File: C:/Program Files/R/R-4.4.0/library/translations/it/LC_MESSAGES/R-stats.mo
�� ! $ - ,2 �B O �B 2 1C T dC ] �C ! D 9D PD - bD �D �D �D �D < E + FE < rE �E " �E �E ; F >F - WF # �F : �F E �F < *G 6 gG ! �G �G $ �G �G H & (H % OH ' uH �H - �H . �H I ! 2I 4 TI & �I ' �I ' �I J 2 J 5 OJ % �J * �J 1 �J 5 K ' >K fK �K 2 �K �K 4 �K %L 7 =L uL / �L # �L 3 �L M 'M FM 2 cM 0 �M ? �M N B N % bN �N & �N �N ; �N ' %O MO iO + �O �O �O �O $ �O "P + 7P cP �P 1 �P / �P $ �P ) $Q NQ . aQ 7 �Q ? �Q . R , 7R ! dR �R 8 �R �R + �R % S CS aS R ~S 5 �S * T ( 2T [T & wT # �T 1 �T # �T U . 1U 9 `U ( �U �U �U V V + 2V ^V , |V �V 5 �V ) �V : #W ^W W �W 0 �W �W �W $ X ( 0X YX yX & �X $ �X * �X Y $ $Y IY ( cY & �Y 4 �Y B �Y 0 +Z \Z |Z �Z �Z ' �Z �Z 2 [ 9[ T S[ > �[ & �[ B \ * Q\ |\ . �\ ) �\ _ �\ + V] �] $ �] / �] ) �] ( ^ E^ " b^ �^ �^ �^ 8 �^ $ _ % 6_ % \_ 1 �_ % �_ % �_ ' ` % (` ; N` �` # �` ' �` �` ' a )a 6a Ja ^a |a ! �a , �a ! �a + b 8b $ Mb rb �b ( �b �b �b c / /c ) _c , �c �c # �c �c 5 d # =d * ad �d + �d ) �d �d + e # @e 6 de �e ( �e �e �e f $ #f Hf E \f �f �f 4 �f # g 6g 8g Ig 9 Ug ; �g : �g G h < Nh & �h * �h $ �h + i 1 .i `i zi �i " �i * �i < j Cj , `j �j �j
�j $ �j �j �j " �j : !k : \k F �k / �k 2 l 2 Al ' tl �l �l 2 �l # �l # m ) ?m x im B �m H %n ! nn \ �n @ �n .o Co co C �o 0 �o 1 �o 'p & Dp kp �p " �p 4 �p �p q 4 +q $ `q * �q �q �q �q -
r ! 8r * Zr > �r �r �r * s 0 +s - \s �s # �s O �s * t It $ et D �t �t $ �t u # u " Bu ' eu ; �u 8 �u " v 7 %v . ]v �v > �v & �v ( w ( <w + ew 6 �w % �w 5 �w A $x I fx + �x % �x 2 y 4 5y 3 jy & �y ( �y 4 �y 5 #z 6 Yz 7 �z @ �z % { - /{ ]{ 6 }{ . �{ 0 �{ * | 2 ?| r| �| 5 �| > �| = $} L b} �} > �} ~ 6 /~ / f~ $ �~ + �~ . �~ ' : > y 5 � P � - � 6 L� & �� B �� M � ;� 5 U� $ �� $ �� D Ձ ( � # C� ( g� �� �� # ҂ 5 �� 2 ,� _� 2 t� ` �� H � E Q� + �� Ä - ݄ � $� 6 =� 3 t� 1 �� 7 څ � ' .� V V� L �� � �� ( {� 4 �� ه 1 � # � , ?� 9 l� , �� * ӈ V �� ) U� ) � ) �� Ӊ ۉ � (
� ( 3� \� z� & �� % �� & ߊ * � * 1� 6 \� �� ; �� & � & � >� [� |� �� �� �� � "
� -� * B� m� �� " �� �� ڍ % � � � ,� A� Y� s� �� �� �� ώ � � � 4� L� # d� �� �� , �� 9 ؏ � 1� J� ^� {� �� . �� � �� � '� @� V� 2 j� �� �� : ב . � = A� H � > Ȓ T � 3 \� @ �� ѓ ! � & � ( 6� = _� e �� ; � ?� \ _� . �� ( � Z � C o� * �� K ޖ < *� ( g� �� �� 4 ė ' �� 8 !� ( Z� �� �� �� 2 Ҙ < � 6 B� E y� % �� / � B � . X� 9 �� C �� # � 5 )� ) _� & �� �� Л A � ( /� % X� O ~� " Μ � 8
� : F� $ �� . �� - ՝ � � . -� 4 \� 9 �� ˞ ! �
� - +� ( Y� " �� - �� ӟ 2 � # $� H� g� ~� + �� �� Ԡ � / � % 8� 0 ^� �� �� ȡ � & �� "� J :� ; �� �� ٢ � �� ' � # 3� W� w� �� # �� 6 У � � 0� P� ( p� ) �� " ä � & � " '� ) J� t� �� �� �� ) ԥ �� 1 � @� _� q� 1 �� < �� �� = � = J� 8 �� 0 �� # � 1 � 7 H� @ �� A �� 9 � 7 =� V u� < ̩ 4 � C >� + �� @ �� � � $ *� E O� $ �� A �� ] �� Z� + u� �� + �� ' � " � 8� V� 4 k� 4 �� X խ 3 .� ` b� / î / � B #� C f� 2 �� 7 ݯ � 8 4� # m� �� 1 �� � # �� & � E E� �� �� ñ 2 � ' � & >� G e� - �� $ ۲ + � * ,� 3 W� 3 �� : �� " �� 7 � U� n� 7 �� �� ! ۴ " �� = � ? ^� / �� C ε 8 � K� ' k� H �� Q ܶ & .� " U� & x� = �� < ݷ % � " @� ) c� / �� , �� � =
� > H� # �� �� 4 ˹ 6 � ? 7� w� W �� < � 3 &� # Z� ! ~� ) �� ! ʻ % � = � 4 P� > �� 5 ļ C �� 9 >� : x� 7 �� = � )� 8� : Y� $ �� & �� � ' � Y )� " �� �� ¿ H ٿ "� 7� ! Q� \ s� 8 � \ � f� 0 �� 5 �� P � = 9� " w� ! �� �� 5 �� � B /� = r� 5 �� - �� � .� ?� X� e� $ �� $ �� + �� ! �� * � % G� , m� �� �� �� �� � �� M �� 9 �� l � W �� ' �� � � : -� & h� ( �� " �� % �� G � ( I� G r� �� ( �� �� B � ]� * z� ( �� > �� L
� > Z� 6 �� % �� �� , � <� O� , i� % �� # �� �� 4 �� 7 2� j� $ �� + �� / �� 3 � . @� o� F �� = �� , � 1 A� 8 s� ; �� ) �� � /� 6 L� �� 7 �� �� ? �� 5� < O� ' �� ) �� �� �� � C -� : q� B �� �� E � * N� y� 1 �� �� = �� / &� V� u� / �� �� �� # �� , � =� - U� �� �� ? �� * �� / *� - Z� �� 2 �� = �� > � 7 K� * �� ' �� �� 8 �� ,� 2 K� ( ~� $ �� �� Z �� . E� * t� 0 �� �� * �� ( � 3 A� ' u� �� * �� B �� + (� T� ! u� �� �� * �� �� / � E� ; d� + �� F �� # � " 7� Z� - n� �� �� ) �� % �� % � 8� ) X� ' �� . �� �� ' �� � ) -� + W� > �� K �� 6 � E� b� �� �� 2 �� ! �� 6 � 8� c W� E �� , � J .� / y� # �� 1 �� , �� a ,� 8 �� �� ' �� 9 � 5 I� 1 � $ �� ( �� ! �� !� ! ;� ? ]� ' �� * �� * �� 3 � * O� ) z� ) �� * �� > �� 8� ' U� E }� �� 6 �� � � +� # A� " e� �� 0 �� ( �� . � 2� * M� # x� " �� 2 �� " �� � 0� - J� 1 x� , �� �� % �� � 6 1� % h� + �� �� ) �� ' �� %� / C� s� 8 �� �� - �� � & � " E� & h� �� R �� " �� . � 9 L� ) �� �� ��
�� G �� J � L `� ` �� ? � 8 N� : �� # �� 3 �� C � ^� ' ~� % �� * �� / �� G '� # o� % �� �� �� �� * �� � "� + 5� I a� I �� ` �� 9 V� 6 �� 6 � ) �� (� E� B O� 1 �� 1 � + �� � "� I �� Z � # a� c �� E � /� $ E� ! j� [ �� 6 � : � $ Z� . � �� � , � 8 � P� j� 4 �� & �� / � # � # 2� $ V� 8 {� # �� 7 � ? � & P� # w� % �� * �� 6 � . #� . R� n �� - � ! � + @� W l� � * � ( $ ! M ( o < � 1 � * H 2 = { � F � ' ) H ) r 4 � E � 1 J I p � | G � 6 � N R P N � = � < 0 ? m F � L � M A S � ) � 2
+ @ N l 5 � C � C 5 9 y � � U � H I
J �
` �
0 > M o " � > � / + O 1 { 5 � % � :
! D
D f
m �
2 @ L 3 � ; � O � M G g / � ' � D ' L % t , � * � * � - B K A � " � P � _ D G � D � A 1 s 1 � � � C � > 4 2 s O � � 0 f F X � � + � H � 4 % ! Z 4 | K � @ � 7 > _ v . � 0 / 6 f o � 0 � - � " ) = & g ) � @ � > � @ 8 # y K � @ � A * l " � � � � � 3 . R � 4 � � � & � # > M . \ � � � � � " ; W p $ � � � � � 1 J ] 2 s ? � * � ! -! # D! h! �! : �! �! �! " " 4" T" p" < �" �" - �" D # ? P# F �# Y �# L 1$ g ~$ > �$ N %% $ t% 6 �% , �% ( �% N && n u& C �& (' q E' ; �' - �' S !( J u( & �( N �( E 6) 0 |) �) �) 7 �) ( !* : J* * �* �* �* �* 9
+ G D+ A �+ Y �+ (, >, H _, 4 �, ? �, V - . t- 8 �- & �- & . *. ! E. B g. - �. + �. \ / - a/ �/ J �/ @ �/ , 20 4 _0 @ �0 ! �0 �0 9 1 < J1 A �1 �1 �1 * 2 3 .2 . b2 ' �2 @ �2 �2 : 3 V3 ! v3 �3 �3 3 �3 " 4 )4 J4 0 j4 ' �4 7 �4 " �4 5 & :5 a5 - u5 �5 Z �5 Q 6 n6 �6 �6 �6 * �6 " �6 " 7 *7 ) C7 & m7 > �7 �7 �7 8 # !8 * E8 + p8 " �8 $ �8 , �8 ' 9 2 99 l9 ) �9 �9 " �9 - �9 : B (: * k: �: # �: 8 �: H ; Q; B c; B �; : �; 8 $< ( ]< B �< < �< I = G P= ? �= : �= { > @ �> @ �> P ? - b? ^ �? ' �? & @ & >@ Q e@ ) �@ M �@ q /A �A < �A �A 4 B . IB " xB ! �B �B 6 �B 6 C h BC 5 �C t �C - VD 8 �D F �D Q E @ VE D �E ) �E @ F + GF % sF 6 �F �F 1 �F 0 G _ PG �G �G �G R H 7 _H . �H k �H 7 2I 8 jI 5 �I + �I : J 2 @J O sJ ' �J > �J *K IK ? YK �K / �K 9 �K F "L H iL : �L I �L > 7M & vM . �M Q �M [ N * zN ) �N & �N U �N T LO 3 �O ) �O 4 �O 3 4P 5 hP % �P < �P C Q ( EQ ! nQ 5 �Q : �Q @ R & BR T iR = �R 3 �R & 0S * WS . �S ( �S ! �S M �S D JT L �T F �T V #U G zU H �U E V P QV �V , �V P �V # 4W ) XW ! �W + �W m �W ( >X # gX �X O �X �X Y & 2Y e YY < �Y q �Y nZ ; �Z ? �Z \ [ F c[ ( �[ * �[ % �[ 9 $\ # ^\ L �\ K �\ ? ] 2 [] " �] �] �] �] " �] + ^ 4 C^ ) x^ ! �^ ) �^ , �^ @ _ \_ ' {_ �_ �_ � � � � � x ? G � � 7 � - � � F N � � e T b ; ^ �
W � m � 5 � 4 � M s 3 � x i P � ] � � @ q [ � 8 � � � � � � � } � ` e s . � " � � � � � x � � � � � � i � | L ^ R � 1 1 � � � B z � R � , # � � N p � q S � � � l o � h � > � Y � , v [ � � � � � � q � � � � � � B Q � � � � S w � � K ! � � � C � + / � ) � ` G � � � 0 � < � � � < : � / � ~ \ � � � � � � 2 $ K � $ j � � " , 3 � � � � � � J � � � � � � � * ' � � W & u � � � � � � 9 y � � # w � � � V % � � X ] p � � � � L � � M � � | � k � � � � r ; � i � % � � [ � E � ( � � l � � � � � r � � � ? � 6 y t z �
b < 9 S � � ( � � � : � � � � Z � � F � � % � H t > � � � Y � { a � � \ � � � � � � d � j & � 6 P � | � 7 � � � ) � � D Z + � I h � � / X t � � � � v � ' 4 � � � E � � f n = � � l � U � � ! u � W N � g 4 = a � � � � A � 2 � � � � � � n � P � O 9 � F } H Q � � � � r k f � � � � � � � _ � A . � � � C � � � ~ o � b � ( � � ^
U 0 ! o � ; ~ � � j H � J V � � m � � � � U � � � � L � � p � � k * � � � I � � ` � � � J u � _ A � � 5 G � V T I � ? � � " 3 � � � � D c 5 O Y R � = 2 � � & � � � � � � � � � \ � � B � � � � � - Z � � � � � � � � - e � � � � ! � �
� � @ f � � _ � � v � �
� � �
� h � Q � � � � � � � � C
� X � . � � w � O g � { m K � $ 1 � z { 8 � d � � � D ' � � � ) 7 + � 0 � a # � � � � c � � c � � : T @ y � � � d � � � � n �
} � � � ] M � � 8 g � 6 > � s E � � * %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 a character string '%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' is not a probability '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 Parameter(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 'p' must be numeric argument 'q' must be numeric argument 'sides' must be 1 or 2 argument 'sizes' must be a vector of length 2 argument 'subset' will be ignored argument 'x' cannot be coerced to class %s argument 'x' is missing -- it has been renamed from 'formula' argument 'x' must be a formula 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) computation of exact probability failed, returning Monte Carlo approximation contrasts apply only to factors contrasts can be applied only to factors with 2 or more levels contrasts dropped from factor %s contrasts dropped from factor %s due to missing 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 'x' must have both left and right hand sides 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 ignored 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 arguments 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 lower-rank qr: determining non-estimable cases 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[1] != r[1]; using x[1] for diagonal 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-4-3-BRANCH
Report-Msgid-Bugs-To: bugs.r-project.org
PO-Revision-Date: 2023-01-19 18:34+0100
Last-Translator: Daniele Medri <[email protected]>
Language-Team: Italian https://github.com/dmedri/R-italian-lang
Language: it
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 3.2.2
%d fattore è troppo per %d variabili %d fattori sono troppi per %d variabili eliminato %d valore mancante eliminati %d valori mancanti %d osservazione eliminata a causa di un valore mancante %d osservazioni eliminate a causa di valori mancanti %d osservazione con NA, NaN o Inf eliminato %d osservazioni con NA, NaN o Inf eliminati %s si applica solo su tabelle a due vie %s link non riconosciuto %s dev'essere 0 o 1 %s richiede il pacchetto 'Matrix' correttamente installato '%s' non può essere in modalità '%s' '%s' dev'essere una stringa di caratteri '%s' dev'essere numerico in [0, 1] 'A' dev'essere un array o una tabella 'ColSideColors' dev'essere un vettore di caratteri di lunghezza ncol(x) 'P.values' è TRUE, but non 'has.Pvalue' 'RowSideColors' dev'essere un vettore di caratteri di lunghezza nrow(x) 'T' non dev'essere negativo 'V' non è una matrice quadrata numerica 'X' non è un dendrogramma la matrice 'X' ha %d caso (riga) la matrice 'X' ha %d casi (righe) la matrice 'X' è collineare 'Y' ha %d caso (row) 'Y' ha %d casi (rows) 'acf' dev'essere di lunghezza due o più 'all.knots' è TRUE; la specificazione di 'nknots' è ignorata 'all.knots' è un vettore di nodi; la specificazione di 'nknots' è ignorata 'alpha', 'beta' e 'gamma' devono essere nell'intervallo unità 'anova' definita solo per successioni di oggetti "nls" l'oggetto 'anova' deve avere colnames 'approx' richiede n >= 1 la parte 'ar' del modello non è stazionaria 'bw' non positivo. 'by' dev'essere una lista 'centers' dev'essere un numero o una matrice 'circular' dev'essere logico e non NA 'coef' non ha la lunghezza corretta 'coef' dev'essere un vettore 'coef' deve definire un contrasto, e.g., sommare a 0 'coef' deve avere la stessa lunghezza di 'contrast.obj' 'col.var' assente o non corretto 'conf.level' non è una probabilità 'conf.level' dev'essere un numero tra 0 e 1 l'argomento 'contrasts.arg' dev'essere nominato l'argomento 'control' dev'essere una lista nominata 'covmat' non è una lista di covarianze valida 'covmat' è di tipo sconosciuto l'argomento 'cterms' deve corrispondere i termini nell'oggetto modello 'cutpoints' devono essere distinti in 0 < cuts < 1, ma sono = 'cutpoints' devono essere distinti, ma sono= 'cv' non dev'essere NA quando 'df' è specificato 'data' dev'essere un data.frame, un ambiente o una lista 'data' dev'essere un data.frame, non una matrice o un array 'data' dev'essere una lista o un ambiente 'degree' dev'essere 0, 1 o 2 'degree' dev'essere almeno 1 'degree' dev'essere inferiore al numero di punti unici 'deriv' dev'essere tra 0 e 3 'end' dev'essere un numero intero di cicli dopo 'start' valore di 'end' non cambiato l'argomento 'family' non sembra essere un oggetto family valido 'family' non riconosciuta 'file' dev'essere una stringa di caratteri o una connessione 'filter' più lungo della serie storica 'formula' contiene '.' su entrambi i lati 'formula' assente 'formula' assente o sbagliata 'formula' assente o non valida 'formula' deve avere sia il membro di destra che quello di sinistra la 'formula' dovrebbe essere nella forma risposta ~ gruppo 'frequency' e 'deltat' sono entrambi non NULL e sono inconsistenti 'frequency' non cambiata 'height' dev'essere almeno %g, la massima altezza dei suoi componenti 'hybrid' è ignorato per una tabella 2 x 2 'id.n' dev'essere in {1,..,%d} 'idvar' deve identificare univocamente dei record 'init' ha lunghezza sbagliata 'init' deve avere %d colonna 'init' deve avere 1 o %d colonne 'interval' dev'essere un vettore di lunghezza 2 'iter.max' dev'essere positivo 'k' e 'h' devono essere scalari 'k' è più grande di 'n'! Cambio di 'k' in %d 'k' non è un kernel 'k' non è intero 'k' dev'essere in {1, 2, .. n - 1} 'k' dev'essere dispari! Cambio di 'k' in %d 'k' dev'essere positivo 'kernapply' non disponibile per l'oggetto 'x' 'lag.max' dev'essere almeno 0 'lag.max' dev'essere almeno 1 'lengths(varying)' devono corrispondere tutte a 'length(times)' 'logLik.lm' non supporta risposte multiple 'low' e 'high' non possono essere entrambe TRUE 'lower' e 'upper' devono essere valori finiti 'm' è minore di 1 'm' dev'essere un numerico con interi non-negativi 'main' dev'essere TRUE, FALSE, NULL o un (vettore) character. 'margin' deve contenere nomi o numeri corrispondenti a 'table' 'margins' dev'essere un vettore numerico di lunghezza 2 oggetti 'mlm' con pesi non sono supportati 'model$order' dev'essere di lunghezza 3 'model' dev'essere una lista 'model.tables' non è implementato per risposte multiple 'mu' dev'essere un solo numero 'mult' dev'essere un intero >= 2, normalmente = 30 'n' dev'essere un intero positivo >= 'x' 'n' dev'essere strettamente positivo 'n.ahead' dev'essere almeno 1 'newdata' non ha colonne nominate corrispondenti con una o più colonne dei dati originari 'newdata' ha un numero di colonne non corretto 'newdata' ha %d riga 'newdata' ha %d righe 'newdata' dev'essere una matrice o un data frame 'nknots' dev'essere almeno 1 'nknots' dev'essere numerico (in {1,..,n}) 'nterms' assente senza valore di default 'object' non contiene una componente di errore 'qr' 'object' non ha la componente 'effects' 'offset' dev'essere numerico 'or' dev'essere un solo numero tra 0 e Inf 'order' dev'essere un vettore numerico non negativo di lunghezza 3 'order.dendrogram' richiede un dendrogramma 'order.max' dev'essere < 'n.obs' 'order.max' dev'essere < 'n.used' 'order.max' dev'essere >= 0 'order.max' dev'essere >= 1 'p' dev'essere un singolo numero tra 0 e 1 'p' dev'essere tra 0 e 0.5 'p' deve avere la stessa lunghezza di 'x' e 'n' 'parms' ha lunghezza sbagliata 'plot.stepfun' chiamata con argomento 'x' di tipo sbagliato 'ppr' si applica solo a variabili numeriche 'princomp' si può usare solo quando ci sono più unità che variabili 'print-level' dev'essere in {0,1,2} 'prob' e 'mu' specificate entrambi 'probs' oltre [0,1] 'proj' non implementata per risposte multiple 'r' è minori di 0 'r' è minori di 1 'r' dev'essere un singolo numero positivo 'ratio' dev'essere un numero positivo 'ref' dev'essere un livello esistente 'ref' dev'essere di lunghezza 1 'relevel' solo per fattori (non ordinati) 'relevel' solo per fattori non ordinati 'reorder.dendrogram' richiede una dendrogramma 'row.var.names' assente 'sampleT' e 'nser' devono essere interi 'scale' oltre [0,1] argomento 'scores' di lunghezza sbagliata 'scores' devono essere numeri tutti diversi 'se.fit' non ancora implementato per modelli multidimensionali 'seasonal$order' dev'essere un vettore numerico non negativo di lunghezza 3 'seasonal' dev'essere una lista con componente 'order' 'span' dev'essere tra 0 e 1. 'spar' dev'essere di lunghezza 1 'spline' richiede n >= 1 'start' > 'end' 'start' e 'table' devono avere la stessa lunghezza 'start' no può essere dopo 'end' 'start' deve avere %d riga 'start' deve avere %d righe valore di 'start' non cambiato 'start.innov' è troppo corto: richiesto %d punto 'start.innov' è troppo corto: richiesti %d punti 'termlabels' dev'essere un vettore di caratteri almeno di lunghezza 1 'termobj' dev'essere un oggetto di classe %s 'ties' non è "ordinato", una funzione o una lista (<stringa>, <funzione>) 'tol' dev'essere strettamente positivo e finito 'trace != 0' richiede 'REPORT >= 1' l'oggetto 'ts' deve avere una o più osservazioni 'type' dev'essere 1 o 3 per fattori ordinati 'variance' "%s" non valida: i valori possibili sono "mu(1-mu)", "mu", "mu^2", "mu^3" e "constant" gli argomenti 'varying' devono avere la stessa lunghezza 'varying' di lughezza sbagliata 'varying' dev'essere in seq_along(pars) 'varying' dev'essere di tipo logical, integer o character 'varying' dev'essere una lista o un vettore non-vuoto 'weights' come formula dovrebbe essere su un lato 'weights' devono essere tutti finiti 'weights' dev'essere un vettore numerico 'weights' non dev'essere negativo 'which' dev'essere in 1:6 'which' non ha specificato factor 'which' ha specificato alcuni non-factor che verranno eliminati 'x' e 'T' hanno lunghezze incompatibili 'x' e 'g' devono avere la stessa lunghezza 'x' e 'n' devono avere la stessa lunghezza 'x' e 'p' devono avere lo stesso numero di elementi 'x' e 'w' devono avere la stessa lunghezza 'x' e 'weights' hanno lunghezze diseguali 'x' e 'y' devono avere almeno due livelli 'x' e 'y' devono avere la stessa lunghezza 'x' e 'y' deovono avere lo stesso numero di livelli (minimo 2) 'x' contiene valori mancanti 'x' è stata arrotondata all'intero: %s 'x' contiene elementi troppo grandi per essere utilizzati con integer 'x' ha rango 0 'x' è una lista, perciò si ignorerà l'argomento 'g' 'x' è vuota 'x' non è un kernel 'x' non è un vettore 'x' non è un vettore o una matrice 'x' è più piccolo del kernel 'k' 'x' deve avere almeno 2 elementi 'x' dev'essere strettamente crescente (non - NA) 'x' dev'essere un array tri-dimensionale 'x' dev'essere una lista con almeno 2 elementi 'x' dev'essere una matrice 'x' dev'essere una matrice o un data frame 'x' dev'essere una matrice numerica 'x' dev'essere un vettore numerico 'x' dev'essere una serie storica o un ar() stimato 'x' dev'essere un oggetto "ftable" 'x' dev'essere tra %s e %s 'x' dev'essere tra -1 e 1 'x' dev'essere tra 0 e 1 per smooth periodici 'x' dev'essere una matrice coefficient/data frame 'x' dev'essere finito, non negativo e intero 'x' dev'essere non negativo 'x' dev'essere un intero non negativo 'x' dev'essere numerico 'x' dev'essere quadrata con almeno due righe e colonne 'x' deve contenere solo valori finiti 'x' deve avere 1 o più valori non-mancanti 'x' deve avere 2 colonne 'x' deve avere almeno 2 righe e 2 colonne 'x' deve avere almeno 2 righe e colonne 'x' deve avere lunghezza >= 1 'z', 'y' e 'z' devono avere la stessa lunghezza 'xi' non ha la lunghezza giusta 'xreg' e 'newxreg' hanno un numero differente di colonne 'xreg' è collineare 'xy.labels' devono essere logical o character 'y' ha rango 0 'y' assente nel test per dati appaiati 'y' dev'essere un vettore numerico 'y' dev'essere crescente o decrescente 'y' dev'essere numerica 'y' dev'essere numerico o una funzione o una stringa indicante una funzione valida 'y' dev'essere un vettore numerico 'y' dev'essere più lungo di 'x' di una unità 'y', 'groups' e 'blocks' devono avere la stessa lunghezza i fattori (non ordinati) non sono ammessi , 0 casi (non-NA) 0 in V(mu) L'AIC è infinito per questo modello, perciò 'step' non può procedere L'AIC non è definito per questo modello, quindi 'step' non può procedere I test F ANOVA su un adattamento essenzialmente perfetto non sono affidabili Assumendo una varianza della previsione costante anche se l'adattamento del modello è ponderato L'algoritmo di Barrier ha esaurito le iterazioni e non converge Impossibile calcolare p-value esatti in presenza di ties L'approssimazione al Chi-quadrato potrebbe essere inesatta Colv = "Rowv" ma nrow(x) != ncol(x) Sarebbe opportuno definire un metodo as.hclust.%s() Il disegno è non bilanciato - si utilizzi se.contrast() per gli se Il modello Error() è singolare Il test F assume una famiglia 'quasi%s' Il test F assume una famiglia quasi%s La parte MA del modello non è invertibile MLE implementato solo per serie unidimensionali NA lev[]; probabilmente il parametro di smothh 'spar' è troppo grande! I valori NA non sono ammessi in 'd' NA non ammessi in 'groups' o 'blocks' NA non ammessi Valori NA in '%s' Valori NA in 'x' Le NA in 'x' devono essere uguali per riga NA in V(mu) NA in d(mu)/d(eta) Presenti valori NA: si imposta 'delta' a -1 Non è possibile trovare p1 in [0, p2] per ottenere la potenza desiderata Non è possibile trovare p2 in [p1, 1] per ottenere la potenza desiderata Nessun livello di significatività [0, 1] può essere trovato per ottenere la potenza desiderata Il numerico 'all.knots' dev'essere strettamente crescente Funzione obiettivo diminuita all'iterazione esterna %d Funzione obiettivo aumentata all'iterazione esterna %d PCA si applica solo a variabili numeriche Pagina [%d,%d]: i =%s; j =%s Parametri I passi della fase Quick-TRANSfer hanno superato il massimo (= %d) Modello di refitting per consentire la proiezione Livello di conf.level richiesto non raggiungibile SE per il tipo '%s' non ancora implementati Informazione sullo standard error non restituita poiché il disegno non era bilanciato.
Si possono ottenere gli standard error attraverso 'se.contrast'. Il metodo "ward" è stato rinominato in "ward.D"; nota il nuovo "ward.D2" 'response' "%s" non analizzabile; l'utilizzo è deprecato. Si utilizzi as.name(.) o `..`! X non definisce un sottospazio di M La matrice X ha rango %d, ma solo %d osservazione La matrice X ha rango %d, ma solo %d osservazioni _NON_ convergente in %d iterazione _NON_ convergente in %d iterazioni un limite è NA o NaN è richiesta una formula su due lati tutti i valori di 'x' sono uguali tutti i valori di 'x' devono essere non-negativi per stimar eun modello di crescita Weibull tutti gli elementi di 'which' devono essere tra 1 e %d tutti i termini di 'x' devono essere non negativi e finiti tutti i gruppi devono contenere dati tutte le osservazioni sono nello stesso gruppo specificati tutti i parametri tutti i 'times' contengono NA tutti i pensi dovrebbero essere non negativi l'alternativa dev'essere "two.sided", "less" o "greater" metodo di cluster ambiguo metodo distanza ambiguo anova definita solo per successioni di oggetti "nls" l'argomento 'na.action' sarà ignorato argomento 'object' ha una lunghezza impossibile l'argomento 'p' dev'essere numerico l'argomento 'q' dev'essere numerico l'argomento 'sides' dev'essere 1 o 2 l'argomento 'sizes' dev'essere un vettore di lunghezza 2 l'argomento 'subset' sarà ignorato l'argomento 'x' non può essere convertito in classe %s l'argomento 'x' è mancante -- è stato rinominato da 'formula' l'argomento 'x' dev'essere una formula l'argomento 'x' dev'essere numerico l'argomento non ha la componente 'qr' l'argomento non ha la componente 'effects' gli argomenti 'r' e 'c' devono avere le medesime somme gli argomenti devono avere la stessa lunghezza gli argomenti devono avere la stessa lunghezza assumendo che la varianza della previsione sia inversamente proporzionale ai pesi utilizzati per l'adattamento almeno un elemento di 'x' dev'essere positivo tentativo di allisciare valori NA tentativo di allisciare valori non numerici tentare la selezione del modello su un adattamento essenzialmente perfetto non ha senso valore errato per 'end' valore sbagliato per 'lag' o 'differences' valore sbagliato per 'start' bandwidth 'k' dev'essere >= 1 e dispari! numero gruppo di base fuori range biplot non è definito per PSA complesse specificati sia 'span' che 'enp.target': verrà usato 'span' passati sia 'x' che 'covmat': 'x' verrà ignorata 'x' e 'y' devono essere entrambi non-vuote i limiti possono essere utilizzati solo con il metodo L-BFGS-B (o Brent) valori di burn-in 'n.start' dev'essere lungo quanto 'ar + ma' ma %d variabile ma %d variabili ma la variabile trovata ha %d riga ma la variabile trovata ha %d righe chiamata anova.lm(<fake-lm-object>) ... chiamata predict.lm(<fake-lm-object>) ... chiamata summary.lm(<fake-lm-object>) ... si può usare ci.type="ma" solo se il primo lag è 0 non è possibile calcolare REML log-verosimiglianza per oggetti "nls" non è possibile cambiare la frequenza fa %g a %g non è possibile calcolare insiemi di confidenza asintotici o lo stimatore non è possibile calcolare l'intervallo di confidenza quando tutte le osservazioni hanno lo stesso valore (tied) non è possibile calcolare l'intervallo di confidenza quando tutte le osservazioni sono zero o hanno lo stesso valore (tied) non è possibile calcolare gli insiemi di confidenza, si restituisce NA non è possibile calcolare la stima, si restituisce NA non è possibile calcolare intervalli di confidenza esatti in presenza di ties non è possibile calcolare gli intervalli di confidenza esatti in presenza di zeri non è possibile calcolare intervalli di confidenza esatti in presenza di ties non è possibile calcolare p-value esatto in presenza di ties non è possibile calcolare p-valu esatti in presenza di zeri non è possibile calcolare p-value simulati con marginali nulle non è possibile creare una formula da una colonna-zero del data frame non riesco a trovare valori iniziali validi: si prega di specificarne alcuni non è possibile stimare un modello di regressione asintotico per questi dati non è possibile stimare i modelli senza livelli ('alpha' non dev'essere 0 o FALSE) non posso gestire 'pairwise.complete.obs' non posso disegnare più di 10 serie in "multiple" non è possibile riconoscere nome parametro non è possibile ridimensionare una colonna costante/zero alla varianza unità non è possibile simulare da prior.weights non-interi non è possibile utilizzare 'cor = TRUE' con una variabile costante non di può usare il punto '.' nella formula per i dati specificati non posso usare più nodi interni che valori unici di 'x' i coefficienti non sommano ad 1 si riduce a valori unici di 'x' ordinamento per colonna del dendrogramma restituisce un indice di lunghezza sbagliata le colonne di 'contrast.obj' deve definire un contrasto (sommare a zero) le colonne di 'contrast.obj' devono definire un contrasto (sommare a zero) il calcolo esatto della probabilità è fallito, si restituisce l'approssimazione di Monte Carlo i contrasti si applicano solo a variabili factor i contrasti si possono applicare solo a variabili factor con 2 o più livelli contrasti eliminati dal fattore %s contrasti eliminati dal fattore %s a causa di livelli mancanti contrasti non definiti per %d gradi di libertà problema di convergenza nella ricerca zero: conversione di valori iniziali MA non invertibili la matrice di covarianza non è definita non-negativa probabilità di copertura oltre [0,1) cross-validation con valori di 'x' non-unici sembra dubbia i dati sono praticamente costanti i dati devono essere diversi da zero per Holt-Winters moltiplicative le voci del dendrogramma devono essere 1, 2, ..., %d (in qualsiasi ordine), per essere coercibile in "hclust" nodo del dendrogramma con #{branches} non positivi nodo non terminale del dendrogramma con #{branches} non positivi il design è sbilanciato, quindi non può procedere non converge in %d iterazione non converge in %d iterazioni mancata estensione degli endpoint dell'intervallo per f(lower) * f (upper) <= 0 dimensione 0 in 'x' o 'y' le distanze devono essere il risultato di 'dist' o una matrice quadrata tutte le dimensioni di table devono essere >= 2 ogni elemento di '%s' dev'essere logico eff.aovlist: contrasti non ortogonali forniranno una risposta errata eig=TRUE è ignorato quando list.=FALSE o 'k' o 'h' devono essere specificati gli elementi di 'k' devono essere tra 1 e %d gli elementi di 'n' devono essere positivi gli elementi di 'p' devono essere in (0,1) gli elementi di 'x' devono essere nonnegativi gli elementi di 'x' non devono essere più grandi di quelli di 'n' cluster vuoto: provare con un insieme di centri iniziali migliore è stato indicato un modello vuoto adattamento essenzialmente perfetto: il riepilogo potrebbe non essere affidabile solo uno tra 'groups', 'n', 'between.var', 'within.var', 'power', e 'sig.level' dev'essere NULL solo uno tra 'n', 'delta', 'sd', 'power', e 'sig.level' dev'essere NULL solo uno tra 'n', 'p1', 'p2', 'power', e 'sig.level' dev'essere NULL estensione della serie storica durante la sostituzione dei valori argometni extra ignorati i valori di f() negli estremi hanno segno opposto f.lower = f(lower) è NA f.upper = f(upper) è NA il fattore %s ha %s nuovo livello il fattore %s ha %s nuovi livelli l'analisi fattoriale si applica solo a variaibili quantitative l'analisi fattoriale richiede almeno tre variabili non si è riusciti a indovinare le variabili alterabili nel tempo dai loro nomi famiglia '%s' non implementata il primo argomento dev'essere un oggetto "loess" adattamento del parametro%s senza alcuna variabile adattamento dei parametri %s senza alcuna variabile l'adattamento per il calcolo della deviazione nulla non converge - incrementare 'maxit'? per la famiglia '%s', y dev'essere un vettore di 0 e 1
o una matrice con 2 colonne dove la prima raccoglie il numero di successi, la seconda i fallimenti formula '%s' dev'essere della forma '~expr' la formula 'x' deve avere sia il membro di destra che quello di sinistra formula assente frequency dev'essere un intero positivo >= 2 per BSM glm.fit: l'algoritmo non converge glm.fit: l'algoritmo si è fermato sui valori limite glm.fit: si sono verificate probabilità stimate numericamente pari a 0 o 1 glm.fit: si sono verificati tassi stimati numericamente pari a 0 la variabile di gruppo deve avere esattamente 2 livelli i valori hat (influenza) sono tutti = %s
e non ci sono fattori predittivi; nessun grafico n. 5 se 'x' non è una matrice, 'y' dev'essere data se 'x' non è un array,, si deve specificare 'y' se 'x' non è un array, si deve specificare 'z' ignorato ignorando i pesi precedenti dimensioni incompatibili specificazione dell'ordine di 'ar' inconsistente specificazione dell'ordine 'ma' inconsistente dimensioni incorrette per 'xi' lunghezza di 'x' sbagliata specificazione di 'col.vars' non corretta specificazione di 'formula' non valida specificazione di 'row'vars' non corretta nomi variabili non validi nella membro di sinistra della formula nomi variabili non validi nella membro di destra della formula incrementando l'intervallo di ricerca bw.SJ() (%d) a [%.4g,%.4g] i centri iniziali non sono distinti il valore iniziale non è interno della regione fattibile (feasible region) ciclo intero 1; non è possibile correggere l'ampiezza del passo ciclo interno 2; non è possibile correggere l'ampiezza del passo le interazioni non sono ammesse 'attr(rhs, "gradient")' non valido 'SSinit' non valido 'abbr.colnames' non valida argomento 'control' non valido 'control.spar' non valido argomento 'data' non valido argomento 'endrule' non valido 'extendInt' non valido; per piacere, segnalalo 'keep.stuff' non valido oggetto 'lm' non valido: nessuna componente 'terms' argomento 'method' non valido 'nb' non valido 'tree' non valido (componente 'merge') argomento 'use' non valido 'x' non valida 'y' non valida nodo non valido (lunghezza 0) nel dendrogramma non valido NCOL(X) non valido NROW(X) argomento 'c' non valido argomento 'cell' non valido argomento 'degree' non valido argomento 'lambda' non valido argomento 'n' non valido argomento 'omit' non valido argomento 'r' non valido argomento 'span' non valido argomento non valido in 'getProfile' argomenti non validi metodo di cluster non valido dissimilarità non valide metodo distanza non valido valori medie stimate non validi nel modello vuoto formula non valida formula %s non valida formula %s non valida: l'assegnamento è deprecato formula %s non valida: la chiamata estranea a `%s` è deprecata formula %s non valida: non è una chiamata formula non valida in deriv formula non valida: %s metodo di interpolazione non valido lunghezza dei membri non valida length(x) non valida valori del predittore lineare non validi nel modello vuoto model QR matrix non valida ncol(x) non valido nrow(x) non valido numero di punti non valido valori dei parametri non validi tipo di risposta non valido valore di %s non valido iterTrace =%d non viene rispettato perché le iterazioni =%d k dev'essere tra 2 e %d lunghezza non corrispondente in 'convolution' la lunghezza di 'center' dev'essere pari al numero di colonne di 'x' la lunghezza di 'init' deve eguagliare la lunghezza di 'filter' la lunghezza dei 'p' dev'essere 1 o uguale al numero di colonne di 'x' la lunghezza di 'start' dovrebbe essere %d e corrispondere ai coefficienti iniziali di %s la lunghezza di 'v.names' non divide uniformemente la lunghezza di 'varying' la lunghezza di 'varying' dev'essere il prodotto della lunghezza di 'v.names' e la lunghezza di 'times' la lunghezza di 'wt' dev'essere pari al numero di righe di 'x' lunghezza di FUN, %d,
non corrispondente con la lunghezza delle marginali, %d la lunghezza di choices dev'essere 2 le lunghezze di 'x' e 'w' devono essere corrispondenti lunghezze di 'x' e 'xreg' non corrispondenti livelli troncati solo ai valori positivi il link "%s" non è disponibile per la famiglia %s; quelli disponibili sono %s L'oggetto lm non ha un componente 'qr' appropriato.
Rango zero o non avrebbe dovuto usare lm(.., qr = FALSE). argomento 'hessian' logico non ammesso. Si veda la documentazione. lower < upper non rispettato il campo inferiore ha %s termine non incluso nel modello il campo inferiore ha %s termini non inclusi nel modello qr di rango inferiore: determinazione di casi non stimabili il numero massimo d iterazioni dev'essere > 0 medpolish() non converge in %d iterazione medpolish() non converge in %d iterazioni method = "Brent" è disponibile solo per l'ottimizzazione uni-dimensionale metodo = '%s' non supportato. Uso 'qr' il metodo L-BFGS-B utilizza 'fact' (e 'pgtol') al posto di 'reltol' e 'abstol' midcache() per dendrogrammi non binari implementata solo parzialmente minimo realizzato in uno degli estremi del range 'x' e 'y' non corrispondenti osservazioni assenti eliminate non sono ammessi valori mancanti o infiniti in ingresso non sono ammessi pesi negativi o assenti non sono ammessi valori mancanti e NaN se 'na.rm' è FALSE non sono ammessi valori mancanti in 'poly' valori mancanti in 'filter' valori mancanti nell'oggetto non sono ammessi valori mancanti model frame e formula non corrispondono in model.matrix() i modelli non sono stati stimati per il medesimo numero di osservazioni i modelli sono stati stimati per differenti ampiezze campaionarie i modelli con risposta %s sono stati rimossi perché la risposta differisce dal modello 1 più cluster che dati più cluster che punti distinti. il caso multivariato con coefficienti assenti non è ancora implementato deve avere 2 'symbols' se l'argomento 'x' è logical necessarie almeno 4 osservazioni per stimare un modello 'SSfol' bisogna avere la lunghezza della risposta = lunghezza del secondo argomento di 'SSfol' si devono avere n >= 2 oggetti per una cluster 'x' e 'centers' devono avere lo stesso numero di colonne non deve specificare 'spar' e 'lambda' specificare 'spans' o un kernel valido fornire uno o più vettori na.action dev'essere una funzione names(hybridPars) dovrebbero essere NULL o identici ai predefiniti richieste 2 o più colonne marginali non-zero richieste 2 o più righe marginali non-zero richiesto il pacchetto CRAN 'SuppDists' per la simulazione dalla famiglia 'inverse.gaussian' necessario un oggetto con una componente call servono almeno 2 punti sono necessari almeno 2 periodi per calcolare i valori stagionali iniziali necessari almeno 2 punti per selezionare il bandwidth automatico necessari almeno quattro valori distinti 'x' ci vogliono almeno due valori non-NA per interpolare servono dendrogrammi dove tutti i nodi terminali hanno etichetta sono necessarie risposte multiple necessario dati numerici richiesto il risultato di smooth.spline(keep.data = TRUE) i valori negativi non sono ammessi per la famiglia 'Poisson' i valori negativi non sono ammessi per la famiglia 'quasiPoisson' non sono ammessi pesi negativi 'x' e 'covmat' non passati non è disponibile alcune attributo "nobs" nessun metodo 'add1' implementato per modelli "mlm" nessun metodo 'as.stepfun' disponibile per 'x' nessun metodo 'drop1' per modelli "mlm" non è stato trovato il metodo 'getInitial' per gli oggetti "%s" nessun metodo 'nobs' disponibile nessun attributo 'reshapeWide', deve specificare 'varying' residui senza gradi di libertà nessun factor nel modello stimato nessuna osservazione finita nessun modello da confrontare nessuna osservazione informativa nell'iterazione %d nessun parametro per l'adattamento valori da sostituire non passati nessuna riga per l'aggregazione score non disponibili: ristimare con 'retx=TRUE' nessun cambio di segno in %d iterazioni non ci sono soluzioni nel range di badwidth specificato nessun valore iniziale specificato valori iniziali non passati nessuna componente termini o attributo scope senza termini scope senza termini da aggiungere all'oggetto nessuna serie storica passata non è stato trovato un set valido di coefficienti: si prega di fornirne i valori iniziali la lunghezza residua senza NA non corrisponde ai casi utilizzati nell'adattamento non-fattori ignorati: %s 'bw' non finito 'from' non finito 'to' non finito coefficienti non finiti nell'iterazione %d #successi non interi in un %s glm! frequenze non intere in un %s glm! serie non intersecantesi sotto-albero non-terminale di lunghezza 0 argomento contrasti non-lista ignorato i valori non-positivi non sono ammessi per la famiglia 'Gamma' matrice non quadrata parte AR non stazionaria parte AR non stazionaria da CSS parte stagionale AR non stazionaria parte stagionale AR non stazionaria da CSS non-serie storica della lunghezza sbagliata oggetto "smooth.spline" non valido non è una funzione a gradini valida non tutte le serie hanno la stessa frequenza non tutte le serie hanno la stessa fase non è un disegno completo a blocchi non replicati dati 'x' insufficienti non ci sono abbstanza osservazioni in 'x' dati 'y' insufficienti non abbastanza osservazioni in 'y' osservazioni 'x' (non-mancanti) insufficienti dati insufficienti numero di gradi di libertà insufficiente per definire i contrasti non ci sono abbastanza osservazioni finite gruppi insufficienti non ci sono abbastanza osservazioni non si riesce a fare il plot senza sfruttarne uno:
%s non si utilizzano df non validi; deve avere 1 < df <= n := #{unique x} = nulla da tabulare il numero di 'cutpoints' dev'essere inferiore al numero di simboli il numero di 'cutpoints' dev'essere uno più di quello dei simboli il numero di centri dei cluster dev'essere tra 1 e nrow(x) il numero di 'differences' dev'essere un intero positivo il numero dei gruppi dev'essere almeno 2 il numero di osservazioni in 'x' e 'y' deve essere corrispondente. numero di osservazioni in ciascun gruppo dev'essere almeno 2 il numero degli offest è %d, dovrebbe essere %d (numero di osservazioni) numero di offset pari a %d, dovrebbe essere %d (numero di osservazioni) il numero di righe in uso è cambiato: elimino i missing value? numero di serie in 'object' e 'newdata' non corrispondenti il numero di valori passati per la sostituzione non sono un sottomultiplo del numero di valori che devono essere sostituiti il numero dei pesi =%d dev'essere pari a %d (numero di risposte) il numero di pesi deve corrispondere col numero di osservazioni. il numerico 'all.knots' deve coprire [0,1] (= l'intervallo dei dati trasformati) richiesti contrasti numerici o nomi contrasto dev'essere passata una variabile numerica y.
Per la stima della densità si utilizzi density() l'oggetto '%s' non ha punteggi (scores) l'oggetto dev'essere di classe %s o %s oggetto non interpretabile come factor le osservazioni con peso 0 non saranno usate nel calcolo della standard deviation le osservazioni con peso 0 non sono usate osservazioni con pesi zero non vengono usate per il calcolo della dispersione l'ottimizzazione ad una dimensione di Nelder-Mead non è affidabile:
utilizzare "Brent" o direttamente optimize() solo %d caso solo %d casi solo %d dei primi %d eigenvalues (vedi. autovalori) sono > 0 ammessi solo 1-4 predittori implementato solo per serie storiche unidimensionali solo la sostituzione degli elementi è ammessa ammesse solo serie unidimensionali difficoltà di ottimizzazione: %s ottimizzazione fallita opzione "show.coef.Pvalues" non valida: si assume TRUE opzione "show.signif.stars" non valida: si assume TRUE i polinomi ortogonali non possono essere rappresentati con adeguata accuratezza per %d gradi di libertà il p-value sarà approssimativo in presenza di legami il parametro %s non si verifica nella formula del modello i parametri %s non si verificano nella formula del modello parametri senza valore iniziale in 'data': %s il pooling di SD non è compatibile con i test associati sono i valori positivi sono ammessi per la famiglia 'inverse.gaussian' possibile problema di convergenza: 'optim' ha restituito codice=%d e messaggio %s possibile errore di convergenza: optim ha restituito codice = %d le previsioni sui dati attuali fanno riferimento a risposte _future_ i predittori devono essere tutti numerici le probabilità devono essere finite, non-negative e non tutte 0 le probabilità devono essere non negative. le probabilità devono avere somma 1. leggere la documentazione di 'trace' più attentamente ref = %d dev'essere in 1L:%d livello di conf.level richiesto non raggiungibile 'scores' richiesti senza indicare la matrice 'x' numero di gradi di libertà dei residui dell'oggetto suggeriscono che questo non una stima "lm" i residui hanno rango %d < %d i residui hanno rango %s < %s risposta non ammessa in formula ordinamento per riga del dendrogramma restituisce un indice di lunghezza sbagliata l'ampiezza campionaria in ciascun strato dev'essere > 1 l'ampiezza campionaria dev'essere tra 3 e 5000 i campioni differiscono in posizione: non si possono calcolare gli insiemi di confidenza, si restituisce NA diagrammi di dispersione solo per serie unidimensionali scope non è un sottoinsieme delle etichette dei termini la parte stagionale MA del modello non è invertibile la serie è corrotta, senza attributo 'tsp' la serie è corrotta: la lunghezza %d con 'tsp' implica %d la serie non è periodica o ha meno di due periodi setVarying : la lunghezza di 'vary' deve corrispondere con quella dei parametri uso df = 1 __usare con molta cautela!__ simulate() non è ancora implementato per un lm() multivariato matrice di contrasto singolare stima singolare matrice gradiente singolare per le stime iniziali dei parametri singolarità nella regressione size != sum(x), e.g. una delle due è sbagliata la dimensione non può essere NA e neppure eccedere 65536 alcuni parametri AR sono stati fissati: imposto transform.pars = FALSE alcuni parametri ARMA sono stati fissati: imposto transform.pars = FALSE alcune variabili 'constant' (%s) sono in realtà 'varying' alcuni elementi di 'x' non sono numerici e saranno convertiti in numerici alcuni termini saranno NA a causa della limitazione del metodo alcuni pesi dovrebbero essere positivi specificato parametrico per tutti i predittori si è specificato il quadrato di un predittore fattore da eliminare con grado = 1 si è specificato il quadrato di un predittore da eliminare con un solo predittore numerico specifica 'rate' o 'scale' ma non entrambi specificare esattamente uno tra 'k' e 'h' specificare uno solo tra 'which' e 'x' spline: il primo e l'ultimo valore di y differiscono - si utilizza y[1L] per entrambi spline: il primo e l'ultimo valore di y sono diversi - si utilizza y[1] per entrambi ampiezza del passo ridotta a causa della divergenza lunghezza del passo ridotta: fuori limite stepfun: 'x' dev'essere ordinato in ordine crescente sum(weights) != 1 -- non otterrà la vera densità fornire sia 'x' che 'y' o una 'x' in forma matriciale la tabella 'x' dev'essere a 2 entrate la componente 'height' di 'tree' non è ordinato (crescente) l'argomento 'se.fit' non è ancora implementato per l'oggetto "mlm" l'argomento 'split' dev'essere una lista il caso k > 2 non è implementato il contrasto definito è vuoto (non ha elementi TRUE) il primo valore della serie storica non dev'essere assente gli argomenti seguenti di 'anova.glm' sono sbagliati o ignorati: la serie è interamente composta di NA c'è %d termine Error: solo 1 è ammesso ci sono %d termini Error: solo 1 è ammesso ci sono record con 'times' assenti, i quali saranno ignorati. devono esserci almeno 2 osservazioni in ogni gruppo questo adattamento non eredita da "lm" serie storica contenente valori interni NA la serie storica non ha o ha meno di 2 periodi 'times' da sostituire non corrispondenti pochi casi i con h_ii > 0), n < k troppo pochi valori distinti in input per stimare un modello Michaelis-Menten troppo pochi valori distinti in input per stimare una biesponenziale troppo pochi valori distinti in input per stimare un logistica a 4 parametri troppo pochi valori distinti in input per stimare un modello logistico troppi pochi valori distinti in input per stimare un modello di regressione asintotico troppo pochi valori distinti in input per stimare il modello 'asympOff' troppo pochi valori distinti in input per stimare il modello 'asympOrig' troppo pochi valori distinti in input per stimare un modello Gompertz troppo pochi valori distinti in input per stimare un modello di crescita Weibull troppi pochi gruppi numero limitato di osservazioni non-mancanti troppe poche osservazioni per poter stimare un modello di regressione asintotico passati troppi valori da sostituire i parametri ARMA trasformati già fissati tipo '%s' non ancora implementato type = "partial" non è ancora implementato ottimizzazione non possibile partendo da questo valore ottimizzazione non possibile partendo da questi valori numero di colonne differente in 'cancor' solo serie storiche unidimensionali regola di bandwidth sconosciuta %s nome sconosciuto nella lista 'split' %s nomi sconosciuti nella lista 'split' nome kernel sconosciuto nomi sconosciuti in controllo: valore stringa sconosciuto in s.window elemento di controllo nominato %s non riconosciuto elementi di controllo nominati %s non riconosciuti limite superiore e inferiore ignorati con algorithm = "port" il campo superiore ha %s termine non incluso nel modello il campo superiore ha %s termini non inclusi nel modello usare solo con oggetti "lm" utilizzare il test F con una famiglia '%s' è inappropriato utilizzare il test F con una dispersione fissa è inappropriato utilizzo la riga %d/%d da una stima combinata utilizzo le righe %d/%d da una stima combinata l'utilizzo di type = "numeric" con una risposta fattore sarà ignorata si utilizzano pesi come varianze inverse si utilizzano pesi coma parametri di forma il valore di 'epsilon' dev'essere > 0 variabile '%s' assente, i suoi contrasti saranno ignorati la variabile '%s' non è un fattore la variabile '%s' è stata stimata con tipo "%s" ma il tipo "%s" era passato le variabili %s sono state specificate con tipi differenti dall'adattamento i pesi non sono supportati in un adattamento multistratum aov() i pesi devono essere non-negativi e non tutti zero dimensioni di immersione sbagliata k / cs.ind sbagliata lunghezza errata per 'fixed' metodo sbagliato numero di colonne sbagliate in 'x' numero sbagliato di colonne nei dati nuovi: numero di righe della matrice di contrasto sbagliato 'x' non è un vettore o una serie storica x$lag deve avere almeno 1 colonna x.ret=TRUE è ignorato quando list.=FALSE x[1] != r[1]; utilizzando x[1] per diagonale x[] e prob[] devono essere dei vettore della medesima lunghezza. y è vuota o contiene sonlo NA i valori di y devono essere 0 <= y <= 1 zero non-NA punti serie a varianza zero