File: C:/Program Files/R/R-4.4.0/library/translations/pl/LC_MESSAGES/R-stats.mo
�� � � � |/ P? O Q? 2 �? T �? ] )@ ! �@ �@ �@ - �@ A A < :A + wA < �A �A " �A B ; 3B oB - �B # �B : �B E C < [C 6 �C ! �C �C $
D /D ED & YD % �D ' �D �D - �D . E CE 4 cE ' �E ' �E �E 2 F 5 7F % mF * �F 5 �F ' �F G 7G 2 SG �G �G 7 �G �G / H # >H 3 bH �H �H �H 2 �H 0 I HI B `I % �I �I �I ; J ' ?J gJ �J + �J �J �J �J $ K <K + QK }K �K 1 �K / �K $ L ) >L hL . {L 7 �L ? �L . "M , QM ! ~M �M 8 �M �M + N % 7N ]N {N R �N 5 �N * !O ( LO uO & �O # �O 1 �O # P 2P . KP 9 zP ( �P �P �P Q 3Q + LQ xQ , �Q �Q 5 �Q ) R : =R xR �R �R 0 �R �R S $ %S ( JS sS �S & �S $ �S * �S &T $ >T cT ( }T & �T 4 �T B U 0 EU vU �U �U �U ' �U V 2 V SV T mV > �V & W * (W SW . tW ) �W _ �W + -X YX $ tX / �X ) �X ( �X Y " 9Y \Y {Y �Y 8 �Y $ �Y %
Z % 3Z 1 YZ % �Z % �Z ' �Z % �Z ; %[ a[ # }[ ' �[ �[ ' �[ \
\ !\ 5\ S\ ! r\ , �\ ! �\ + �\ ] $ $] I] f] ( �] �] �] �] / ^ ) 6^ , `^ �^ # �^ �^ 5 �^ # _ * 8_ c_ + {_ ) �_ �_ + �_ # ` 6 ;` r` ( �` �` �` �` $ �` a E 3a ya �a 4 �a �a �a �a 9 b ; Bb : ~b G �b < c & >c * ec $ �c + �c 1 �c d -d Md " kd * �d < �d �d , e @e Te
`e $ ke �e �e " �e F �e / f 2 Kf 2 ~f ' �f �f 2 �f # 'g # Kg ) og x �g B h ! Uh \ wh @ �h i *i Ji C gi 0 �i 1 �i j & +j Rj lj " �j 4 �j �j �j 4 k $ Gk * lk �k ! �k * �k l * !l 0 Ll - }l �l # �l O �l * ?m jm $ �m D �m �m $ n )n # ?n " cn ' �n ; �n 8 �n " #o 7 Fo . ~o �o > �o &
p ( 4p ( ]p + �p 6 �p % �p 5 q A Eq I �q + �q % �q 2 #r 4 Vr 3 �r & �r ( �r 4 s 5 Ds 6 zs 7 �s @ �s % *t - Pt ~t 6 �t . �t 0 u * 5u 2 `u �u �u 5 �u > v = Ev �v > �v / �v $ w + 7w . cw ' �w : �w �w 5 x P Ix - �x 6 �x & �x B &y M iy �y 5 �y $ z $ ,z D Qz ( �z # �z ( �z { -{ # N{ 5 r{ 2 �{ �{ 2 �{ ` #| H �| E �| + } ?} - Y} �} �} 6 �} 3 �} 1 $~ 7 V~ �~ ' �~ V �~ L ) ( v � 1 � # � , � 9 2� , l� * �� V Ā ) � ) E� ) o� �� �� ( ȁ ( � � 8� & P� % w� & �� * Ă * � 6 � Q� ; r� & �� & Ճ �� � *� B� ]� t� �� " �� ʄ * ߄
� $� " 1� T� k� w� % �� �� �� Ʌ ޅ �� � *� ?� W� l� �� �� �� ׆ # � � #� <� Y� s� . �� �� ̇ ܇ � � � 4� H� c� : �� . �� = � H *� > s� T �� 3 � @ ;� |� ! �� & �� ( � e
� ; p� �� \ ̋ ( )� Z R� C �� * � K � < h� ( �� � 4 � ' 7� 8 _� ( �� �� �� 2 � < C� 6 �� E �� % �� / #� B S� . �� 9 Ő C �� # C� 5 g� ) �� & Ǒ � � A +� ( m� % �� O �� " � /� 8 K� : �� $ �� . � - � A� Y� . k� 4 �� 9 ϔ � ! &� H� - i� ( �� " �� - � � 2 /� # b� �� �� �� + і �� � 1� / F� % v� 0 �� ͗ � � '� & 9� `� J x� ; Ø �� � '� 9� ' I� q� �� �� �� ϙ � ( � ) 8� " b� �� & �� ) ƚ � � � 4� P� 1 `� �� �� Û 1 ۛ <
� J� = ^� = �� 8 ڜ 0 � # D� 1 h� 7 �� @ ҝ A � 9 U� 7 �� V Ǟ < � 4 [� C �� + ԟ @ � A� [� $ |� E �� $ � A � ] N� �� + ǡ � + � ' ?� " g� �� �� 4 �� 4 � X '� 3 �� ` �� / � / E� B u� C �� 2 �� 7 /� g� 8 �� # �� � 1 � 2� # L� & p� E �� ݦ �� � 2 5� ' h� & �� G �� - �� $ -� + R� * ~� 3 �� 3 ݨ : � " L� 7 o� �� �� 7 ٩ � ! -� " O� = r� ? �� / � C � 8 d� �� ' �� H � Q .� & �� " �� & ʬ = � < /� % l� " �� ) �� / ߭ , � <� = \� > �� # ٮ �� 4 � 6 R� ? �� ɯ W � < ;� 3 x� # �� ! а ) � ! � = >� 4 |� > �� 5 � C &� 9 j� : �� 7 ߲ = � U� d� : �� $ �� & � � ' -� Y U� " �� Ҵ � H � N� c� ! }� \ �� 8 �� \ 5� �� 0 �� 5 P � = e� " �� ! Ʒ � 5 � =� B [� = �� 5 ܸ - � @� Z� k� �� �� $ �� $ չ + �� ! &� * H� , s� �� �� غ � + � � ,� � �� � 3� � �� 2 ÿ �� � : .� ' i� + �� L �� C
� L N� �� , �� � r � v� Z �� 2 �� P %� V v� L �� ? � 0 Z� �� ) �� �� �� )
� V 4� + �� " �� H �� J #� 1 n� : �� , �� . � 7� B U� G �� + �� H � : U� * �� 2 �� - �� ; � * X� $ �� 9 �� ( �� A � , M� - z� �� 0 �� 0 �� 9 &� C `� * �� R �� > "� 0 a� * �� b �� ? � % `� , �� 1 �� �� ) � * -� 0 X� �� . �� . �� . � 7 5� D m� 3 �� : �� , !� C N� = �� T �� > %� . d� $ �� ! �� Q �� + ,� B X� E �� ' �� . � W 8� ( �� R �� / � - <� 2 j� I �� 9 �� $ !� # F� = j� > �� % �� 1
� 2 ?� r� �� : �� ( �� = � , J� 8 w� 2 �� R �� ? 6� 3 v� - �� Q �� , *� , W� 4 �� 8 �� % �� % � 2 >� 2 q� ' �� �� A �� - &� , T� ; �� P �� G � 1 V� ) �� ' �� �� �� @ � B� X b� & �� � �� M �� . �� 6 � % Q� 4 w� L �� i �� 4 c� - �� 2 �� L �� 1 F� 1 x� 3 �� . �� (
� " 6� Y� A y� 1 �� 8 �� 8 &� @ _� 8 �� 7 �� 9 � 8 K� A �� ) �� > �� E /� u� 9 �� �� �� �� , � ! J� & l� , �� # �� / �� � ) ,� ! V� ) x� 8 �� / �� ( � ( 4� ; ]� D �� A �� � 5 A� w� P �� - �� 6 � L� 4 e� = �� ' �� = � >� 1 _� # �� 4 �� �� � ) $� $ N� s� M �� ) �� (
� F 3� z� " |� �� _ �� r � G �� W �� @ !� Z b� / �� ) �� , � A D� �� ' �� ' �� 8 �� ^ -� R �� / �� C � S� r� �� ; �� �� �� ;
� Z F� 9 �� 0 �� 9 � L F� �� 8 �� 7 �� ) !� B K� � �� [ 1� �� � �� � E� � ! �� & � R E� 7 �� 9 � %
� + 0� % \� ' �� $ �� 7 � ! � / )� ? Y� * �� 1 � - �� ' $� : L� �� ( �� - � 2 �� + 0� + \� \ �� / � � + 6� = b� ) �� = � ! � 1 *� & \� u �� ; �� E 5� % {� @ �� 6 � . s H - � / � / H J N � / � H R [ d � A 7 U R � > � T Z t F � S E j N � C � ` C . � ? � % R 9 7 � H � 6
O D % � $ � W � J 7 I � 2 � P � 4 P
, �
J �
2 �
4 0 J e � F � ~ A � L � E
� f
O �
& A G h % � 1 � E 2 N + � ) � ! � + � " % 6 H = � ; � r r � W � 8 O & � 5 � $ � $
X / : � 7 � C � & ? 2 f � � c 7 ' � � o � " O 9 r N � = � 2 9 l l H � D " D g � � & � & � % $ B 0 g / � 0 � 5 � 6 / F f " � ; � 9 9 F � � % � � $ & B : a " � 1 � � / * Z u � 8 � � " ; W u � � � � 9 � 7 U + n 0 � � � * ! ! L : n � � � ! ! #! " E! h! ) �! " �! ; �! L
" 8 W" e �" ; �" U 2# 6 �# D �# $ $ 8 )$ ; b$ / �$ { �$ E J% / �% � �% ( �& � �& J O' 0 �' L �' K ( < d( �( ( �( F �( , () P U) 1 �) * �) * * % .* ? T* B �* N �* n &+ * �+ 6 �+ [ �+ 9 S, D �, S �, 6 &- < ]- B �- / �- 0
. ' >. Z f. 6 �. 6 �. P // ) �/ �/ I �/ N 0 7 d0 > �0 9 �0 + 1 A1 / \1 8 �1 = �1 2 !2 B2 5 c2 + �2 $ �2 = �2 (3 : H3 �3 $ �3 �3 �3 , �3 +4 $ L4 q4 : �4 . �4 - �4 & &5 & M5 % t5 �5 / �5 ! �5 ^ 6 O e6 �6 �6 �6 7 + (7 T7 " r7 �7 $ �7 A �7 - 8 J @8 2 �8 1 �8 $ �8 6 9 7 L9 �9 ' �9 �9 ' �9 : D : 0 W: �: # �: 8 �: v ; z; A �; A �; 9 < 7 K< + �< ? �< : �< D *= D o= G �= 9 �= Y 6> E �> 2 �> T ? 5 ^? Z �? �? @ 7 ,@ Z d@ . �@ K �@ t :A : �A 3 �A + B = JB ' �B ( �B �B �B < C < MC d �C W �C � GD 1 �D H E F TE Q �E = �E [ +F ) �F T �F * G . 1G > `G % �G ) �G % �G M H cH H - �H X �H / "I 5 RI e �I ? �I , .J A [J * �J = �J 8 K L ?K 3 �K R �K L 0L B OL �L - �L C �L W M s tM H �M Q 1N N �N $ �N 0 �N V (O ` O 5 �O ' P + >P X jP W �P > Q 0 ZQ . �Q > �Q 9 �Q 3R ; TR G �R ! �R - �R 9 (S ? bS Z �S 4 �S � 2T K �T 2 U $ AU 4 fU ; �U ( �U S V J TV _ �V L �V X LW K �W L �W J >X R �X �X % �X B Y + UY P �Y * �Y 4 �Y � 2Z % �Z $ �Z " [ k C[ �[ �[ 6 �[ � \ X �\ � 8] $ ^ 8 5^ ? n^ � �^ N J_ ) �_ ( �_ ! �_ = ` L` G m` D �` < �` 9 7a qa �a , �a �a �a * b - 1b < _b . �b 5 �b G c 8 Ic 3 �c �c �c � , � � f � 3 C K � � � � � > � � 7 � � � � � M � � � � � ( _ � � � S � � G � � W M � � V � � � � � � � � � � � � � � � � z � � � H � �
� � � a � 9 n � � � [ � u � � � � � = r � � � b ] � 7 � � @ � � � � � H + � I / � ^ % � � a � � v ^ n � B ` � . x � f X � $ 2 � � � s � l � � 1 � � l � $ � ~ ] _ � ? 1 } � � q � � z � / I F � � � � 8 6 � 6 > � � A � � � � � � < 8 E x n o " � � e � ( 8 � � 3 U � 9 m = � 4 � � � � X : Q � � � � c � X U d T � e O P c � � � V � � ) � y , D � � � � & = ~ � � � � � � ? j � H � � � ` � � � � 5 � 5 g Z ; J � � � � , � � � � � � � � � � � � � � - � o � � � ^ � � " * 0 ) t r s � � � � \ - . � � � # T O S � F � � � � 1 R � � � w d � � � o � . � 3 S � � � � � � � M U ! � Q C D � � � � g � � L B � � � � l r � � � % � � O � Z � Y } @ } y � � B � 7 � m � W � C 4 ' I � t K � ! x � 0 Q � u p � � � q � � � � / � q � E V L � � � � R � � � � � + | � Y � 9 � � A z d � # a A � � � @ � v � � W � � k � � � 5 � ; � < � � � 0 f P N � � t � � \ + c � � � % { � ? i � � � _ � : � � � �
! � * � u �
� j � ' � 2 � � & : � � � � � � ) L � $ � � � � � s { � J k � � E � � � � k � g w � � & i � � � � Z ( { - � > � � � � � | � 6 � � | � ; K T j � ] N
� * � p � � � J m b ~ h Y [ '
i � � \ � G b h � � ` y � �
[ � � � � � v � � � < N w � � " � D � � � � R h F � � � � p e � � G � P # 2 � � � � � 4 � %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 '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, 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' 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' 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} '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 '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 , 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 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" 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'? 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 '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 in deriv 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 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 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-intersecting series non-leaf subtree of length 0 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 an unreplicated complete block design not enough 'x' data not enough 'x' observations not enough 'y' data not enough 'y' 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 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 3.5.0
Report-Msgid-Bugs-To: bugs.r-project.org
PO-Revision-Date:
Last-Translator: Łukasz Daniel <[email protected]>
Language-Team: Łukasz Daniel <[email protected]>
Language: pl_PL
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
na-Revision-Date: 2012-05-29 07:55+0100
Plural-Forms: nplurals=3; plural=(n==1 ? 0 : n%10>=2 && n%10<=4 && (n%100<10 || n%100>=20) ? 1 : 2);
X-Poedit-SourceCharset: UTF-8
X-Generator: Poedit 2.0.4
X-Poedit-Bookmarks: -1,20,-1,-1,-1,-1,-1,-1,-1,-1
%d czynnik to zbyt dużo dla %d zmiennych %d czynniki to zbyt dużo dla %d zmiennych %d czynników to zbyt dużo dla %d zmiennych %d brakująca wartość została skasowana %d brakujące wartości zostały skasowane %d brakujących wartości zostało skasowanych %d obserwacja została skasowana z uwagi na braki w niej zawarte %d obserwacje zostały skasowane z uwagi na braki w nich zawarte %d obserwacji zostało skasowanych z uwagi na braki w nich zawarte %d obserwacji z wartością NA, NaN lub Inf została skasowana %d obserwacje z wartościami NA, NaN oraz/lub Inf zostały skasowane %d obserwacji z wartościami NA, NaN oraz/lub Inf zostało skasowanych '%s' stosuje się jedynie do dwukierunkowych tabel link %s nie został rozpoznany %s musi wynosić 0 lub 1 '%s' potrzebuje poprawnie zainstalowanego pakietu 'Matrix' argument '%s' nie może być trybu '%s' argument 'A' musi być tablicą lub tabelą argument 'ColSideColors' musi być wektorem tekstowym o długości 'ncol(x)' argument 'P.values' wynosi TRUE, ale argument 'has.Pvalue' już nie argument 'RowSideColors' musi być wektorem tekstowym o długości 'nrow(x)' argument 'T' musi być nieujemny 'V' nie jest kwadratową macierzą liczbową 'X' nie jest drzewem celu macierz 'X' ma %d przypadek (wiersz) macierz 'X' ma %d przypadki (wiersze) macierz 'X' ma %d przypadków (wierszy) macierz 'X' była współliniowa 'Y' ma %d przypadek (wiersz) 'Y' ma %d przypadki (wiersze) 'Y' ma %d przypadków (wierszy) 'acf' musi być długości równej dwa lub więcej argument 'all.knots' ma wartość TRUE; specyfikacja 'nknots' została odrzucona argument 'all.knots' jest wektorem węzłów; specyfikacja 'nknots' została odrzucona 'alpha', 'beta' oraz 'gamma' muszą być wewnątrz jednostkowego przedziału 'anova' jest zdefiniowana jedynie dla sekwencji obiektów 'nls' obiekt klasy "anova" musi posiadać nazwy kolumn 'approx' wymaga n >= 1 część 'ar' modelu nie jest stacjonarna argument 'bw' nie jest dodatni argument 'by' musi być listą 'centers' musi być liczbą lub macierzą argument 'circular' musi być wartością logiczną oraz nie może być wartością NA argument 'coef' nie ma poprawnej długości argument 'coef' musi być wektorem argument 'coef' musi definiować kontrast, tzn., musi sumować się do 0 argument 'coef' musi mieć tę samą długość co argument 'contrast.obj' brakuje argumentu 'col.vars' lub jest niepoprawny 'conf.level' musi być pojedynczą liczbą pomiędzy 0 a 1 argument 'control' musi być nazwaną listą 'covmat' nie jest poprawną listą kowariancji 'covmat' jest nieznanego typu argument 'cterms' musi zgadzać się z członami w obiekcie modelu 'cutpoints' muszą być unikalne w przedziale '0 < cuts < 1', ale są = 'cutpoints' muszą być unikalne, ale są = argument 'cv' nie może mieć wartości NA, gdy określono argument 'df' 'data' musi być ramką danych, nie macierzą lub tablicą 'data' musi być listą albo środowiskiem argument 'degree' musi mieć wartość 0, 1, lub 2 argument 'degree' musi wynosić co najmniej 1 'degree' musi być mniejsze niż liczba unikalnych punktów argument 'deriv' musi być pomiędzy 0 a 3 argument 'end' nie został zmieniony argument 'family' nie wygląda na poprawny obiekt rodziny argument 'family' nie został rozpoznany argument 'file' musi być łańcuchem tekstowym lub połączeniem 'filter' jest dłuższy niż szeregi czasowe 'formula' ma '.' po lewej oraz prawej stronie brakuje argumentu 'formula' brakuje argumentu 'formula' lub jest niepoprawny brakuje argumentu 'formula' lub jest niepoprawny 'formula' musi mieć jednocześnie lewą i prawą stronę argument 'formula' powinien mieć formę 'zmienna zależna ~ grupa' argument 'frequency' nie został zmieniony 'height' musi być równe co najmniej %g, maksymalnej wysokości jego komponentów argument 'hybrid' jest ignorowany dla tabeli o wymiarach 2 x 2 argument 'id.n' musi być w przedziale {1,..,%d} argument 'init' ma niepoprawną długość 'init' musi mieć %d kolumnę 'init' musi mieć 1 lub %d kolumny 'init' musi mieć 1 lub %d kolumn argument 'interval' musi być wektorem liczbowym o długości 2 argument 'iter.max' musi być dodatni argumenty 'k' oraz 'h' muszą być skalarami 'k' jest większe niż 'n'! Zmienianie 'k' na %d argument 'k' nie jest jądrem argument 'k' nie jest liczbą całkowitą 'k' musi być w zakresie {1, 2, .. n - 1} 'k' musi być nieparzyste! Zmienianie 'k' na %d argument 'k' musi być dodatni 'kernapply' nie jest dostępny dla obiektu 'x' argument 'lag.max' musi wynosić co najmniej 0 argument 'lag.max' musi wynosić co najmniej 1 'lengths(varying)' musi zgadzać się z 'length(times)' funkcja 'logLik.lm()' nie wspiera wielokrotnych zmiennych zależnych 'low' oraz 'high' nie mogą jednocześnie być TRUE 'lower' oraz 'upper' muszą być skończonymi wartościami wartość argumentu 'm' jest mniejsza niż 1 argument 'm' musi być wektorem z nieujemnymi liczbami całkowitymi 'main' musi być TRUE, FALSE, NULL lub być tekstem (wektor). argument 'margin' musi zawierać nazwy lub liczby odpowiadające argumentowi 'table' argument 'margins' musi być wektorem liczbowym o długości 2 obiekty klasy "mlm" z wagami nie są wspierane 'model$order' musi być długości 3 argument 'model' musi być listą funkcja 'model.tables()' nie jest zaimplementowana dla wielu zmiennych zależnych argument 'mu' musi być pojedynczą liczbą argument 'mult' musi być liczbą całkowitą >= 2, na ogół = 30 argument 'n' musi być dodatnią liczbą całkowitą >= argumentu 'x' argument 'n' musi być ściśle dodatni argument 'n.ahead' musi wynosić co najmniej 1 'newdata' nie ma nazwanych kolumn pasujących do jednej lub więcej oryginalnych kolumn 'newdata' nie ma poprawnej liczby kolumn 'newdata' miała %d wiersz 'newdata' miała %d wiersze 'newdata' miała %d wierszy 'newdata' musi być macierzą lub ramką danych argument 'nknots' musi wynosić co najmniej 1 'nknots' musi być liczbą (w przedziale {1,..,n}) brakuje wartości dla 'nterms', a nie ma określonej wartości domyślnej argument 'object' nie uwzględnia komponentu błędu 'qr' 'object' nie ma komponentu 'effects' argument 'offset' musi być liczbą argument 'or' musi być pojedynczą liczbą pomiędzy 0 a Inf 'order' musi być nieujemnym wektorem liczbowym o długości 3 'order.dendrogram' wymaga drzewa celu argument 'order.max' musi być < argument 'n.obs' argument 'order.max' musi być < argument 'n.used' 'order.max' musi być >= 0 'order.max' musi być >= 1 argument 'p' musi być pojedynczą liczbą pomiędzy 0 a 1 argument 'p' musi być pomiędzy 0 a 0.5 argumenty 'p' musi mieć tę samą długość co 'x' oraz 'n' argument 'params' ma niepoprawną długość 'plot.stepfun' wywołana z błędnym typem argumentu 'x' 'ppr' stosuje się jedynie do zmiennych liczbowych 'princomp' może zostać użyte jedynie, gdy jednostek jest więcej niż zmiennych argument 'print.level' musi być liczbą w przedziale [0, 1, 2] określono jednocześnie argumenty 'prob' oraz 'mu' argument 'probs' jest poza przedziałem [0,1] funkcja 'proj()' nie jest zaimplementowana dla wielokrotnych zmiennych zależnych wartość argumentu 'r' jest mniejsza niż 0 wartość argumentu 'r' jest mniejsza niż 1 argument 'r' musi być pojedynczą dodatnią liczbą argument 'ratio' musi być pojedynczą dodatnią liczbą 'ref' musi być istniejącym poziomem argument 'ref' musi być długości 1 'relevel' tylko dla nieuporządkowanych czynników 'relevel' tylko dla nieuporządkowanych czynników 'reorder.dendrogram' wymaga drzewa celu brakuje 'row.var.names' argumenty 'sampleT' oraz 'nser' muszą być liczbami całkowitymi argument 'scale' jest poza przedziałem [0,1] argument 'scores' ma niepoprawną długość wszystkie wartości 'scores' muszą być różnymi liczbami funkcja 'se.fit()' nie jest jeszcze zaimplementowana dla wielowymiarowych modeli 'seasonal$order' musi być nieujemnym wektorem liczbowym o długości 3 'seasonal' musi być listą z komponentem 'order' argument 'span' musi być pomiędzy 0 a 1 argument 'spar' musi mieć długość 1 'spline' wymaga n >= 1 'start' > 'end' argumenty 'start' oraz 'table' muszą mieć tę samą długość 'start' nie może być po 'end' 'start' musi mieć %d wiersz 'start' musi mieć %d wiersze 'start' musi mieć %d wierszy argument 'start' nie został zmieniony argument 'start.innov' jest zbyt krótki: potrzeba %d punktu argument 'start.innov' jest zbyt krótki: potrzeba %d punktów argument 'start.innov' jest zbyt krótki: potrzeba %d punktów argument 'termlabels' musi być wektorem tekstowym o długości co najmniej 1 argument 'termobj' musi być obiektem klasy %s argument 'tol' musi być ściśle dodatni i skończony 'trace != 0' potrzebuje 'REPORT >= 1' obiekt 'ts' musi mieć jedną lub więcej obserwacji argument 'type' musi mieć wartość 1 lub 3 dla uporządkowanych czynników 'variance' '%s' jest niepoprawna: możliwe wartości to: 'mu(1-mu)', 'mu', 'mu^2', 'mu^3' oraz 'constant' argumenty 'varying' muszą być tej samej długości argument 'varying' ma niepoprawną długość 'varying' musi być w przedziale 'seq_along(pars)' 'varying' musi być wartością tekstową, logiczną lub liczbą całkowitą 'varying' musi być niepustą listą lub wektorem 'weights' jako formuła powinna być jednostronna argument 'weights' musi w całości być skończony argument 'weight' musi być wektorem liczbowym argument 'weights' nie może być ujemny 'which' musi być w przedziale 1:6 'which' nie określa czynników 'which' określił kilka nie-czynników które zostaną usunięte argumenty 'x' oraz 'T' mają niezgodne długości argumenty 'x' oraz 'g' muszą mieć tę samą długość argumenty 'x' oraz 'n' muszą mieć tę samą długość argumenty 'x' oraz 'p' muszą mieć tę samą liczbę elementów argumenty 'x' oraz 'w' muszą mieć tę samą długość argumenty 'x' oraz 'weights' mają niezgodne długości argumenty 'x' oraz 'y' muszą mieć co najmniej 2 poziomy argumenty 'x' oraz 'y' muszą mieć tę samą długość 'x' oraz 'y' muszą mieć tę samą liczbę poziomów (minimum 2) argument 'x' zawiera brakujące wartości argument 'x' został zaokrąglony do wartości całkowitej: %s argument 'x' posiada wpisy zbyt duże aby były liczbami całkowitymi argument 'x' ma rangę 0 argument 'x' jest listą, więc ignorowanie argumentu 'g' argument 'x' jest pusty argument 'x' nie jest jądrem argument 'x' nie jest wektorem argument 'x' nie jest wektorem ani macierzą 'x' jest krótsze niż jądro 'k' 'x' musi mieć przynajmniej 2 elementy 'x' musi być *ściśle* rosnące (nie - NA) 'x' musi być 3-wymiarową tablicą 'x' musi być listą z co najmniej 2 elementami 'x' musi być macierzą 'x' musi być macierzą lub ramką danych 'x' musi być macierzą liczbową argument 'x' musi być wektorem liczbowym 'x' musi być szeregiem czasowym lub dopasowaniem 'ar()' argument 'mu' musi być obiektem klasy "ftable" argument 'x' musi być pomiędzy %s a %s wartość 'x' musi być pomiędzy -1 a 1 'x' musi być pomiedzy 0 a 1 dla periodycznego wygładzania argument 'x' musi być macierzą współczynników lub ramką danych argument 'x' musi być skończoną nieujemną liczbą całkowitą argument 'x' musi być nieujemny argument 'x' musi być nieujemną liczbą całkowitą argument 'x' musi być liczbą 'x' musi być kwadratową macierzą z co najmniej dwoma wierszami oraz kolumnami 'x' musi zawierać tylko skończone wartości 'x' musi mieć 1 lub więcej niebrakujących wartości 'x' musi mieć 2 kolumny 'x' musi mieć przynajmniej 2 wiersze oraz 2 kolumny argument 'x' musi mieć przynajmniej 2 wiersze oraz 2 kolumny argument 'x' musi mieć długość >= 1 argumenty 'x', 'y' oraz 'z' muszą mieć tę samą długość 'xi' nie ma poprawnej długości 'xreg' oraz 'newxreg' mają różne liczby kolumn argument 'xreg' jest współliniowy 'xy.labels' musi być tekstem lub zmienną logiczną argument 'y' ma rangę 0 brakuje 'y' do sparowanego testu argument 'y' musi być wektorem liczbowym 'y' musi być rosnące lub malejące argument 'y' musi być liczbą 'y' musi być liczbą lub funkcją lub łańcuchem o poprawnej nazwie funkcji argument 'y' musi być wektorem liczbowym 'y' musi być o jeden dłuższy niż 'x' argumenty 'y', 'groups' oraz 'block' muszą mieć tę samą długość , 0 przypadków (nie o wartości NA) zera w 'V(mu)' AIC wynosi minus nieskończoność dla tego modelu, tak więc 'step' nie może zostać wykonany Kryterium informacyjne Akaikego nie jest zdefiniowane dla tego modelu, tak więc 'step' nie może zostać wykonany Testy ANOVA Fishera w istocie na idealnym dopasowaniu są niewiarygodne Zakładanie stałości przewidywanej wariancji mimo iż dopasowanie modelu jest ważone Algorytmowi bariery zabrakło iteracji przez co nie zbiegł się nie można obliczyć dokładnej wartości prawdopodobieństwa z powtórzonymi wartościami Aproksymacja chi-kwadrat może być niepoprawna 'Colv = "Rowv"', ale 'nrow(x) != ncol(x)' rozważ dostarczenie metody 'as.hclust.%s()' Projekt nie jest zrównoważony -- użyj 'se.contrast()' dla 'se' model 'Error()' jest osobliwy Test Fishera zakłada rodzinę kwazi-%s Test Fishera zakłada rodzinę kwazi-%s część średniej kroczącej modelu nie jest odwracalna Estymacja największej wiarygodności jest zaimplementowana jedynie dla jednowymiarowych serii NA lev[]; prawdopodobnie parametr wygładzający 'spar' jest stanowczo zbyt duży! wartości NA w argumencie 'd' nie są dozwolone wartości NA nie są dozwolone w argumentach 'groups' oraz 'blocks' wartości NA nie są dozwolone wartości NA w '%s' wartości NA w 'x' wartości NA w 'x' muszą być takie same względem wiersza wartości NA w 'V(mu)' wartości NA w 'd(mu)/d(eta)' wartości NA są obecne: ustawianie 'delta' na wartość -1 Żaden poziom istotności [0, 1] nie może być znaleziony celem zyskania oczekiwanej mocy Liczbowy argument 'all.knots' musi być ściśle rosnący Funkcja celu zmalała w zewnętrznej iteracji %d Funkcja celu zwiększyła się w zewnętrznej iteracji %d analiza głównych komponentów stosuje się jedynie do zmiennych liczbowych Strona [%d,%d]: i =%s; j =%s Kroki etapu Quick-TRANSfer przekroczyły maksimum (= %d) Ponowne dopasowywanie modelu aby umożliwić rzutowanie żądany 'conf.level' nie jest osiągalny błędy standardowe dla typu '%s' nie są jeszcze zaimplementowane Standardowa informacja o błędzie nie została zwrócona z powodu niezrównoważenia projektu.
Błędy standardowe mogą zostać uzyskane poprzez 'se.contrast'. metoda 'ward' została przemianowana na 'ward.D'; zwróć uwagę na nową metodę 'ward.D2' X nie definiuje podprzestrzeni M macierz 'X' ma rangę %d, ale tylko %d obserwację macierz 'X' ma rangę %d, ale tylko %d obserwacje macierz 'X' ma rangę %d, ale tylko %d obserwacji metoda 'uniroot()' nie zbiegła się w %d iteracji metoda 'uniroot()' nie zbiegła się w %d iteracjach metoda 'uniroot()' nie zbiegła się w %d iteracjach granica wynosi NA lub NaN wymagana jest dwustronna formuła wszystkie wartości 'x' są identyczne wszystkie wartości 'x' musi być nieujemne aby dopasować model wzrostu Weibull'a wszystkie elementy 'which' muszą być pomiędzy 1 a %d wszystkie wpisy 'x' muszą być nieujemne oraz skończone wszystkie grupy muszą zawierać dane wszystkie obserwacje są w tej samej grupie wszystkie parametry zostały ustalone wszystkie czasy zawierają wartość NA wszystkie wagi muszą być nieujemne alternatywa musi być 'two.sided', 'less' lub 'greater' niejednoznaczna metoda grupowania niejednoznaczna metoda wyznaczania odległości 'anova' jest zdefiniowana jedynie dla sekwencji obiektów 'nls' argument 'na.action' zostanie zignornowany argument 'object' ma nieprawdopodobną długość argument 'sides' musi mieć wartość 1 lub 2 argument 'subset' zostanie zignornowany argument 'x' nie może zostać przekształcony w klasę %s argument 'x' musi być liczbą argument nie uwzględnia komponentu 'qr' argument nie uwzględnia komponentu 'effects' argumenty 'r' oraz 'c' muszą mieć jednakowe sumy argumenty muszą mieć tę samą długość argumenty muszą mieć tę samą długość zakładanie przewidywanej wariancji odwrotnie proporcjonalnej do wag użytych do dopasowania przynajmniej jeden wpis w 'x' musi być dodatni próba wygładzenia wartości NA próba wygładzenia wartości nieliczbowych próba wyboru modelu dla idealnego dopasowania jest bez sensu niepoprawna wartość dla argumentu 'end' niepoprawna wartość dla argumentów 'lag' lub 'differences' niepoprawna wartość dla 'start' pasmo 'k' musi być >= 1 i musi być nieparzyste! numer grupy bazowej jest poza zakresem wykresy dwuwymiarowego modelu dyspersji dla grup nie są zdefiniowane dla analizy zespolonych głównych komponentów określono 'span' oraz 'enp.target': zostanie użyty 'span' dostarczono jednocześnie 'x' oraz 'covmat': 'x' zostanie zignorowany oba 'x' oraz 'y' muszą być niepuste granice mogą być użyte jedynie z metodą L-BFGS-B (lub Brent) oryginał 'n.start' musi być tak długi jak 'ar + ma' ale %d zmienna ale %d zmienne ale %d zmiennych ale znaleziona zmienna ma %d wiersz ale znalezione zmienne mają %d wiersze ale znalezione zmienne mają %d wierszy wywoływanie 'anova.lm(<fake-lm-object>)' ... wywoływanie 'predict.lm(<fake-lm-object>)' ... wywoływanie 'summary.lm(<fake-lm-object>)' ... można użyć 'ci.type="ma"' tylko jeśli pierwsze opóźnienie wynosi 0 nie można obliczyć REML logarytmu funkcji wiarygodności dla obiektów 'nls' nie można zmienić częstotliwości z %g na %g nie można obliczyć asymptotycznego przedziału ufności lub estymatora nie można obliczyć przedziału ufności gdy wszystkie obserwacje są powtórzone nie można obliczyć przedziału ufności gdy wszystkie obserwacje wynoszą zero lub są powtórzone nie można obliczyć przedziału ufności, zwracanie wartości NA nie można obliczyć estymatora, zwracanie wartości NA nie można obliczyć dokładnego przedziału ufności z wartościami powtórzonymi nie można obliczyć dokładnego przedziału ufności z zerami nie można obliczyć dokładnych przedziałów ufności z powtórzonymi wartościami nie można obliczyć dokładnej wartości prawdopodobieństwa z powtórzonymi wartościami nie można obliczyć dokładnej wartości prawdopodobieństwa z zerami nie można obliczyć symulowanej wartości prawdopodobieństwa z zerowymi granicami nie można utworzyć formuły z ramki danych o zerowej liczbie kolumn nie można znaleźć poprawnych wartości startowych; proszę określić kilka nie można dopasować modelu regresji asymptotycznej do tych danych nie można dopasować do modeli bez poziomu ('alpha' nie może być zerem lub wartością FALSE) nie można obsłużyć 'pairwise.complete.obs' nie można narysować więcej niż 10 szeregów jako 'multiple' nie można rozpoznać nazwy parametru nie można przeskalować kolumny stałych wartości/zer na jednostkową wariancję nie można symulować z niecałkowitych 'prior.weights' nie można użyć 'cor=TRUE' ze zmienną przyjmującą stałą wartość nie można używać kropek w formule z zadanymi danymi nie można użyć więcej wewnętrznych węzłów niż unikalnych wartości 'x' współczynniki nie sumują się do 1 zwijanie do unikalnych wartości 'x' porządkowanie drzewa celu względem kolumn zwróciło indeks o niepoprawnej długości kolumny 'contrast.obj' muszą określać konstrast (sumować się do zera) kolumny 'contrast.obj' muszą określać kontrast (sumować się do zera) kontrasty mają zastosowanie jedynie do czynników kontrasty można zastosować jedynie do czynników z dwoma lub więcej poziomami kontrasty nie są zdefiniowane dla %d stopni swobody problem zbieżności podczas znajdywania zer konwertowanie nieodwracalnych wartości początkowych kroczącej średniej macierz kowariancji nie jest nieujemnie określona prawdopodobieństwo pokrycia poza przedziałem [0,1) krzyżowa walidacja z nieunikalnymi wartościami 'x' wydaje się wątpliwa dane są w zasadzie stałe dane muszą być niezerowe dla multiplikatywnego modelu Holta-Wintersa wpisy dendrogramu muszą wynosić 1,2,..,%d (w dowolnej kolejności), aby mogły być przekształcale na obiekt klasy "hclust" węzeł drzewa celów z wartościami nie-dodatnimi #{gałęziami} bezliściowy węzeł drzewa celu z wartościami nie-dodatnimi #{gałęziami} projekt nie jest zrównoważony, dlatego też nie można kontynuować 'medpolish()' nie zbiegł się w %d iteracji 'medpolish()' nie zbiegł się w %d iteracjach 'medpolish()' nie zbiegł się w %d iteracjach nie udało się rozszerzenie końców przedziału dla f(dolny) * f(górny) <= 0 zerowy wymiar w argumencie 'x' lub 'y' odległości muszą być wynikiem 'dist' lub być kwadratową macierzą każdy wymiar w tabeli musi być >= 2 każdy element '%s' musi być elementem logicznym eff.aovlist: nieortogonalne kontrasty dałyby niepoprawną odpowiedź 'eig=TRUE' jest nieuwzględniane gdy 'list.=FALSE' jedno z 'k' lub 'h' musi zostać określone elementy 'k' muszą być pomiędzy 1 a %d elementy 'n' muszą być dodatnie elementy 'p' muszą być w przedziale (0,1) elementy 'x' muszą być nieujemne elementy 'x' nie mogą być większe niż elementy 'n' pusta grupa: spróbuj lepszego zestawu początkowych centrów dostarczono pusty model idealne dopasowanie: podsumowanie może nie być wiarygodne dokładnie jeden z 'groups', 'n', 'between.var', 'within.var', 'power', oraz 'sig.level' musi mieć wartość NULL dokładnie jeden z 'groups', 'n', 'between.var', 'within.var', 'power', oraz 'sig.level' musi mieć wartość NULL dokładnie jeden z 'n', 'p1', 'p2', 'power', oraz 'sig.level' musi mieć wartość NULL rozszerzanie szeregów czasowych przy wymianie wartości dodatkowe argumenty zostały odrzucone wartości 'f()' na końcach nie są przeciwnego znaku 'f.lower = f(lower)' ma wartość NA 'f.upper = f(upper)' ma wartość NA czynnik %s ma nowy poziom %s czynnik %s ma nowe poziomy %s czynnik %s ma nowe poziomy %s analiza czynnikowa stosuje się tylko zmiennych liczbowych analiza czynnikowa wymaga przynajmniej trzech zmiennych nie udało się odgadnąć zmiennych zależnych od czasu z ich nazw rodzina '%s' nie jest zaimplementowana pierwszy argument musi być obiektem klasu "loess" parametr dopasowania %s bez jakichkolwiek zmiennych parametry dopasowania %s bez jakichkolwiek zmiennych parametry dopasowania %s bez jakichkolwiek zmiennych dopasowanie aby wyliczyć zerowe odchylenie nie uzbieżniło się -- zwiększyć wartość 'maxit'? formuła '%s' musi mieć formę '~expr' brakuje argumentu 'formula' częstotliwość musi być dodatnią liczbą całkowitą >= 2 dla Podstawowego Modelowania Strukturalnego (BSM) glm.fit: algorytm nie zbiegł się glm.fit: algorytm zatrzymał się na wartości granicznej glm.fit: dopasowane prawdopodobieństwa numerycznie okazały się być 0 lub 1 glm.fit: dopasowane stosunki numerycznie okazały się być 0 grupujący czynnik musi mieć dokładnie 2 poziomy wszystkie dopasowane wartości (zależne) są = %s
oraz nie ma czynnikowych predyktorów; brak wykresu nr. 5 jeśli argument 'x' nie jest macierzą, argument 'y' musi zostać podane jeśli argument 'x' nie jest tablicą, argument 'y' musi być podany jeśli argument 'x' nie jest tablicą, argument 'z' musi być podany ignorowanie wag a priori niezgodne wymiary niespójna specyfikacja porządku 'ar' niespójna specyfikacja porządku 'ma' niepoprawne wymiary dla 'xi' niepoprawna długość argumentu 'x' niepoprawne określenie dla argumentu 'col.vars' niepoprawne określenie dla argumentu 'formula' niepoprawne określenie dla argumentu 'row.vars' niepoprawne nazwy zmiennych po lewej stronie formuły niepoprawne nazwy zmiennych po prawej stronie formuły zwiększanie przeszukiwanego przedziału 'bw.SJ()' (%d) do [%.4g,%.4g] początkowe centra nie są różne wartość początkowa nie jest wewnątrz możliwego regionu wewnętrzna pętla 1; nie można poprawić rozmiaru kroku wewnętrzna pętla 2; nie można poprawić rozmiaru kroku interakcje nie są dozwolone niepoprawna wartość 'SSinit' niepoprawna wartość 'abbr.colnames' niepoprawny argument 'control' niepoprawna wartość 'control.spar' niepoprawny argument 'data' niepoprawny argument 'endrule' niepoprawny argument 'extendInt'; proszę zgłosić raport niepoprawna wartość 'keep.stuff' niepoprawny obiekt 'lm': brak komponentu 'terms' niepoprawny argument 'method' niepoprawna wartość 'nb' niepoprawny argument 'tree' (komponent 'merge') niepoprawny argument 'use' niepoprawna wartość 'x' niepoprawna wartość 'y' niepoprawny (długość równa 0) węzeł w drzewie celu niepoprawna wartość 'NCOL(X)' niepoprawna wartość 'NROW(X)' niepoprawny argument 'c' niepoprawny argument 'cell' niepoprawny argument 'degree' niepoprawny argument 'lambda' niepoprawny argument 'n' niepoprawny argument 'omit' niepoprawny argument 'r' niepoprawny argument 'span' niepoprawny argument przekazany do funkcji 'getProfile()' niepoprawna metoda grupowania niepoprawne odmienności niepoprawna metoda wyznaczania odległości niepoprawnie dopasowane średnie w pustym modelu niepoprawna formuła niepoprawna formuła w 'deriv()' niepoprawna metoda interpolacji niepoprawna długość argumentu 'members' niepoprawna wartość 'length(x)' niepoprawne wartości liniowego predyktora w pustym modelu niepoprawna macierz QR modelu niepoprawna wartość 'ncol(x)' niepoprawna wartość 'nrow(x)' niepoprawna liczba punktów niepoprawne wartości parametrów niepoprawny typ zmiennej zależnej niepoprawna wartość %s elementy 'k' muszą być pomiędzy 2 a %d niezgodność długości w splocie długość 'center' musi równać się liczbie kolumn w 'x' długość argumentu 'init' musi równać się długości argumentu 'filter' długość 'p' musi być 1 lub równa liczbie kolumn 'x' długość 'start' powinna równać się %d i odnosić się do współczynników początkowych dla %s długość 'v.names' nie dzieli równo długości 'varying' długość 'varying' musi być iloczynem długości 'v.names' oraz długości 'times' długość 'wt' musi być równa liczbie wierszy w 'x' długość 'FUN', %d, nie zgadza się z długością marginesów, %d długość 'choices' musi wynosić 2 długości argumentów 'x' oraz 'w' muszą się zgadzać długości argumentów 'x' oraz 'xreg' muszą się zgadzać poziomy przycięto tylko do wartości dodatnich obiekt 'lm' nie ma poprawnego komponentu 'qr'. Ranga powinna być zerem lub nie powinieneś był użyć 'lm(.., qr=FALSE)'. logiczny argument 'hessian' nie jest dozwolony. Zobacz dokumentację. warunek 'dolna < górna' nie został spełniony niższy zakres posiada człon %s, które nie jest uwzględniony w modelu niższy zakres posiada człony %s, które nie są uwzględnione w modelu niższy zakres posiada człony %s, które nie są uwzględnione w modelu maksymalna liczba iteracji musi być > 0 'medpolish()' nie zbiegł się w %d iteracji 'medpolish()' nie zbiegł się w %d iteracjach 'medpolish()' nie zbiegł się w %d iteracjach 'metod = "Brent"' jest dostępna jedynie dla jednowymiarowej optymalizacji 'method = %s' nie jest wspierane. Używanie 'qr' metoda L-BFGS-B używa 'factr' (oraz 'pgtol') zamiast 'reltol' oraz 'abstol' 'midcache()' dla niebinarnych drzew celu tylko częściowo zaimplementowane odnotowano wartość minimalną na jednym z końców zakresu niezgodne 'x' oraz 'y' brakujące obserwacje zostały usunięte wartości brakujące lub nieskończone nie są dozwolone na wejściach brakujące lub ujemne wagi nie są dozwolone brakujące wartości oraz wartości NaN nie są dozwolone jeśli 'na.rm = FALSE' brakujące wartości w 'poly()' nie są dozwolone brakujące wartości w argumencie 'filter' brakujące wartości w argumencie 'object' brakujące wartości są niedozwolone ramka modelu oraz fomuła nie zgadzają się w 'model.matrix()' nie wszystkie modele są dopasowane do tej samej liczby obserwacji nie wszystkie modele zostały dopasowane do zbioru danych tego samego rozmiaru modele ze zmienną zależną %s zostały usunięte, ponieważ zmienna zależna różni się od tego w modelu 1 więcej centrów grup niż punktów danych więcej centrów grup niż odmiennych punktów danych. wielowymiarowy przypadek z brakującymi współczynnikami nie jest jeszcze zaimplementowany potrzeba mieć dwa 'symbols' dla argumentu logicznego 'x' potrzeba mieć co najmniej 4 obserwacje aby dopasować model 'SSfol' potrzeba, aby długość zmiennej zależnej = długości drugiego argumentu 'SSfol' co najmniej 2 obiekty są potrzebne aby móc grupować potrzeba mieć tę samą liczbę kolumn w 'x' oraz 'centers' nie wolno określać równocześnie argumentu 'spar' oraz 'lambda' potrzeba określić 'spans' lub poprawne jądro potrzeba dostarczyć jeden lub więecj wektorów argument 'na.action' musi być funkcją 'names(hybridPars)' powinno mieć wartość NULL lub być ustawione na wartości domyślne 2 lub więcej niezerowych granic kolumny jest wymagane 2 lub więcej niezerowych granic wiersza jest wymagane pakiet CRAN 'SuppDists' jest potrzebny do symulacji z rodziny 'inverse.gaussian' potrzeba obiektu z komponentem wywołania potrzeba przynajmniej 2 punktów potrzeba co najmniej 2 okresów aby obliczyć sezonowe wartości startowe co najmniej 2 punkty są potrzebne aby automatycznie wybrać szerokość pasma potrzeba przynajmniej czterech unikalnych wartości 'x' co najmniej dwie wartości nie-NA są wymagane do interpolacji potrzeba drzew celu, gdzie liście nie posiadają etykiet potrzeba wielokrotnych zmiennych zależnych potrzeba danych liczbowych potrzeba wyniku 'smooth.spline(keep.data=TRUE)' ujemne wartości nie są dozwolone dla rodziny 'Poisson' ujemne wartości nie są dozwolone dla rodziny 'quasiPoisson' ujemne wagi nie są dozwolone nie dostarczono 'x' ani 'covmat' brak dostępnego atrybutu 'nobs' brak zaimplementowanej metody 'add1' dla modeli 'mlm' brak dostępnej metody 'as.stepfun' dla 'x' brak metody 'drop1' dla modeli 'mlm' nie znaleziono metody 'getInitial()' dla obiektów klasy "%s" brak dostępnej metody 'nobs()' brak atrybutu 'reshapeWide', potrzeba określić 'varying' brak stopni swobody dla reszt brak czynników w dopasowanym modelu brak skończonych obserwacji brak modeli do porównania brak obserwacji informacyjnych w iteracji %d brak parametrów dla dopasowania nie dostarczono wartości zamiennych brak wierszy do zagregowania brak dostępnych punktacji: dopasuj ponownie z 'retx=TRUE' nie zaobserwowano zmiany znaku w %d iteracjach brak rozwiązania we wskazanym zakresie pasma nie określono wartości początkowych nie określono wartości początkowych brak komponentu 'terms' oraz atrybutu brak członów w zakresie brak członów w zakresie do dodania do obiektu nie dostarczono szeregu czasowego nie znaleziono poprawnego zestawu współczynników: proszę dostarczyć wartości początkowe długości nie-NA reszt nie zgadzają się z przypadkami użytymi w dopasowaniu zignorowano nie-czynniki: %s nieskończony argument 'bw' nieskończony argument 'from' nieskończony argument 'to' nieskończone współczynniki w %d iteracji nieprzecinające się szeregi bezlistne poddrzewo o długości 0 macierz niekwadratowa niestacjonarna część autoregresji niestacjonarna część autoregresji z warunkowej sumy kwadratów niestacjonarna sezonowa część autoregresji niestacjonarna sezonowa część autoregresji z warunkowej sumy kwadratów szeregi nie-czasowe nie mają poprawnej długości to nie jest poprawny obiekt klasy "smooth.spline" to nie jest poprawna funkcja krokowa nie wszystkie szeregi mają tę samą częstotliwość to nie jest niezreplikowana kompletna konstrukcja bloku zbyt mało danych 'x' niewystarczająca liczba obserwacji 'x' zbyt mało danych 'y' niewystarczająca liczba obserwacji 'y' zbyt mało danych niewystarczająca liczba stopni swobody do zdefiniowania kontrastów niewystarczająca liczba skończonych obserwacji niewystarczająca liczba grup niewystarczająca liczba obserwacji brak wykreślalnych obserwacji z jednej transmisji:
%s ignorowanie niepoprawnej wartości stopni swodoby; wartość musi spełniać warunek: 1 < df <= n, n = #{unikalne x} = nic do tabulowania liczba 'cutpoints' musi być o jeden mniejsza niż liczba symboli liczba 'cutpoints' musi być o jeden większa niż liczba symboli liczba centrów grup musi leżeć pomiędzy 1 a 'nrow(x)' liczba różnic musi być dodatnią liczbą całkowitą liczba grup musi być przynajmniej równa 2 liczba obserwacji w argumentach 'x' oraz 'y' musi się zgadzać liczba obserwacji w każdej grupie musi wynosić minimum 2 liczba przesunięć (%d) powinna być równa liczbie obserwacji (%d) liczba przesunięć (%d) powinna być równa liczbie obserwacji (%d) liczba wierszy w użyciu zmieniła się: usunąć brakujące wartości? liczba serii w 'object' oraz 'newdata' nie zgadzają się liczba dostarczonych wartości nie jest pod-wielokrotnością liczby wartości do zamiany liczba wag = %d powinna być równa %d (liczbie zmiennych zależnych) liczba wag musi zgadzać się z liczbą obserwacji liczbowe 'all.knots' musi pokryć przedział [0,1] (= przekształcony zakres danych) oczekiwano kontrastów liczbowych lub nazwy kontrastu liczbowy argument 'y' musi zostać dostarczony.
Dla estymacji gęstości użyj 'density()' obiekt '%s' nie ma punktów obiekt musi być klasy %s lub %s argument 'object' nie jest interpretowalny jako czynnik obserwacje z zerową wagą nie zostały użyte podczas obliczania odchylenia standardowego obserwacje z zerową wagą nie zostały użyte obserwacje z zerową wagą nie zostały użyte podczas kalkulacji dyspersji jednowymiarowa optymalizacja metodą Neldera-Meada nie jest wiarygodna:
użyj 'Brent' lub 'optimize()' bezpośrednio tylko %d przypadek tylko %d przypadki tylko %d przypadków tylko %d pierwszych %d wartości własnych jest > 0 tylko od 1 do 4 predyktorów jest dozwolone zaimplementowane tylko dla jednowymiarowego szeregu czasowego dozwolona jest tylko zamiana elementów tylko jednowymiarowe serie są dozwolone problemy optymalizacji: %s niepowodzenie optymalizacji opcja "show.coef.Pvalues" jest niepoprawna: zakładanie TRUE opcja "show.signif.stars" jest niepoprawna: zakładanie TRUE ortogonalne wielomiany nie mogą być reprezentowane wystarczająco dokładnie dla %d stopni swobody wartość prawdopodobieństwa w obecności powtórzonych wartości będzie przybliżona parametr %s nie pojawia się w formule modelu parametry %s nie pojawiają się w formule modelu parametry %s nie pojawiają się w formule modelu parametry bez początkowej wartości w 'data': %s zbieranie standardowego odchylenia jest niezgodne ze sparowanymi testami dodanie wartości są dozwolone jedynie dla rodziny 'inverse.gaussian' prawdopodobny problem zbieżności: 'optim' zwrócił kod= %d oraz wiadomość %s prawdopodobny problem zbieżności: 'optim' zwrócił kod= %d predykcje na bieżących danych odnoszą się do _przyszłych_ wartości zmiennej zależnej wszystkie predyktory muszą być liczbami prawdopodobieństwa muszą być skończone, nieujemne i nie wszystkie ustawione na 0 prawdopodobieństwa muszą być nieujemne. prawdopodobieństwa muszą sumować się do 1. przeczytaj dokumentację dotyczącą 'trace' bardziej uważnie ref = %d musi być w przedziale 1L:%d żądany 'conf.level' nie jest osiągalny zażądano punktacji bez macierzy 'x' stopnie swobody reszty w obiekcie sugerują, że nie jest do dopasowanie 'lm' reszty mają rangę %d < %d reszty mają rangę %s < %s zmienna zależna nie jest dozwolona w formule porządkowanie drzewa celu względem wierszy zwróciło indeks o niepoprawnej długości rozmiar próby w każdej warstwie musi być > 1 długość argumentu 'x' musi być pomiędzy 3 a 5000 próby różnią się położeniem: nie można obliczyć przedziału ufności, zwracanie wartości NA wykresy punktowe tylko dla jednowymiarowych szeregów czasowych zakres nie jest podzbiorem etykiet członów sezonowa część średniej kroczącej modelu nie jest odwracalna szereg jest uszkodzony, bez atrybutu 'tsp' szereg jest uszkodzony: długość %d z 'tsp' sugerującym %d szereg nie jest periodyczny lyb ma mniej niż dwa okresy setVarying : długość 'vary' musi zgadzać się z długością parametrów ustawianie 'df = 1' __używaj z ostrożnością!__ funkcja 'simulate()' nie jest jeszcze zaimplementowana dla wielowymiarowych 'lm()' osobliwa macierz kontrastów napotkano osobliwe dopasowanie osobliwa macierz gradientu w początkowych oszacowaniach parametru osobliwości w regresji 'size != sum(x)', tzn. jeden jest niepoprawny rozmiar nie może wynosić NA ani też przekraczać wartość 65536 niektóre parametry autoregresji zostały ustalone: ustawianie 'transform.pars = FALSE' niektóre parametry modelu kroczącej średniej autoregresji zostały ustalone: ustawianie 'transform.pars = FALSE' niektóre zmienne o stałej wartości (%s) tak naprawdę się zmieniają niektóre elementy 'x' nie są liczbami, więc zostaną przekształcone na liczby niektóre wyrażenia będą miały wartości NA z uwagi na ograniczenia metody niektóre wagi powinny być dodatnie określono parametry dla wszystkich predyktorów określono kwadrat predyktora czynnika, który ma zostać pominięty, gdy stopień = 1 określono kwadrat predyktora, który ma zostać pominięty z tylko jednym liczbowym predyktorem określ 'rate' lub 'scale', ale nie oba jednocześnie określ dokładnie jeden z 'k' oraz 'h' określ dokładnie jeden z 'which' oraz 'x' spline: pierwsza oraz ostatnia wartość 'y' różnią się -- używanie 'y[1L]' dla obu spline: pierwsza oraz ostatnia wartość 'y' różnią się -- używanie 'y[1]' dla obu rozmiar kroku został przycięty ze względu na rozbieżność rozmiar kroku został przycięty: poza granicami stepfun: 'x' musi być uporządkowany rosnąco 'sum(weights) != 1' -- nie uzyska się prawdziwej gęstości dostarcz oba 'x' oraz 'y' lub 'x' przypominające macierz tabela 'x' powinna mieć 2 wpisy komponent 'height' w 'tree' nie jest (rosnąco) posortowany argument 'se.fit' dla obiektów 'mlm' nie jest jeszcze zaimplementowany argument 'split' musi być listą przypadek dla k > 2 nie jest zaimplementowany zdefiniowany kontrast jest pusty (nie ma elementów TRUE) pierwsza wartość szeregu czasowego nie może być brakującą następujące argumenty przekazane do 'anova.glm()' są niepoprawne i zostały pominięte: seria jest całkowicie wypełniona wartościami 'NA' jest %d człon błędu: tylko 1 jest dozwolony są %d człony błędu: tylko 1 jest dozwolony jest %d członów błędu: tylko 1 jest dozwolony pojawiają się rekordy z brakującymi czasami, które zostaną pominięte. potrzeba co najmniej 2 obserwacji w każdej grupie to dopasowanie nie dziedziczy z 'lm' szeregi czasowe zawierają wewnętrznie wartości NA szereg czasowy nie posiada okresów lub ma ich mniej niż 2 czasy do zastąpienia nie zgadzają się zbyt mało różnych wartości wejściowych aby dopasować model Michaelisa-Mentena zbyt mało różnych wartości wejściowych aby dopasować 'biexponential' zbyt mało różnych wartości wejściowych aby dopasować 4 parametrową funkcję logistyczną zbyt mało różnych wartości wejściowych aby dopasować model logistyczny zbyt mało różnych wartości wejściowych aby dopasować model regresji asymptotycznej zbyt mało różnych wartości wejściowych aby dopasować model 'asympOff' zbyt mało różnych wartości wejściowych aby dopasować model 'asympOrig' zbyt mało różnych wartości wejściowych aby dopasować model Gompertza zbyt mało różnych wartości wejściowych aby dopasować model wzrostu Weibull'a zbyt mało grup zbyt mało niebrakujących obserwacji zbyt mało obserwacji aby dopasować model regresji asymptotycznej dostarczono zbyt dużo wartości zamiennych przetransformowane parametry kroczącej średniej autoregresji zostały ustalone typ '%s' nie jest jeszcze zaimplementowany 'type = "partial"' nie jest jeszcze zaimplementowany nie można zoptymalizować z tej wartości startowej nie można zoptymalizować z tych wartości startowych nie można zoptymalizować z tych wartości startowych nierówna liczba wierszy w 'cancor()' tylko jednowymiarowe szeregi czasowe nieznana reguła szerokości pasma nieznana nazwa %s w liście 'split' nieznane nazwy %s w liście 'split' nieznane nazwy %s w liście 'split' nieznane nazwane jądro nieznane nazwy w kontroli: nieznana wartość łańcucha dla argumentu 's.window' nierozpoznany element kontrolny o nazwie %s został zignorowany nierozpoznane elementy kontrolne o nazwach %s zostały zignorowane nierozpoznane elementy kontrolne o nazwach %s zostały zignorowane górne oraz dolne granice zostały zignorowane, dopóki nie będzie 'algorithm = "port"' górny zakres posiada człon %s, które nie jest uwzględniony w modelu górny zakres posiada człony %s, które nie są uwzględnione w modelu górny zakres posiada człony %s, które nie są uwzględnione w modelu używaj tylko z obiektami klasy "lm" używanie testu Fishera z rodziną '%s' jest niepoprawne używanie testu Fishera z ustaloną dyspersją jest niepoprawne używanie %d/%d wiersza z połączonego dopasowania używanie %d/%d wierszy z połączonego dopasowania używanie %d/%d wierszy z połączonego dopasowania użycie 'type="numeric"' z czynnikową zmienną zależną zostanie zignorowane używanie wag jako odwrotności wariancji używanie wag jako parametrów kształtu wartość 'epsilon' musi być > 0 zmienna '%s' jest nieobecna, jej kontrast będzie zignorowany zmienna '%s' nie jest czynnikiem zmienna '%s' została dopasowana z typem '%s', ale dostarczono typ '%s' zmienne %s zostały określone z typami innymi od tych z dopasowania wagi nie są wspierane w wielowarstwowym dopasowaniu 'aov()' wagi muszą być nieujemne oraz nie wszystkie równe zero niepoprawnie osadzony wymiar niepoprawny 'k' / 'cs.ind' niepoprawna długość dla argumentu 'fixed' błędna metoda niepoprawna liczba kolumn w 'x' niepoprawna liczba kolumn w nowych danych: niepoprawna liczba wierszy macierzy kontrastu 'x' nie jest wektorem ani jednowymiarowym szeregiem czasowym 'x$lag' musi mieć jak przynajmniej 1 kolumnę 'x.ret=TRUE' jest nieuwzględniane gdy 'list.=FALSE' argumenty 'x' oraz 'prob' muszą być wektorami o jednakowej długości argument 'y' jest pusty lub posiada jedynie wartości NA wartości 'y' muszą być z przedziału 0 <= y <= 1 zero punktów o wartości nie-NA seria o zerowej wariancji