R语言 RobRex包 rgsOptIC.BM()函数中文帮助文档(中英文对照)

loveR

rgsOptIC.BM(RobRex)
rgsOptIC.BM()所属R语言包：RobRex

                                        Computation of the optimally robust IC for BM estimators
                                         BM估计的最优强大的IC计算

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The function rgsOptIC.BM computes the optimally robust IC for BM estimators in case of linear regression with unknown scale and (convex) contamination neighborhoods where the regressor is random. These estimators were proposed  by Bednarski and Mueller (2001); confer also  Subsection 7.3.3 of Kohl (2005).
的功能rgsOptIC.BM计算最优强大的IC BM估计的情况下，线性回归与未知的规模和污染居民区（凸）的回归量是随机的。这些估计贝德纳尔斯基和Mueller（2001）提出的，也赋予科尔（2005年）第7.3.3。


用法----------Usage----------


rgsOptIC.BM(r, K, b.rg.start = 2.5, b.sc.0.x.start, delta = 1e-06,
            MAX = 100, itmax = 1000)



参数----------Arguments----------

参数：r
non-negative real: neighborhood radius.
非负实：邻域半径。


参数：K
object of class "DiscreteDistribution"
对象的类"DiscreteDistribution"


参数：b.rg.start
positive real: starting value for b_rg.
正实：起始值为b_rg。


参数：b.sc.0.x.start
positive real: starting value for b_sc,0,x.
正实：起始值为b_sc,0,x。


参数：delta
the desired accuracy (convergence tolerance).
所需的精度（收敛宽容）。


参数：itmax
the maximum number of iterations.
最大迭代次数。


参数：MAX
if b_loc or b_sc,0  are beyond the admitted values, MAX is returned.
如果b_loc或b_sc,0超越承认的值的，MAX返回。


Details

详细信息----------Details----------

The computation of the optimally robust IC for BM estimators is based on optim where MAX is used to  control the constraints on b_rg  and b_sc,0,x.
BM估计的最优强大的IC的计算是基于optim其中MAX用于控制的约束b_rg和b_sc,0,x。


值----------Value----------

Object of class "CondIC"
对象的类"CondIC"


（作者）----------Author(s)----------


Matthias Kohl <a href="mailto:Matthias.Kohl@stamats.de">Matthias.Kohl@stamats.de</a>



参考文献----------References----------

Bednarski, T and Mueller, C.H. (2001) Optimal bounded influence regression and scale M-estimators in the context of experimental design. Statistics, 35(4): 349&ndash;369.
Kohl, M. (2005) Numerical Contributions to the Asymptotic Theory of Robustness.  Bayreuth: Dissertation.

参见----------See Also----------

CondIC-class
CondIC-class


实例----------Examples----------


## code takes some time[＃代码需要一些时间]
## Not run: [＃不运行：]
K &lt;- DiscreteDistribution(1:5) # = Unif({1,2,3,4,5})[UNIF（{1,2,3,4,5}）]
IC1 <- rgsOptIC.BM(r = 0.1, K = K)
checkIC(IC1)
Risks(IC1)

## End(Not run)[＃（不执行）]

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。