 mg �g �g �g " �g * h < Eh �h , �h �h �h
�h $ �h i )i " =i : `i : �i F �i / j 2 Mj 2 �j ' �j �j 2 �j # )k # Mk ) qk x �k B l H Wl ! �l \ �l @ m `m um �m C �m 0 �m 1 'n Yn & vn �n �n " �n 4 �n 'o Co 4 ]o $ �o * �o �o ! p * $p Op * lp 0 �p - �p �p # q O :q * �q �q $ �q D �q ;r $ Or tr # �r " �r ' �r ; �r 8 5s " ns 7 �s . �s �s > t & Xt ( t ( �t + �t 6 �t % 4u 5 Zu A �u I �u + v % Hv 2 nv 4 �v 3 �v &
w ( 1w 4 Zw 5 �w 6 �w 7 �w @ 4x % ux - �x �x 6 �x . y 0 Oy * �y 2 �y �y �y 5 z > Qz = �z �z > �z / -{ $ ]{ + �{ . �{ ' �{ : | @| 5 ^| P �| - �| 6 } & J} B q} M �} ~ 5 ~ $ R~ $ w~ D �~ ( �~ #
( . W x # � 5 � 2 � &� 2 ;� ` n� H π E � + ^� �� - �� ҁ � 6 � 3 ;� 1 o� 7 �� ق ' �� V � L t� � �� ( B� k� 1 {� # �� , ф 9 �� , 8� * e� V �� ) � ) � ) ;� e� |� ( �� ( �� � � & � % C� & i� * �� * �� 6 � � ; >� & z� & �� Ȉ � � � /� J� a� y� " �� �� * ̉ �� � " � A� X� d� % p� �� �� �� ˊ � �� � ,� D� Y� q� �� �� ċ # ܋ � � , #� 9 P� �� �� �
� . � N� f� v� �� �� �� 2 � � 0� : O� . �� = �� H �� > @� T � 3 ԏ @ � I� ! e� & �� ( �� = א e � ; {� �� \ ב ( 4� Z ]� C �� * �� K '� < s� ( �� ٓ � 4
� ' B� 8 j� ( �� ̔ � � 2 � < N� 6 �� E % � / .� B ^� . �� 9 Ж C
� # N� 5 r� ) �� & җ �� � A 6� ( x� % �� O ǘ " � :� 8 V� : �� $ ʙ . � - � L� d� . v� 4 �� 9 ښ � ! 1� S� - t� ( �� " ˛ - � � 2 :� # m� �� �� ǜ + ܜ � � <� / Q� % �� 0 �� ؝ �� � 2� & D� k� J �� ; Ξ
� "� 2� D� ' T� # |� �� �� ؟ # �� 6 � P� b� y� �� ( �� ) � " � /� & I� " p� ) �� �� ѡ � � ) � G� 1 W� �� �� �� 1 Ң < � A� = U� = �� 8 ѣ 0
� # ;� 1 _� 7 �� @ ɤ A
� 9 L� 7 �� V �� < � 4 R� C �� + ˦ @ �� 8� R� $ s� E �� $ ާ A � ] E� �� + �� � +
� ' 6� " ^� �� �� 4 �� 4 � X � 3 w� ` �� / � / <� B l� C �� 2 � 7 &� ^� 8 }� # �� ڬ 1 �� )� # C� & g� E �� ԭ � � 2 ,� ' _� & �� G �� - �� $ $� + I� * u� 3 �� 3 ԯ : � " C� 7 f� �� �� 7 а � ! $� " F� = i� ? �� / � C � 8 [� �� ' �� H ܲ Q %� & w� " �� & �� = � < &� % c� " �� ) �� / ִ , � 3� = S� > �� # е � 4 � 6 I� ? �� �� W ڶ < 2� 3 o� # �� ! Ƿ ) � ! � % 5� = [� 4 �� > θ 5
� C C� 9 �� : �� 7 �� = 4� r� �� : �� $ ݺ & � )� ' J� Y r� " ̻ � � H "� k� �� ! �� \ �� 8 � \ R� �� 0 ʽ 5 �� P 1� = �� " �� ! � � 5 $� Z� B x� = �� 5 �� - /� ]� w� �� �� �� $ � $ � + � ! C� * e� , �� �� � �� � � R �� @ �� Z 1� ] �� J �� 5� I� 8 ^� �� D �� H �� 3 E� H y� �� , ��
� @ +� l� * �� ) �� J �� S ,� G �� 9 �� / � 2� 0 M� ~� �� + �� 2 �� $ � 5� > R� 9 �� �� 6 �� , #� 1 P� 4 �� �� C �� D � 2 ]� 1 �� > �� M � / O� � �� : �� ' �� : � [� A v� �� = �� / � % ;� a� ! u� ! �� ? �� 2 �� I ,� v� F �� ) �� # �� @ "� c� : �� . �� �� & � C 3� w� �� % �� > �� � 1 "� T� u� C �� ? �� G � 3 b� �� ? �� < �� G +� 8 s� 2 �� & �� � B #� f� 2 �� ' �� , �� � S )� + }� 2 �� : �� � 1 7� ( i� 4 �� ( �� �� ( � E 8� - ~� �� ! �� �� � , '� % T� / z� " �� > �� 0 � b =� ( �� ( �� �� :
� H� `� x� $ �� # �� �� @ � > C� / �� �� - �� �� - � 3 G� E {� N �� A � ' R� z� �� �� 2 �� & �� 8 � X� ` u� B �� * � M D� 0 �� % �� 1 �� 4 � j P� 5 �� # �� , � 2 B� 5 u� 7 �� : �� * � $ I� n� " �� C �� & �� * � * >� 6 i� * �� , �� + �� * $� ? O� ! �� % �� 6 �� � 4 � U� b� y� ' �� # �� $ �� 1 � ( 5� ( ^� �� 4 �� % �� $ �� : "� ]� % ~� $ �� ? �� N � - X� �� ' �� �� A �� . (� 0 W� �� . �� , �� �� 0 � O� ; n� �� , �� �� & � $ (� ( M� v� t �� $ � & *� 9 Q� 3 �� �� A �� � @ � E Q� N �� ` �� Z G� ; �� 4 �� % � 0 9� L j� * �� ( �� & � * 2� 7 ]� Q �� �� 8 � <�
N� \� = i�
�� �� & �� A �� A 3� T u� < �� = � > E� 3 �� �� N � 5 (� - ^� D �� v � S H� k �� $ � r -� H �� � ' � ) *� l T� B �� H � . M� 5 |� $ �� " � * �� 9 %� # _� ' �� 7 �� # � 1 � % 9� _� O �� $ � - �� 2 #� 5 V� - �� - �� u � . ^� " �� / �� _ � @� + [� �� 6 �� 2 � 6 M E 8 � ! � L � 8 ; 6 t O � & � ( " ( K F t F � / M 2 V � m � A E 4 � J � G M O ; � 9 � E V Y L � J � Z H , � 8 � : # N ^ < � M � f 8 / � � K � J <
J �
3 �
V 1 ] 5 � 2 � B � 8 ; K t ) � V � z A
4 �
N �
4 @ H u U � A 0 4 r 6 � O � 1 . $ ` 9 � , � 1 � 4 E S 0 � � K � h * O � L � I 0 # z D � � � L A d 9 � M � . / M c } ^ � � @ . � 0 ! * R ; } G � 8 : : x u 3 � 2 " 2 U ) � � * � * � ! ! B d y � D � D � E - * s L � 0 � 0 ( M ! v � � � � � B 2 u 1 � � � % �
(
6 1 D v # � � � � � , F ] " w % � � ) � 3 : O 5 e > � / �
! (! # B! f! �! A �! �! �! " "" # =" a" }" J �" $ �" 2 # F 8# B # I �# \ $ T i$ W �$ @ % H W% " �% 3 �% 6 �% 4 .& R c& f �& A ' ! _' � �' . ( ^ 2( M �( 6 �( Q ) S h) < �) �) # * L =* 7 �* M �* . + ?+ `+ " �+ L �+ M �+ P >, Q �, B �, M $- J r- : �- ? �- P 8. - �. : �. 0 �. . #/ + R/ ! ~/ G �/ ) �/ ' 0 f :0 ) �0 �0 O �0 M 51 3 �1 < �1 B �1 72 ! X2 ? z2 @ �2 E �2 A3 " `3 & �3 ; �3 0 �3 . 4 D F4 ! �4 : �4 + �4 & 5 ;5 T5 1 o5 �5 % �5 �5 @ �5 0 ?6 8 p6 ! �6 ! �6 ' �6 ! 7 8 77 p7 _ �7 ] �7 8 O8 �8 �8 �8 * �8 - �8 % 9 79 2 P9 ? �9 ] �9 !: >: # Y: ' }: 0 �: ' �: �: ' ; 0 F; + w; 7 �; �; % �; < % 5< ( [< �< F �< ( �<
= = [ 8= L �= �= G �= F 9> E �> 6 �> * �> A (? @ j? N �? L �? M G@ D �@ U �@ 8 0A > iA Q �A 1 �A I ,B vB ( �B ) �B H �B ( 0C X YC d �C + D = CD % �D ? �D / �D / E GE hE ? ~E @ �E t �E : tF } �F ? -G @ mG P �G Q �G > QH T �H / �H c I 4 yI 2 �I 4 �I ! J + 8J ! dJ Z �J ! �J ! K ' %K I MK = �K ? �K j L I �L P �L 7 M . SM U �M A �M S N - nN L �N ! �N O N +O ! zO + �O 4 �O C �O A AP + �P N �P A �P % @Q 5 fQ Y �Q ] �Q > TR �R # �R \ �R [ 4S 1 �S & �S 3 �S T T ) rT ) �T G �T G U ' VU # ~U ; �U G �U C &V ! jV b �V J �V : :W . uW - �W + �W + �W ' *X U RX O �X b �X L [Y n �Y L Z M dZ M �Z Z [ [[ & o[ K �[ ( �[ 0 \ * <\ . g\ r �\ ' ] ) 1] 2 [] K �] �] ! �] ^ m 0^ K �^ � �^ * l_ E �_ R �_ i 0` O �` 6 �` 8 !a % Za 6 �a % �a T �a Z 2b Y �b > �b &c Gc \c {c * �c < �c 6 �c : .d % id 9 �d : �d $ e * )e Te he $ � \ � � � � r h � 2 � E ; v � � [ 9 & � b � @ � �
� { � � � � � u � n � g � �
& � ` < % � w a p � � � Y � � H � � � c 5 w � X � , l � � M P f 8 F � - � � � � � A � � C J A � + E n � � | � � } a a n � D � > � � 6 ' � � � ? � � U j � � C � � � ) 1 � � ) R � 4 � � � � 8 y � V � x � % 5 � c < � 3 7 � � � � � i � . 7 � � � : � � � V b � �
� ] � � L 4 � � � � � � � | z � ! � + � � d � � � � � � � � � X � ~ � � � � � # � � � � g m � � � ~ � G � �
� d i � 1 � � � � � � � � � ; D � � m � � � � e � � S / c X [ 0 � � : � � � � : � � 3 � � � 8 � � . g ~ �
� j � B l j �
K � I � � � � / f � < K x � O � " ( y � + � � e � � � w x 1 � � � ] � � � T � � u � [ � � � � � � � � t
� � - W � N 3 i � � � � " B � � $ � � q � � � � L _ h K � � J � � � T � � � R � o � � � Z ; � { � . Q � � ) � I � � � � � _ q � ? � A 9 � = | � 6 � t � � � s N � = 7 � o � # � Q � � � � ! H U � � � * k � P � Y * � @ � ' V \ & � � � 9 * R d � ^ � � � � � � � ' Y s � � D � F � � � , � I } u S O % � � � � � ` � $ � � C � H 0 � � � } " ? � � N z q y p p � � � - � � � � � � � � B � � � � h � G � � � � � � � t � T U S f L � � � � � � � G 4 � � � � � � 5 � � � � M b �
� s � ( 2 � � v � � � F � � � � 2 # � ^ / � � � � � ` � � � � M O � � , � � � � P � k � � � � r � e l � � { � z � ^ � � � � � � � k r W 6 J 0 � Z W _ ] m \ � � � � � Z E @ ! Q � � ( v > o = � > � %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' '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 4.0.4
Report-Msgid-Bugs-To: bugs.r-project.org
PO-Revision-Date: 2023-04-14 03:05+0000
Last-Translator: Hugo Gruson <[email protected]>
Language-Team: French <[email protected]>
Language: fr
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
Plural-Forms: nplurals=2; plural=(n > 1);
X-Generator: Poedit 2.4.2
%d facteur, c'est trop pour %d variables %d facteurs, c'est trop pour %d variables %d valeur manquante supprimée %d valeurs manquantes supprimées %d observation effacée parce que manquante %d observations effacées parce que manquantes %d observation avec NA, NaN ou Inf éliminée %d observations avec NA, NaN ou Inf éliminées %s est seulement applicable sur des tables de contingence à deux entrées lien %s non reconnu %s doit être 0 ou 1 %s nécessite le package 'Matrix' correctement installé '%s' ne peut être de mode '%s' 'A' doit être une matrice (array) ou un tableau de données (table) 'ColSideColors' doit être un vecteur de caractères de longueur ncol(x) 'P.values' est TRUE, mais 'has.Pvalue' ne l'est pas 'RowSideColors' doit être un vecteur de caractères de longueur nrow(x) 'T' doit être positif ou nul 'V' n'est pas une matrice carrée numérique 'X' n'est pas un dendrogramme la matrice 'X' a %d cas (ligne) la matrice 'X' a %d cas (lignes) la matrice 'X' est collinéaire 'Y' a %d cas (ligne) 'Y' a %d cas (lignes) 'acf' doit être de longueur deux ou plus 'all.knots' est vrai (TRUE) ; la valeur fournie pour 'nknots' est ignorée 'all.knots' est un vecteur de nœuds ; la valeur fournie pour 'nknots' est ignorée 'alpha', 'beta' et 'gamma' doivent être dans un intervale d'une unité 'anova' n'est définie que pour des suites d'objets "nls" l'objet 'anova' doit avoir des noms de colonnes 'approx' nécessite n >= 1 la partie 'ar' du mopdèle n'est pas stationaire 'bw' n'est pas positive. 'by' doit être une liste 'centers' doit être une matrice numérique 'circular' doit être une valeur logique et pas NA la longueur de 'coef' est incorrecte 'coef' doit être un vecteur 'coef' doit définir un constrate, i.e., sa somme doit être 0 'coef' doit être de la même longueur que 'contrast.obj' 'col.vars' manquant ou incorrect 'conf.level' doit être un nombre compris entre 0 et 1 l'argument 'contrasts.arg' doit être nommé l'argument 'control' doit être une liste nommée 'covmat' n'est pas une liste de covariances correcte 'covmat' est de type inconnu l'argument 'cterms' doit correspondre aux termes de l'objet modèle 'cutpoints' doivent être uniques dans 0 < cuts < 1, mais ils sont = 'cutpoints' doivent être uniques, mais ils sont = 'cv' ne peut être NA lorsque 'df' est spécifié 'data' doit être un data frame, un environnement ou une liste 'data' doit être un tableau de données et non pas une matrice ou un tableau 'data' doit être une liste ou un environnement 'degree' doit être 0, 1 ou 2 'degree' doit valoir au moins 1 'degree' doit être inférieur au nombre de points uniques 'deriv' doit être compris entre 0 et 3 'end' doit être un nombre entier de cycles après 'start' valeur de 'end' inchangée l'argument 'family' ne semble pas être un objet famille correcte 'family' non reconnu 'file' doit être une chaîne de caractères ou une connexion 'filter' est plus long que la série temporelle 'formula' a '.' dans ses deux membres 'formula' manquante 'formula' manquante ou incorrecte 'formula' manquante ou incorrecte 'formula' doit avoir un membre de gauche et un membre de droite 'formula' doit être de la forme réponse ~ groupe 'frequency' et 'deltat' sont tous les deux non NULL et sont incompatibles 'frequency' inchangée 'height' doit être au moins %g, la hauteur maximale de ses composants 'hybrid' est ignoré pour une table 2 x 2 'id.n' doit appartenir à {1,..,%d} 'idvar' doivent identifier les enregistrement de manière unique 'init' n'a pas la bonne longueur 'init' doit avoir %d colonne 'init' doit avoir %d colonnes 'interval' doit être un vecteur de longueur 2 'iter.max' doit être positif 'k' et 'h' doivent être des scalaires 'k' est plus grand que 'n' ! La valeur de 'k' est remplacée par %d 'k' n'est pas un noyau 'k' n'est pas un entier 'k' doit être dans {1, 2, .. n - 1} 'k' doit être impair ! La valeur de 'k' est remplacée par %d 'k' doit être positif 'kernapply' n'est pas disponible pour l'objet 'x' 'lag.max' doit valoir au moins 0 'lag.max' doit valoir au moins 1 tous les 'lengths(varying)' doivent correspondre à 'length(times)' 'logLik.lm' n'est pas implémenté pour les réponses multiples 'low' et 'high' ne peuvent pas être vrais tous les deux simultanément 'lower' et 'upper' doivent être des valeurs finies 'm' est inférieur à 1 'm' doit être numérique et contenir des entiers non négatifs 'main' doit être TRUE, FALSE, NULL or caractère (vecteur). 'margin' doit contenir les noms ou des nombres correspondant à 'table' 'margins' doit être un vecteur numérique de longueur 2 les objets 'mlm' pondérés ne sont pas supportés 'model$order' doit être de longueur 3 'model' doit être une liste 'model.tables' n'est pas implémenté pour les réponses multiples 'mu' doit être un nombre 'mult' doit être un entier >= 2, typiquement = 30 'n' doit être un entier positif >= 'x' 'n' doit être un nombre strictement positif 'n.ahead' doit valoir au moins 1 'newdata' n'a pas de colonnes dont les noms correspondent à des colonnes d'origine 'newdata' n'a pas le bon nombre de colonnes 'newdata' avait %d ligne 'newdata' avait %d lignes 'newdata' doit être une matrice ou un tableau de données 'nknots' doit valoir au moins 1 'nknots' doit être numérique (dans {1, ..., n}) 'nterms' manque, sans valeur par défaut 'object' ne contient pas de composante d'erreur 'qr' 'object' n'a pas de composante 'effects' 'offset' doit être numérique 'or' doit être un nombre positif ou nul 'order' doit être un vecteur numérique positif ou nul de longueur 3 'order.dendrogram' nécessite un dendrogramme 'order.max' doit être < 'n.obs' 'order.max' doit être < 'n.used' 'order.max' doit être >= 0 'order.max' doit être >= 1 'p' doit être un nombre unique entre 0 et 1 'p' doit être compris entre 0 et 0.5 'p' doit avoir la même longueur que 'x' et 'n' 'params' n'a pas la bonne longueur appel à 'plot.stepfun' avec un argument 'x' de type incorrect 'ppr' ne s'applique qu'aux variables numériques 'princomp' ne peut être utilisé que si le nombre d'unités est supérieur au nombre de variables 'print.level' doit appartenir à {0,1,2} 'prob' et 'mu' spécifiés tous les deux 'probs' en dehors de [0,1] 'proj' n'est pas implémenté pour les réponses multiples 'r' est inférieur à 0 'r' est inférieur à 1 'r' doit être un nombre positif 'ratio' doit être un nombre positif 'ref' doit être un niveau existant 'ref' doit être de longueur un 'relevel' n'est utilisable que pour des facteurs (non ordonnés) 'relevel' n'est utilisable que pour des facteurs non ordonnés 'reorder.dendrogram' nécessite un dendrogramme 'row.var.names' manquant 'sampleT' et 'nser' doivent être des entiers 'scale' est en dehors de [0, 1] l'argument 'scores' n'a pas la bonne longueur 'scores' doivent être des nombres tous différents 'se.fit' n'est pas encore implémenté pour des modèles multivariés 'seasonal$order' doit être un vecteur numérique positif ou nul de longueur 3 'seasonal' doit être une liste possédant une composante 'order' 'span' doit être compris entre 0 et 1. 'spar' doit être de longueur 1 'spline' nécessite n >= 1 'start' > 'end' 'start' et 'table' doivent avoir la même longueur 'start' ne peut pas être après 'end' 'start' doit avoir %d ligne 'start' doit avoir %d lignes valeur de 'start' inchangée 'start.innov' est trop court : il faut %d point 'start.innov' est trop court : il faut %d points 'termlabels' doit être un vecteur de caractères de longueur >= 1 'termobj' doit être un objet de classe %s 'ties' n’est pas "ordered", une function, ou une list(<string>, <function>) 'top' doit être un nombre positif et non infini 'trace != 0' nécessite 'REPORT >= 1' un objet 'ts' doit avoir au moins une observation 'type' doit être 1 ou 3 pour les facteurs ordonnés 'variance' "%s" est incorrecte : les valeurs possibles sont "mu(1-mu)", "mu", "mu^2", "mu^3" et "constant" les arguments varying doivent avoir la même longueur 'varying' n'a pas la bonne longueur 'varying' doit appartenir à seq_along(pars) 'varying' doit être logique, entier ou caractère 'varying' doit être une liste ou un vecteur non vide 'weights' comme formule ne peut avoir qu'un seul membre tous les poids ('weights' doivent être des valeurs finies 'weights' doit être un vecteur numérique 'weights' ne peuvent être négatifs 'which' doit être 1:6 'which' ne spécifie aucun facteur 'which' spécifie des variables non facteurs qui seront éliminées 'x' et 'T' n'ont pas la même longueur 'x' et 'g' doivent avoir la même longueur 'x' et 'n' doivent avoir la même longueur 'x' and 'p' doivent avoir le même nombre d'éléments 'x' et 'w' doivent avoir la même longueur 'x' et 'weights' n'ont pas la même longueur 'x' et 'y' doivent avoir au moins 2 niveaux 'x' et 'y' doivent avoir la même longueur 'x' et 'y' doivent avoir le même nombre de niveaux (minimum 2) 'x' contient une valeur manquante 'x' a été arrondi à un entier : %s 'x' contient des valeurs trop grandes pour des entiers 'x' est de rang 0 'x' est une liste, donc l’argument 'g' est ignoré 'x' est vide 'x' n'est pas un noyau 'x' n'est pas un vecteur 'x' n'est pas un vecteur ou une matrice 'x' est plus court que le noyau 'k' 'x' doit avoir au moins 2 éléments 'x' doit être *strictement* croissant (non - NA) 'x' doit être un tableau de dimension 3 'x' doit être une liste à 2 éléments 'x' doit être une matrice 'x' doit être une matrice ou un tableau de données 'x' doit être une matrice numérique 'x' doit être un vecteur numérique 'x' doit être une série temporelle ou un ajustement ar() 'x' doit être un objet "ftable" 'x' doit être compris entre %s et %s 'x' doit être compris entre -1 et 1 'x' doit être compris entre 0 et 1 pour un lissage périodique 'x' doit être une matrice / un tableau de données contenant les coefficients 'x' doit être un entier positif, fini ou nul 'x' doit être positif ou nul 'x' doit être un entier positif ou nul 'x' doit être numérique 'x' doit être carrée avec au moins deux lignes et deux colonnes 'x' ne doit contenir que des valeurs définies 'x' doit avoir au moins une valeur non manquante 'x' doit avoir 2 colonnes 'x' doit avoir au moins 2 lignes et 2 colonnes 'x' doit avoir au moins 2 lignes et colonnes 'x' doit être de longueur >= 1 'x', 'y', et 'z' doivent avoir la même longueur 'xi' n'a pas la bonne longueur 'xreg' et 'newxreg' ont des nombres de colonnes différents 'xreg' est collinéaire 'xy.labels' doit être logique ou caractère 'y' est de rang 0 'y' est manquant pour un test apparié 'y' doit être un vecteur numérique 'y' doit être croissant ou décroissant 'y' doit être numérique 'y' doit être numérique ou une fonction ou bien une chaîne de caractères donnant le nom d'une fonction adéquate 'y' doit être un vecteur numérique 'y' doit être plus long que 'x' de un 'y', 'groups' et 'blocks' doivent avoir la même longueur les facteurs (non ordonnés) ne sont pas autorisés , aucun cas ne contient autre chose que des valeurs manquantes (NA) 0 dans V(mu) AIC vaut -infini pour ce modèle, donc 'step' ne peut poursuivre AIC n'est pas défini pour ce modèle, donc 'step' ne peut poursuivre Les tests F d'ANOVA sur un ajustement pratiquement parfait ne sont pas fiables Hypothèse d'une variance constante des prédictions, bien que le modèle ajusté soit pondéré L’algorithme de barrière a atteint le nombre maximal d'itérations sans avoir convergé Impossible de calculer la p-value exacte avec des ex-aequos L’approximation du Chi-2 est peut-être incorrecte Colv = "Rowv" mais nrow(x) != ncol(x) Envisagez de fournir une méthode as.hclust.%s() Le plan n'est pas équilibré - utilisez se.contrast() pour les erreur-types Le modèle Error() est singulier (bizarre) Le test F implique une famille 'quasi%s' Le test F implique une famille quasi%s La partie MA du modèle est non inversible MLE n'est implémenté que pour des séries univariées NA lev[] ; le paramètre de lissage 'spar' est probablement beaucoup trop grand ! NA non autorisées dans 'd' Les NAs ne sont pas autorisés dans 'groups' ou 'blocks' NA non autorisés NAs dans '%s' NAs dans 'x' L’es Nos dans 'x' doivent être les mêmes selon les lignes NA dans V(mu) NA dans d(mu)/d(eta) Présence de NAs : 'delta' fixé à -1 Aucun p1 trouvé dans [0, p2] pour obtenir la puissance désirée Aucun p2 trouvé dans [p1, 0] pour obtenir la puissance désirée Aucun niveau significatif [0, 1] n’est trouvé pour obtenir la puissance désirée Les nombres 'all.knots' doivent être strictement croissants La fonction objective a diminué dans l'itération externe %d La fonction objective a augmenté dans l'itération externe %d L’ACP ne s'applique qu'à des valeurs numériques Page [%d,%d] : i =%s ; j =%s Les étapes de transfer (quick-TRANSfer stage) ont dépassé le maximum (= %d) Réajustement du modèle pour permettre la projection Requête 'conf.level' impossible à atteindre Les erreur-types pour le type '%s' ne sont pas encore implémentées Erreur-type non retournée car le plan est déséquilibré.
L'erreur-type peut être obtenue grâce à 'se.contrast'. La méthode "ward" a été renommée "ward.D"; notez la nouvelle méthode "ward.D2" Impossible d’analyser le code de la reponse "%s" ; cet usage est obsolète. Utilisez as.name(.) ou `..` ! X ne défini pas un sous-espace de M La matrice X est de rang %d, mais n'a que %d observation La matrice X est de rang %d, mais n'a que %d observations pas de convergence en %d itération pas de convergence en %d itérations une limite est NA ou NaN une formule à deux membres est requise toutes les valeurs de 'x' sont identiques toutes les valeurs de 'x' doivent être positives ou nulles pour ajuster le modèle de croissance de Weibull tous les éléments de 'which' doivent être compris entre 1 et %d toutes les valeurs de 'x' doivent être positives ou nulles et définies tous les groupes doivent contenir des données toutes les observations appartiennent au même groupe tous les paramètres étaient fixés toutes les dates contiennent un NA tous les poids doivent être non négatifs l'alternative doit être "two.sided", "less" or "greater" méthode de classification ambigüe méthode de calcul de distance ambigüe anova n'est définie que pour des suites d'objets "nls" l'argument 'na.action' sera ignoré la longueur de l'argument 'object' est incorrecte l'argument 'sides' doit valoir 1 ou 2 l'argument 'subset' sera ignoré l'argument 'x' ne peut pas être converti automatiquement en objet de classe %s l'argument 'x' doit être numérique l'argument ne contient pas de composante 'qr' l'argument ne contient pas de composante 'effects' les arguments 'r' et 'c' doivent avoir la même somme les arguments doivent avoir la même longueur les arguments doivent avoir la même longueur l'hypothèse d'une variance des prédictions inversement proportionnelle aux poids est utilisée lors de l'ajustement au moins une valeur de 'x' doit être positive tentative de lisser des valeurs NA tentative de lisser des valeurs non numériques tenter une sélection de modèle à partir d'un ajustement pratiquement parfait n'a pas de sens valeur de 'end' incorrecte valeur incorrecte de 'lag' ou 'differences' valeur de 'start' incorrecte la largeur de fenêtre 'k' doit être >=1 et impaire ! nombre de groupe de base en dehors de l'intervalle les biplots ne sont pas définis pour une ACP complexe 'span' et 'enp.target' ont tous deux été spécifiés : 'span' sera utilisé 'x' et 'covmat' fournis tous les deux : 'x' sera ignoré 'x' et 'y' ne peuvent être vides des bornes ne peuvent être fixées que pour la méthode L-BFGS-B (ou Brent) le burn-in 'n.start' doit être aussi long que 'ar + ma' mais seulement %d variable mais seulement %d variables mais la variable trouvée a %d ligne mais les variables trouvées ont %d lignes appel à anova.lm(<faux-objet-lm>) ... appel à predict.lm(<faux-objet-lm>) ... appel à summary.lm(<faux-objet-lm>) ... ci.type="ma" ne peut être utilisé que si le premier décalage vaut 0 impossible de calculer la log-vraisemblance REML pour les objets "nls" impossible de changer la fréquence de %g à %g impossible de calculer l'intervalle de confiance asymptotique ou l'estimateur impossible de calculer un intervalle de confiance avec des observations toutes égales impossible de calculer un intervalle de confiance avec des observations toutes égales ou valant toutes zéro impossible de calculer l'intervalle de confiance, NA est renvoyé impossible de calculer l'estimation, NA est renvoyé impossible de calculer un intervalle de confiance exact avec des ex-aequos impossible de calculer un intervalle de confiance exact avec des zéros impossible de calculer les intervalles de confiance exacts avec des ex-aequos impossible de calculer la p-value exacte avec des ex-aequos impossible de calculer une p-value exacte avec des zéros impossible de calculer la valeur de p simulée avec des marges nulles impossible de créer une formule à partir d'une tableau de données à zéro colonnes impossible de trouver des valeurs initiales correctes : prière d'en fournir impossible d'ajuster un modèle de régression asymptotique a ces données ajustement du modèle impossible sans un niveau ('alpha' ne doit pas être zéro ou FALSE) impossible de gérer 'pairwise.complete.obs' impossible de tracer plus de 10 séries comme "multiple" nom de paramètre inconnu impossible de standardiser une constante/une colonne nulle impossible de réaliser des simulations à l'aide de prior.weights non entiers impossible d'utiliser 'cor=TRUE' avec une variable constante impossible d'utiliser des points dans la formule avec les données indiquées impossible d'utiliser un nombre de noeuds internes supérieur au nombre de valeurs différentes de 'x' la somme des coefficients n'est pas égale à 1 suppression des ex-aequos de 'x' longueur incorrecte pour l'indice d'ordre des colonnes dans le dendrogramme les colonnes de 'contrast.obj' doivent définir un contraste (somme nulle) les colonnes de 'contrast.obj' doivent définir un contraste (somme nulle) les contrastes s'appliquent uniquement aux facteurs les contrastes ne peuvent être appliqués qu'aux facteurs ayant au moins deux niveaux contrastes indéfinis pour %d degrés de liberté problème de convergence dans la recherche de zéro : conversion des valeurs MA initales non inversibles la matrice de covariance contient des valeurs négatives définies probabilité de l'intervalle en dehors des limites [0,1) la validation croisée avec des valeurs de 'x' non uniques paraît douteuse les données sont pratiquement constantes les données ne peuvent être négatives dans un modèle de Holt-Winters multiplicatif les entrées du dendrogramme doivent être 1,2,..,%d (dans n’importe quel ordre), pour être convertible en “hclust” un noeud du dendrogramme a un nombre de branches < 1 un noeud du dendrogramme qui n'est pas une feuille a un nombre de branches < 1 le plan n'est pas balancé et ne peut être utilisé pas de convergence en %d itération pas de convergence en %d itérations impossible d'étendre l'intervalle des points extrêmes pour f(lower) * f(upper) <= 0 dimension 0 dans 'x' ou 'y' les distances doivent provenir de 'dist' ou d'une matrice carrée toutes les dimensions de la table doivent être >= 2 tous les éléments de '%s' doivent être des logiques eff.aovlist : des contrastes non orthogonaux donneraient un résultat incorrect eig=TRUE n’est pas utilisé lorsque list.=FALSE 'k' ou 'h' doivent être spécifiés les éléments de 'k' doivent être compris entre 1 et %d les éléments de 'n' doivent être positifs les éléments de 'p' doivent appartenir à (0,1) les éléments de 'x' doivent être positifs ou nuls les éléments de 'x' ne doivent pas être supérieurs à ceux de 'n' classe vide : essayez un jeu de centres meilleur modèle fourni vide ajustement pratiquement parfait : le résumé n’est peut-être pas fiable un et un seul parmi 'groups', 'n', 'between.var', 'within.var', 'power', and 'sig.level' doit être NULL un et un seul parmi 'n', 'delta', 'sd', 'power', et 'sig.level' doit être NULL un et un seul parmi 'n', 'p1', 'p2', 'power', et 'sig.level' doit être NULL rallongement de la série temporelle au cours du remplacement des valeurs arguments supplémentaires ignorés les valeurs de f() aux points extrêmes ne sont pas de signe opposé f.lower = f(lower) est NA f.upper = f(upper) est NA le facteur %s a un nouveau niveau %s le facteur %s a des nouveaux niveaux %s l'analyse factorielle ne s'applique qu'à des valeurs numériques l'analyse factorielle nécessite au moins trois variables impossible de déterminer les variables dépendant du temps depuis leurs noms famille '%s' non implémentée le premier argument doit être un objet "loess" paramètres d'ajustement %s sans aucune variable paramètres d'ajustement %s sans aucunes variables le calcul de dédéviation nulle n'a pas convergé lors de l'ajustement -- augmentez 'maxit' ? pour la famille '%s', y doit être un vecteur de 0 ou de 1
ou une matrice à 2 colonnes où la col. 1 est le nombre de succès et la col. 2 le nombre d'échecs la formule '%s' doit être de la forme '~expr' formule manquante la fréquence doit être un entier >= 2 pour BSM glm.fit : l'algorithme n'a pas convergé glm.fit : l'algorithme s'est arrêté à la valeur limite glm.fit: des probabilités ont été ajustées numériquement à 0 ou 1 glm.fit: des taux ont été ajustés numériquement à 0 le facteur de regroupement doit avoir exactement 2 niveaux les valeurs estimées ("leverages") sont tous = %s
et il n'y a aucune variable dépendante facteur ; aucun graphe no. 5 si 'x' n'est pas une matrice, 'y' doit être donné si 'x' n'est pas un tableau, 'y' doit être donné si 'x' n'est pas un tableau, 'z' doit être donné les pondération initiales sont ignorées dimensions incompatibles l'ordre de 'ar' spécifié est incohérent l'ordre de 'ma' spécifié est incohérent dimensions incorrectes pour 'xi' la longueur de 'x' est incorrecte 'col.vars' incorrect 'formula' incorrecte 'row.vars' incorrect noms de variables incorrectes dans le membre de gauche de la formule noms de variables incorrectes dans le membre de droite de la formule augmentation de l'intervalle de recherche (%d) bw.SJ() à [%.4g,%.4g] les centres initiaux ne sont pas distincts la valeur initiale ne se trouve pas à l'intérieur de la région admissible boucle interne 1 ; impossible de corriger le pas boucle interne 2 ; impossible de corriger le pas les interactions ne sont pas autorisées 'attr(rhs, "gradient")' incorrect 'SSinit' incorrect 'abbr.colnames' incorrect argument 'control' incorrect 'control.spar' incorrect argument 'data' incorrect argument 'endrule' incorrect argument 'extendInt' incorrect; veuillez envoyer un rapport de bug 'keep.stuff' incorrect objet 'lm' incorrect : pas de composantes 'terms' argument 'method' incorrect 'nb' incorrect 'tree' incorrect (composante 'merge') argument 'use' incorrect 'x' incorrect 'y' incorrect noeud incorrect (longueur 0) dans le dendrogramme incorrect NCOL(X) la valeur de NROW(X) est incorrecte argument 'c' incorrect argument 'cell' incorrect argument 'degree' incorrect argument 'lambda' incorrect argument 'n' incorrect argument 'omit' incorrect argument 'r' incorrect argument 'span' incorrect argument de 'getProfile' incorrect méthode de classification incorrecte dissimilarités incorrectes méthode de calcul de distance incorrecte moyennes ajustées incorrectes dans le modèle vide 'formula' incorrecte formule %s incorrecte formule %s incorrecte : l’assignation est obsolète formule %s incorrecte : un appel externe à `%s` est obsolète formule %s incorrecte : ce n’est pas un appel formule incorrecte dans deriv 'formula' incorrecte : %s méthode d'interpolation incorrecte longueur des membres incorrecte length(x) incorrecte valeurs du prédicteur linéaire incorrectes dans le modèle vide matrice QR du modèle incorrecte ncol(x) incorrect nrow(x) incorrect nombre de points incorrect valeurs des paramètres incorrectes type de réponse incorrecte valeur de %s incorrecte iterTrace = %d n’est pas respecté puisque le nombre d’iterations = %d 'k' doit être compris entre 2 et %d désaccord entre les longueurs dans la convolution la longueur de 'center' doit être égale au nombre de colonnes de 'x' la longueur de 'init' doit être égale à la longueur de 'filter' la longueur de 'p' doit être égale à 1 ou au nombre de colonnes de 'x' la longueur de 'start' devrait être égale à %d et correspondre aux coefs initiaux pour %s la longueur de 'v.names' ne divise pas de manière entière la longueur de 'varying' la longueur de 'varying' doit être le produit des longueurs de 'v.names' et de 'times' la longueur de 'wt' doit être égale au nombre de lignes de 'x' la longueur de FUN, %d,
ne correspond pas à la longueur des marges, %d la longueur des choix doit être 2 les longueurs de 'x' et de 'w' doivent correspondre les longueurs de 'x' et de 'xreg' ne correspondent pas les niveaux ont été réduits aux valeurs positives le lien "%s" n'est pas disponible pour la famille %s ; les liens possibles sont %s l'object lm n'a pas de composante 'qr' adéquate.\n
Rang nul ou appel lm(..., qr=FALSE) inapproprié. argument 'hessian' logique non autorisé. Voyez la documentation. lower < upper n'est pas vérifié la formule inférieure a un terme %s non inclus dans le modèle la formule inférieure a des termes %s non inclus dans le modèle le nombre maximum d'itérations doit être > 0 medpolish() n'a pas convergé en %d itération medpolish() n'a pas convergé en %d itérations method = "Brent" n'est disponible que pour une optimisation unidimensionnelle method = '%s' n'est pas supporté. Utilisation de 'qr' la méthode L-BFGS-B utilise 'factr' (et 'pgtol') au lieu de 'reltol' et 'abstol' midcache() pour des dendrogrammes non binaires n'est implémenté que partiellement le minimum se trouve à une des extrémités de l'intervalle 'x' et 'y' ne correspondent pas observations manquantes supprimées les valeurs manquantes ou infinies ne sont pas autorisées dans les entrées les poids manquants ou négatifs ne sont pas autorisés les valeurs manquantes et les NaN ne sont pas autorisés si 'na.rm' est FALSE valeurs manquantes non autorisées dans 'poly' valeurs manquantes dans 'filter' valeurs manquantes dans l'objet valeurs manquantes non autorisées le tableau du modèle et la formule ne correspondent pas dans model.matrix() tous les modèles n'ont pas été ajustés sur le même nombre d'observations tous les modèles n'ont pas été ajustés à la même taille du jeu de données les modèles avec réponse %s sont enlevés car la réponse diffère du modèle 1 le nombre de centres de classes est supérieur au nombre de points le nombre de centres de classes est supérieur au nombre de points distincts. le cas multivarié avec des coefficients manquant n’est pas implémenté il doit y avoir 2 'symbols' si 'x' est un argument logique il faut au moins 4 observations pour ajuster un modèle 'SSfol' la longueur de response doit être égale à celle du second argument de 'SSfol' il faut n >= 2 objets pour une classification 'x' et 'centers' doivent avoir le même nombre de colonnes il faut spécifier à la fois 'spar' et 'lambda' il faut spécifier 'spans' ou un noyau correct vous devez fournir un ou plusieurs vecteurs na.action doit être une fonction names(hybridPars) doit être NULL ou identiques aux valeurs par défaut il faut au moins deux colonnes marginales il faut au moins deux lignes marginales le package 'SuppDists' de CRAN est nécessaire pour des simulations avec la famille 'inverse.gaussian' il faut un objet avec une composante call il faut au moins 2 points il faut au moins 2 périodes pour calculer les valeurs de départ saisonnières il faut au moins 2 points pour choisir automatiquement la largeur de fenêtre il faut au moins quatre valeurs de 'x' différentes il faut au moins deux valeurs non manquantes pour interpoler il faut un dendrogramme où toutes les feuilles ont une étiquette réponses multiples nécessaires données numériques nécessaires un résultat de smooth.spline(keep.data = TRUE) est nécessaire les valeurs négatives sont interdites pour la famille 'Poisson' les valeurs négatives sont interdites pour la famille 'quasiPoisson' poids négatifs non autorisés ni 'x' ni 'covmat' ne sont fournis aucun attribut "nobs" n'est disponible aucune méhode 'add1' implémentée pour les modèles "mlm" pas de méthode 'as.stepfun' disponible pour 'x' aucune méhode 'drop1' pour les modèles "mlm" impossible de trouver une méthode 'getInitial' pour les objets "%s" pas de méthode 'nobs' disponible aucun attribut 'reshapeWide', il faut spécifier 'varying' les résidus n'ont aucun degré de liberté pas de facteur dans le modèle ajusté aucune observation finie pas de modèle à comparer aucune observation informative à l'itération %d aucun paramètre à ajuster pas de valeur de remplacement fournie pas de lignes à aggréger pas de score disponible : refaites l'ajustement avec 'retx=TRUE' pas de changement de signe après %d itérations pas de solution dans l'intervalle de largeur de fenêtre pas de valeurs initiales fournies pas de valeurs initiales fournies pas de composante 'terms' ni d'attribut aucun terme dans la formule cible aucun terme dans la formule cible à rajouter à l'objet aucune série temporelle fournie impossible de trouver un jeu de coefficients correct : prière de fournir des valeurs initiales le nombre de résidus non manquants ne correspond pas a l'effectif utilisé pour l'ajustement les données autres que des facteurs sont ignorées : %s 'bw' indéfinie 'from' indéfini 'to' indéfini coefficients indéfinis à l'itération %d nombre de succès non entier dans un glm %s ! effectifs non entier dans un glm %s ! séries non recouvrantes sous-arbre de longueur 0 qui n'est pas une feuille un argument de contrastes qui n’est pas une liste est ignoré les valeurs inférieurs ou égales à zéro ne sont pas autorisées pour la famille ‘Gamma' la matrice n'est pas carrée partie AR non stationnaire partie AR non stationnaire dans CSS partie AR saisonnière non stationnaire partie AR saisonnière non stationnaire dans CSS la série n'a pas une longueur correcte objet "smooth.spline" incorrect ce n'est pas une fonction step correcte toutes les séries n'ont pas la même fréquence toutes les séries n'ont pas la même phase ce n'est pas un plan en bloc complet sans répétitions pas assez de données 'x' nombre d'observations 'x' insuffisant pas assez de données 'y' nombre d'observations 'y' insuffisant pas assez d'observations 'x' (définies) pas assez de données nombre de degrés de liberté insuffisant pour définir des contrastes pas assez d'observations non indéfinies pas assez de groupes pas assez d'observations les observations ayant un 'leverage = 0' ne sont pas représentées sur le graphique :
%s n’utilise pas un df correct ; il faut fournir 1 < df <= n := #{unique x} = rien à tabuler le nombre de 'cutpoints' doit être égal au nombre de symboles moins 1 le nombre de 'cutpoints' doit être égal au nombre de symboles plus 1 le nombre de centres de classes doit être compris entre 1 et nrow(x) le nombre de différences doit être un entier positif le nombre de groupes doit être au moins 2 les nombres d'observations de 'x' et de 'y' doivent correspondre. le nombre d'obervations dans chaque groupe doit être au moins 2 le nombre de décalages est %d et il devrait valoir %d (nombre d'observations) le nombre de décalages est %d, il devrait valoir %d (nombre d'observations) le nombre de lignes utilisées a changé : supprimer les valeurs manquantes ? le nombre de séries dans 'object' et 'newdata' ne correspondent pas le nombre de valeurs fournies n'est pas un multiple du nombre de valeurs à remplacer nombre de poids = %d au lieu de %d (nombre de réponses) le nombre de poids doit correspondre au nombre d'observations. les nombres 'all.knots' doivent couvrir [0, 1] (= plage de données transformée) contrastes numérique ou nom de contraste attendu y doit être fourni.
Pour l'estimation de la densité, utilisez density() l'objet '%s' n'a pas de score l'objet doit être de la classe %s ou %s objet non interprétable comme un facteur observations de poids nul non utilisées pour le calcul de l'écart-type observations de poids nul non utilisées les observations de poids nul n'ont pas été utilisées pour le calcul de la dispersion l'optimisation de Nelder-Mead unidimensionnelle est instable :
use "Brent" or optimize() directement mais seulement %d cas mais seulement %d cas seulement %d des premières %d valeurs propres sont positives pas plus de 4 prédicteurs autorisés implémenté seulement pour les séries temporelles univariées seul le remplacement d'éléments est autorisé seules les séries univariées sont autorisées difficultés d'optimisation : %s échec d'optimisation l'option "show.coef.Pvalues" est incorrecte : TRUE est supposé l'option "show.signif.stars" est incorrecte : TRUE est supposée les polynômes orthogonaux ne peuvent pas être évalués avec une précision suffisante pour %d degrés de liberté les valeurs p seront approximées en présence d'ex-aequos le paramètre %s n'apparaît pas dans la formule du modèle les paramètres %s n'apparaîssent pas dans la formule du modèle des paramètres n'ont pas de valeurs initiales dans 'data' : %s le regroupement des SD est incompatible avec les tests appariés seules les valeurs positives sont autorisées pour la famille 'inverse.gaussian' problème de convergence possible : 'optim' renvoie un code = %d et un message %s problème de convergence possible : optim renvoie un code = %d les prédictions sur les données actuelles se réfèrent à des réponses _futures_ les prédicteurs doivent tous être numériques les probabilités doivent être non infinies, non négatives, et ne peuvent pas toutes être nulles les probabilités doivent être positives ou nulles. la somme des probabilités doit être égale à 1. lisez la documentation de 'trace' plus soigneusement ref = %d doit appartenir à 1L:%d requête conf.level impossible à atteindre scores demandés sans matrice 'x' les degrés de liberté résiduels de l'objet suggère que ce n'est pas un ajustement "lm" les résidus sont de rang %d < %d les résidus sont de rang %s < %s réponse non autorisée dans la formule longueur incorrecte pour l'indice d'ordre des lignes dans le dendrogramme la taille des échantillons dans chaque strate doit être > 1 la taille de l'échantillon doit être comprise entre 3 et 5000 la position des échantillons diffère : impossible de calculer l'intervalle de confiance, NA est renvoyé les nuages de points ne sont que pour les séries temporelles univariées la formule cible n'est pas un sous-ensemble des étiquettes de termes du modèle la partie MA saisonnière du modèle est non inversible la série est incorrecte, pas d'attribut 'tsp' la série est incorrecte : longeur %d mais avec un 'tps' qui implique %d observations la série n'est pas périodique ou elle a moins de deux périodes setVarying : la longueur de 'vary' ne correspond pas à la longueur des paramètres df fixé à 1 __à utiliser avec prudence !__ 'simulate' n'est pas encore implémenté pour des modèles lm() multivariés matrice de contrastes singulière ajustement singulier rencontré matrice de gradient singulière pour les estimations initiales des paramètres singularités dans la régression size != sum(x), donc l'un des deux est faux la taille ne peut être NA et ne peut excéder 65536 certains des paramètres AR etaient fixés : transform.pars = FALSE certains paramètre ARMA étaient fixés : transform.pars = FALSE certaines variables constantes (%s) varient certains éléments de 'x' sont non numériques et seront convertis en nombres certains termes auront des NAs du fait des limites de la méthode certains poids doivent être positifs tous les prédicteurs spécifiés sont paramétriques le carré d'un facteur prédicteur à ignorer a été spécifié, alors que le degré = 1 le carré d'un prédicteur à ignorer a été spécifié, alors qu'il n'y a qu'un prédicteur spécifiez 'rate' ou 'scale', mais pas les deux en même temps spécifiez seulement 'k' ou 'h' spécifiez seulement 'which' ou 'x' spline : la première et la dernière valeurs de y diffèrent - y[1L] utilisé pour les deux spline : la première et la dernière valeurs de y diffèrent - y[1] utilisé pour les deux le pas a été tronqué à cause de la divergence le pas a été tronqué : hors limites stepfun : 'x' doit être rangé par ordre croissant sum(weights) != 1 -- vous n'obtiendrez pas réellement une densité de probabilité fournir 'x' et 'y' ou bien 'x' en matrice la tableau 'x' doit compter deux entrées la composante 'height' de 'tree' n'est pas triée (par ordre croissant) l'argument 'se.fit' n'est pas encore implémenté pour les objets "mlm" l'argument 'split' doit être une liste le cas k > 2 n'est pas implémenté le contraste défini est vide (il n'a aucun élément TRUE) la première valeur de la série temporelle ne peut pas être manquante les arguments de 'anova.glm' suivants sont incorrects et ignorés : la série ne contient que des NAs il y a %d terme d'erreur : un seul est autorisé il y a %d termes d'erreur : un seul est autorisé il y a des enregistrements avec des dates manquantes, qui seront ignorés. il doit y avoir au moins 2 observations dans chaque groupe cet ajustement n'hérite pas de la classe "lm" la série temporelle contient des NA internes la série temporelle a moins de 2 périodes les dates à remplacer ne correspondent pas trop peu de cas i avec h_ij > 0), n < k trop peu de valeurs distinctes en entrée pour ajuster le modèle de Michaelis-Menten trop peu de valeurs distinctes en entrée pour ajuster le modèle biexponentiel trop peu de valeurs distinctes en entrée pour ajuster un modèle logistique à quatre paramètres trop peu de valeurs distinctes en entrée pour ajuster un modèle logistique le nombre de valeurs distinctes en entrée est trop faible pour ajuster un modèle de régression asymptotique trop peu de valeurs distinctes en entrée pour ajuster le modèle 'asympOff' trop peu de valeurs distinctes en entrée pour ajuster le modèle 'asympOrig' trop peu de valeurs distinctes en entrée pour ajuster le modèle de Gompertz trop peu de valeurs distinctes en entrée pour ajuster le modèle de croissance de Weibull trop peu de groupes trop peu d'observations non manquantes trop peu d'observations pour ajuster un modèle de régression asymptotique trop de valeurs de remplacement fournies les paramètres ARMA tranformés étaient fixés le type '%s' n'est pas encore implémenté type = "partial" n'est pas encore implémenté optimisation impossible à partir de la valeur initiale optimisation impossible à partir de ces valeurs initiales nombre de lignes inégaux dans 'cancor' séries temporelles univariées seulement règle de choix de la largeur de fenêtre inconnue nom %s inconnu dans la liste 'split' noms %s inconnus dans la liste 'split' nom de noyau inconnu noms inconnus dans le contrôle : chaîne inconnue pour s.window élément de contrôle non reconnu nommé %s ignoré éléments de contrôle non reconnus nommés %s ignorés limites hautes et basses ignorées, à moins d'utiliser l'algorithme "port" la formule inférieure a un terme %s non inclus dans le modèle la formule inférieure a des termes %s non inclus dans le modèle à utiliser seulement pour des objets "lm" l'utilisation d'un test F avec une famille '%s' n'est pas appropriée l'utilisation d'un test F avec un facteur de dispersion fixe n'est pas appropriée utilisation de %d/%d ligne d'un ajustement combiné utilisation des %d/%d lignes d'un ajustement combiné l'utilisation de type="numeric" avec une réponse de type facteur sera ignorée utilisation des pondérations comme variances inverses utilisation des pondérations comme paramètres de forme la valeur de 'epsilon' doit être > 0 la variable %s est absente, son contraste sera ignoré la variable '%s' n'est pas un facteur la variable '%s' a été ajustée avec le type "%s" mais le type "%s" a été fourni les variables %s ont été spécifiées avec des types différents de ceux de l'ajustement les pondérations ne sont pas supportées dans des ajustements aov() à plusieurs strates les poids doivent être positifs ou nuls et de somme non nulle dimension d'inclusion incorrecte k / cs.ind incorrect longueur de 'fixed' incorrecte méthode incorrecte le nombre de colonnes de 'x' est incorrect le nombre de colonnes des nouvelles données est incorrect : nombre de lignes de la matrice de contrastes incorrect x n'est pas un vecteur ni une série temporelle univariée x$lag doit avoir au moins une colonne x.ret=TRUE n’est pas pris en compte lorsque list.=FALSE x[] et prob[] doivent être des vecteur de même longueur. y est vide ou ne contient que des NA les valeurs de y doivent être 0 <= y <= 1 zéro points non NA séries de variance nulle