dpih(KernSmooth)
dpih()所属R语言包：KernSmooth
Select a Histogram Bin Width
选择一个直方图宽度
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Uses direct plug-in methodology to select the bin width of a histogram.
采用直接插入的方法，选择直方图的bin宽度。
用法----------Usage----------
dpih(x, scalest = "minim", level = 2L, gridsize = 401L,
range.x = range(x), truncate = TRUE)
参数----------Arguments----------
参数：x
vector containing the sample on which the histogram is to be constructed.
向量样品直方图是将建造的。
参数：scalest
estimate of scale. "stdev" - standard deviation is used. "iqr" - inter-quartile range divided by 1.349 is used. "minim" - minimum of "stdev" and "iqr" is used.
规模的估计。 "stdev" - 标准偏差。 "iqr" - 间四分范围由1.349分。 "minim" - "stdev"和"iqr"用于最低。
参数：level
number of levels of functional estimation used in the plug-in rule.
数量的插件在规则中使用的功能估计的水平。
参数：gridsize
number of grid points used in the binned approximations to functional estimates.
分级近似的功能估计使用的网格点的数目。
参数：range.x
range over which functional estimates are obtained. The default is the minimum and maximum data values.
射程超过功能估计得到。默认的最小和最大的数据值。
参数：truncate
if truncate is TRUE then observations outside of the interval specified by range.x are omitted. Otherwise, they are used to weight the extreme grid points. </table>
如果truncateTRUE然后range.x指定的时间间隔外的意见被忽略。否则，它们将用于重量极端格点。 </ TABLE>
Details
详情----------Details----------
The direct plug-in approach, where unknown functionals that appear in expressions for the asymptotically optimal bin width and bandwidths are replaced by kernel estimates, is used. The normal distribution is used to provide an initial estimate.
直接插入的方法，替换内核估计渐近最优的槽的宽度和带宽表达式中出现的未知函，用于。正态分布是用来提供一个初步估计。
值----------Value----------
the selected bin width.
选定的bin宽度。
背景----------Background----------
This method for selecting the bin width of a histogram is described in Wand (1995). It is an extension of the normal scale rule of Scott (1979) and uses plug-in ideas from bandwidth selection for kernel density estimation (e.g. Sheather and Jones, 1991).
这种方法选择直方图的bin宽度魔杖（1995年）。这是一个规则（1979年）斯科特正常规模的扩展和使用核密度估计（如Sheather和琼斯，1991年），插件在带宽选择的想法。
参考文献----------References----------
On optimal and data-based histograms. Biometrika, 66, 605–610.
A reliable data-based bandwidth selection method for kernel density estimation. Journal of the Royal Statistical Society, Series B, 53, 683–690.
Data-based choice of histogram binwidth. The American Statistician, 51, 59–64.
参见----------See Also----------
hist
hist
举例----------Examples----------
data(geyser, package="MASS")
x <- geyser$duration
h <- dpih(x)
bins <- seq(min(x)-h, max(x)+h, by=h)
hist(x, breaks=bins)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-2-16 18:21:41
