R语言 ROptEst包 getFixRobIC()函数中文帮助文档(中英文对照)

loveR

getFixRobIC(ROptEst)
getFixRobIC()所属R语言包：ROptEst

                                         Generic Function for the Computation of Optimally Robust ICs
                                         通用函数的计算最理想的强大的集成电路

                                         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  in case of robust models with fixed neighborhoods. This function is  rarely called directly.
通用计算最佳强大的集成电路的情况下，稳健的模型与固定的社区功能。很少直接调用此函数。


用法----------Usage----------


getFixRobIC(Distr, risk, neighbor, ...)

## S4 method for signature 'Norm,fiUnOvShoot,UncondNeighborhood'
getFixRobIC(Distr, risk, neighbor,
          sampleSize, upper, lower, maxiter, tol, warn, Algo, cont)



参数----------Arguments----------

参数：Distr
object of class "Distribution".
对象类"Distribution"。


参数：risk
object of class "RiskType".
对象类"RiskType"。


参数：neighbor
object of class "Neighborhood".
对象类"Neighborhood"。


参数：...
additional parameters.
附加参数。


参数：sampleSize
integer: sample size.   
整数：样本量。


参数：upper
upper bound for the optimal clipping bound.
上界的最佳剪辑约束。


参数：lower
lower bound for the optimal clipping bound.
下界的最佳剪辑约束。


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：Algo
"A" or "B".
“A”或“B”。


参数：cont
"left" or "right".   
“左”或“右”。


Details

详细信息----------Details----------

Computation of the optimally robust IC in sense of Huber (1968) which is also treated in Kohl (2005). The Algorithm used to compute the exact finite sample risk is introduced and explained in Kohl (2005). It is based on FFT.
最优鲁棒的IC感胡伯（1968）在科尔（2005年）中的处理方式也计算。科尔（2005年）的算法来计算精确的有限样本风险的介绍和解释。它是基于FFT。


值----------Value----------

The optimally robust IC is computed.
计算最优鲁棒的IC。


方法----------Methods----------

  


Distr = "Norm", risk = "fiUnOvShoot", neighbor = "UncondNeighborhood"  computes the optimally robust influence curve for one-dimensional normal location and finite-sample under-/overshoot risk.   
分派=“规范”，风险=的“fiUnOvShoot”邻居=“UncondNeighborhood”的计算一维正常位置和有限样本under-/overshoot的风险的最佳强大的影响曲线。


（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&ndash;278.
Rieder, H. (1980) Estimates derived from robust tests. Ann. Stats. 8: 106-115.
Kohl, M. (2005) Numerical Contributions to the Asymptotic Theory of Robustness.  Bayreuth: Dissertation.

参见----------See Also----------

FixRobModel-class
FixRobModel-class

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。