optIC(ROptEstOld)
optIC()所属R语言包：ROptEstOld
Generic function for the computation of optimally robust ICs
计算最佳强大的IC的通用功能
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Generic function for the computation of optimally robust ICs.
通用功能计算的最佳强大的IC。
用法----------Usage----------
optIC(model, risk, ...)
## S4 method for signature 'L2ParamFamily,asCov'
optIC(model, risk)
## S4 method for signature 'InfRobModel,asRisk'
optIC(model, risk, z.start = NULL, A.start = NULL, upper = 1e4,
maxiter = 50, tol = .Machine$double.eps^0.4, warn = TRUE)
## S4 method for signature 'InfRobModel,asUnOvShoot'
optIC(model, risk, upper = 1e4, maxiter = 50,
tol = .Machine$double.eps^0.4, warn = TRUE)
## S4 method for signature 'FixRobModel,fiUnOvShoot'
optIC(model, risk, sampleSize, upper = 1e4, maxiter = 50,
tol = .Machine$double.eps^0.4, warn = TRUE, Algo = "A", cont = "left")
参数----------Arguments----------
参数：model
probability model.
概率模型。
参数：risk
object of class "RiskType".
对象类"RiskType"。
参数：...
additional parameters.
附加参数。
参数：z.start
initial value for the centering constant.
定心常数的初始值。
参数：A.start
initial value for the standardizing matrix.
标准化矩阵的初始值。
参数：upper
upper bound for the optimal clipping bound.
上界的最佳剪辑约束。
参数：maxiter
the maximum number of iterations.
最大迭代次数。
参数：tol
the desired accuracy (convergence tolerance).
所需的精度（收敛宽容）。
参数：warn
logical: print warnings.
逻辑：打印警告。
参数：sampleSize
integer: sample size.
整数：样本量。
参数：Algo
"A" or "B".
“A”或“B”。
参数：cont
"left" or "right".
“左”或“右”。
Details
详细信息----------Details----------
In case of the finite-sample risk "fiUnOvShoot" one can choose between two algorithms for the computation of this risk where the least favorable contamination is assumed to be left or right of some bound. For more details
情况下的有限样本的风险"fiUnOvShoot"可以选择两种算法计算风险的最不利的污染被认为是左或右的一些结合。欲了解更多详情，
值----------Value----------
Some optimally robust IC is computed.
一些最佳鲁棒的IC被计算。
方法----------Methods----------
model = "L2ParamFamily", risk = "asCov" computes classical optimal influence curve for L2 differentiable parametric families.
模型=“L2ParamFamily的”风险=“asCov”的计算经典的最佳L2微参数家庭的影响曲线。
model = "InfRobModel", risk = "asRisk" computes optimally robust influence curve for robust models with infinitesimal neighborhoods and various asymptotic risks.
=的“InfRobModel”，风险模型=“asRisk”的计算最优强大的影响力曲线与无穷小的社区和各种渐近风险的可靠的模型。
model = "InfRobModel", risk = "asUnOvShoot" computes optimally robust influence curve for robust models with infinitesimal neighborhoods and asymptotic under-/overshoot risk.
=的“InfRobModel”，风险模型=“asUnOvShoot”的计算与无穷小的社区和可靠的模型渐近under-/overshoot风险的最佳强大的影响曲线。
model = "FixRobModel", risk = "fiUnOvShoot" computes optimally robust influence curve for robust models with fixed neighborhoods and finite-sample under-/overshoot risk.
=的“FixRobModel”，风险模型=“fiUnOvShoot”的计算最优强大的影响力曲线可靠的模型与固定的社区和有限样本under-/overshoot的风险。
（作者）----------Author(s)----------
Matthias Kohl <a href="mailto:Matthias.Kohl@stamats.de">Matthias.Kohl@stamats.de</a>
参考文献----------References----------
Huber, P.J. (1968) Robust Confidence Limits. Z. Wahrscheinlichkeitstheor. Verw. Geb. 10:269–278.
Rieder, H. (1980) Estimates derived from robust tests. Ann. Stats. 8: 106–115.
Rieder, H. (1994) Robust Asymptotic Statistics. New York: Springer.
Kohl, M. (2005) Numerical Contributions to the Asymptotic Theory of Robustness. Bayreuth: Dissertation.
参见----------See Also----------
InfluenceCurve-class, RiskType-class
InfluenceCurve-class，RiskType-class
实例----------Examples----------
B <- BinomFamily(size = 25, prob = 0.25)
## classical optimal IC[＃经典的最佳IC]
IC0 <- optIC(model = B, risk = asCov())
plot(IC0) # plot IC[图IC]
checkIC(IC0, B)
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 2012-9-27 23:10:56
