param_grid.RdThis takes a df of parameter ranges generated by param_ranges() and applied param_seqs() to turn any that vary into a sequence spanning the range. These sequences (if any) are then turned into a matrix of all possible values if none vary, then a single row of data is returned
param_grid(param.seqs = param_seqs(param_ranges(figure = 28.3)))
| param.seqs | sequence of parameters to use (in form of vector) |
|---|
param.grid Dataframe of parameter combinations
# "Grid" with no variation = single row of data param_grid() #> The dimension of the fully expanded dataframe is: #> 100 by 30 #> gamma co. K.bc K.bk K.wg S.w.mg S.w.mp S.w.fg S.w.fp S.m.mg S.m.mp S.m.fg #> 1 5 1 1 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 2 5 1 112 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 3 5 1 223 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 4 5 1 334 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 5 5 1 445 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 6 5 1 556 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 7 5 1 667 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 8 5 1 778 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 9 5 1 889 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 10 5 1 1000 10000 1 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 11 5 1 1 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 12 5 1 112 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 13 5 1 223 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 14 5 1 334 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 15 5 1 445 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 16 5 1 556 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 17 5 1 667 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 18 5 1 778 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 19 5 1 889 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 20 5 1 1000 10000 112 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 21 5 1 1 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 22 5 1 112 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 23 5 1 223 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 24 5 1 334 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 25 5 1 445 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 26 5 1 556 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 27 5 1 667 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 28 5 1 778 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 29 5 1 889 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 30 5 1 1000 10000 223 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 31 5 1 1 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 32 5 1 112 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 33 5 1 223 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 34 5 1 334 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 35 5 1 445 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 36 5 1 556 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 37 5 1 667 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 38 5 1 778 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 39 5 1 889 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 40 5 1 1000 10000 334 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 41 5 1 1 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 42 5 1 112 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 43 5 1 223 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 44 5 1 334 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 45 5 1 445 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 46 5 1 556 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 47 5 1 667 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 48 5 1 778 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 49 5 1 889 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 50 5 1 1000 10000 445 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 51 5 1 1 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 52 5 1 112 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 53 5 1 223 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 54 5 1 334 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 55 5 1 445 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 56 5 1 556 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 57 5 1 667 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 58 5 1 778 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 59 5 1 889 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 60 5 1 1000 10000 556 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 61 5 1 1 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 62 5 1 112 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 63 5 1 223 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 64 5 1 334 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 65 5 1 445 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 66 5 1 556 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 67 5 1 667 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 68 5 1 778 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 69 5 1 889 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 70 5 1 1000 10000 667 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 71 5 1 1 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 72 5 1 112 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 73 5 1 223 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 74 5 1 334 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 75 5 1 445 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 76 5 1 556 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 77 5 1 667 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 78 5 1 778 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 79 5 1 889 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 80 5 1 1000 10000 778 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 81 5 1 1 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 82 5 1 112 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 83 5 1 223 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 84 5 1 334 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 85 5 1 445 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 86 5 1 556 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 87 5 1 667 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 88 5 1 778 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 89 5 1 889 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 90 5 1 1000 10000 889 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 91 5 1 1 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 92 5 1 112 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 93 5 1 223 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 94 5 1 334 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 95 5 1 445 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 96 5 1 556 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 97 5 1 667 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 98 5 1 778 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 99 5 1 889 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> 100 5 1 1000 10000 1000 0.8 0.8 0.8 0.8 0.9 0.8 0.9 #> S.m.fp R.base.rate R.hab.effect f S.b.mc S.b.mk S.b.md S.b.fc S.b.fk #> 1 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 2 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 3 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 4 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 5 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 6 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 7 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 8 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 9 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 10 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 11 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 12 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 13 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 14 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 15 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 16 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 17 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 18 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 19 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 20 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 21 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 22 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 23 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 24 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 25 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 26 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 27 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 28 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 29 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 30 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 31 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 32 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 33 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 34 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 35 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 36 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 37 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 38 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 39 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 40 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 41 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 42 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 43 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 44 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 45 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 46 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 47 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 48 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 49 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 50 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 51 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 52 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 53 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 54 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 55 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 56 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 57 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 58 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 59 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 60 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 61 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 62 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 63 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 64 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 65 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 66 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 67 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 68 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 69 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 70 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 71 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 72 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 73 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 74 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 75 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 76 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 77 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 78 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 79 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 80 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 81 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 82 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 83 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 84 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 85 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 86 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 87 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 88 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 89 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 90 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 91 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 92 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 93 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 94 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 95 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 96 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 97 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 98 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 99 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> 100 0.8 1.8 0.5 0.5 0.95 0.85 0.8 0.95 0.85 #> S.f.mc S.f.mk S.f.md S.f.fc S.f.fk S.y.mc S.y.mk S.y.fc S.y.fk #> 1 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 2 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 3 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 4 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 5 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 6 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 7 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 8 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 9 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 10 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 11 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 12 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 13 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 14 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 15 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 16 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 17 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 18 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 19 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 20 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 21 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 22 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 23 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 24 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 25 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 26 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 27 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 28 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 29 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 30 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 31 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 32 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 33 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 34 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 35 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 36 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 37 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 38 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 39 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 40 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 41 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 42 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 43 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 44 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 45 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 46 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 47 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 48 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 49 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 50 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 51 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 52 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 53 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 54 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 55 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 56 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 57 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 58 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 59 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 60 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 61 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 62 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 63 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 64 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 65 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 66 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 67 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 68 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 69 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 70 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 71 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 72 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 73 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 74 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 75 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 76 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 77 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 78 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 79 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 80 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 81 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 82 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 83 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 84 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 85 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 86 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 87 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 88 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 89 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 90 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 91 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 92 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 93 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 94 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 95 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 96 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 97 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 98 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 99 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 #> 100 0.8 0.75 0.8 0.8 0.75 0.8 0.75 0.8 0.75 # Grid with variation ##Generate parameters for Figure 28.2 param.ranges <- param_ranges(figure = 28.3) ##generate parameter sequences param.seqs <- param_seqs(param.ranges = param.ranges) param.seqs[1:3] #> $gamma #> [1] 5 #> #> $co. #> [1] 1 #> #> $K.bc #> [1] 1 112 223 334 445 556 667 778 889 1000 #> ##generate grid param.grid <- param_grid(param.seqs) #> The dimension of the fully expanded dataframe is: #> 100 by 30 ## look at snippet of raw data param.grid[1:10,1:5] #> gamma co. K.bc K.bk K.wg #> 1 5 1 1 10000 1 #> 2 5 1 112 10000 1 #> 3 5 1 223 10000 1 #> 4 5 1 334 10000 1 #> 5 5 1 445 10000 1 #> 6 5 1 556 10000 1 #> 7 5 1 667 10000 1 #> 8 5 1 778 10000 1 #> 9 5 1 889 10000 1 #> 10 5 1 1000 10000 1 ## look at summary of columns that vary summary(param.grid[,c("K.bc","K.bk","K.wg" )]) #> K.bc K.bk K.wg #> Min. : 1.0 Min. :10000 Min. : 1.0 #> 1st Qu.: 223.0 1st Qu.:10000 1st Qu.: 223.0 #> Median : 500.5 Median :10000 Median : 500.5 #> Mean : 500.5 Mean :10000 Mean : 500.5 #> 3rd Qu.: 778.0 3rd Qu.:10000 3rd Qu.: 778.0 #> Max. :1000.0 Max. :10000 Max. :1000.0 ## conver colums that vary to factors then look at them param.grid$K.bc <- factor(param.grid$K.bc) param.grid$K.bk <- factor(param.grid$K.bk) param.grid$K.wg <- factor(param.grid$K.wg) summary(param.grid[,c("K.bc","K.bk","K.wg" )],10) #> K.bc K.bk K.wg #> 1 :10 10000:100 1 :10 #> 112 :10 112 :10 #> 223 :10 223 :10 #> 334 :10 334 :10 #> 445 :10 445 :10 #> 556 :10 556 :10 #> 667 :10 667 :10 #> 778 :10 778 :10 #> 889 :10 889 :10 #> 1000:10 1000:10