![在 R markdown 中将方程式居中后恢复到常规对齐方式](https://linux22.com/image/382182/%E5%9C%A8%20R%20markdown%20%E4%B8%AD%E5%B0%86%E6%96%B9%E7%A8%8B%E5%BC%8F%E5%B1%85%E4%B8%AD%E5%90%8E%E6%81%A2%E5%A4%8D%E5%88%B0%E5%B8%B8%E8%A7%84%E5%AF%B9%E9%BD%90%E6%96%B9%E5%BC%8F.png)
R markdown 中的文本如下。我正在尝试导出为 pdf。
多级模型的另一个好处是其层次结构。在这种情况下,大多数对阵对方球队的比赛都是以三人一组的形式进行的。三场比赛中的每一场都会有不同的投手。该模型内置了“比赛中的投手”功能。
\center $Score_i \sim Normal(\mu_i,\sigma_i)$ \center
\center $\mu_i = \alpha_{TEAM[i]}+\beta_{ERA}+\beta_{WL}$ \center
\center $\alpha_{TEAM[i]} \sim Normal(\alpha_i,\alpha_{sigma})$ \center
\center $\alpha_i \sim Normal(0,1)$ \center
\center $\alpha_{sigma} \sim HalfCauchy(0,2)$ \center
\center $\beta_{ERA} \sim Normal(0,1)$ \center
\center $\beta_{WL} \sim Normal(0,1)$ \center
\center $\sigma_i \sim HalfCauchy(0,2.5)$ \center
作者选择在 Stan 中构建的贝叶斯混合效应模型,该模型使用汉密尔顿蒙特卡洛来构建后验分布。
请注意,这些方程式实际上并没有被包装为 R markdown 文档中的代码。
问题是,尽管方程式的居中和间距都很完美,但下面的段落(“作者选择...”)仍然居中。事实上,方程式后面的所有文本都居中了。
我想将所有遵循方程式的文本重新对齐到左侧。
答案1
您永远不应该使用\center
(它是环境的实现center
),并且由于它的范围是当前组的其余部分,除了第一个之外的所有组都除了添加垂直空间之外什么都不做。
删除所有\center
和所有$
然后使用\[a=b\]
来获得居中显示的方程(或诸如gather*
多行显示的环境..
此外,应将以下词语HalfCauchy
标记为\mathrm{HalfCauchy}
默认的数学斜体字体,其设计目的是使相邻的字母不是看起来像一个单词,但却是变量的乘积。
\documentclass{article}
\usepackage{amsmath}
\begin{document}
Another benefit of the multi-level model is its hierarchical
structure. In this case, most games against opposing teams are played
in groups of three. Each of the three games will have different
pitchers. The "pitchers within games" feature was built into the
model.
\begin{gather*}
\mathrm{Score}_i \sim \mathrm{Normal}(\mu_i,\sigma_i) \\
\mu_i = \alpha_{\mathrm{TEAM}[i]}+\beta_{\mathrm{ERA}}+\beta_{\mathrm{WL}} \\
\alpha_{\mathrm{TEAM}[i]} \sim \mathrm{Normal}(\alpha_i,\alpha_{\mathrm{sigma}}) \\
\alpha_i \sim \mathrm{Normal}(0,1) \\
\alpha_{\mathrm{sigma}} \sim \mathrm{HalfCauchy}(0,2) \\
\beta_{\mathrm{ERA}} \sim \mathrm{Normal}(0,1) \\
\beta_{\mathrm{WL}} \sim \mathrm{Normal}(0,1) \\
\sigma_i \sim \mathrm{HalfCauchy}(0,2.5)
\end{gather*}
The author chose to work in a Bayesian mixed-effects model built in
Stan, which uses Hamiltonian Monte Carlo in order to construct
posterior distributions.
\end{document}