R语言 sde包 ksmooth()函数中文帮助文档(中英文对照)

loveR

ksmooth(sde)
ksmooth()所属R语言包：sde

                                        Nonparametric invariant density, drift, and diffusion coefficient estimation
                                         非参数不变的密度，漂移和扩散系数的估计

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Implementation of simple Nadaraya-Watson nonparametric  estimation of drift and diffusion coefficient, and plain kernel density estimation of the invariant density
实现的简单Nadaraya沃森非参数估计的漂移和扩散系数，和普通的内核密度估计的不变密度


用法----------Usage----------


ksdrift(x, bw, n = 512)
ksdiff(x, bw, n = 512)
ksdens(x, bw, n = 512)



参数----------Arguments----------

参数：x
a ts object.
一个ts对象。


参数：bw
bandwidth.
带宽。


参数：n
number of points in which to calculate the estimates.
点的数量计算的估计。


Details

详细信息----------Details----------

These functions return the nonparametric estimate of the drift or diffusion coefficients for data x using the Nadaraya-Watson estimator  for diffusion processes.
这些函数返回的漂移扩散系数的非参数估计的数据x使用Nadaraya沃森估计扩散过程。

ksdens returns the density estimates of the invariant density.
ksdens返回的密度估计的不变密度。

If not provided, the bandwidth bw is calculated using Scott's rule (i.e.,  bw = len^(-1/5)*sd(x)) where len=length(x)  is the number of observed points of the diffusion path.
如果不提供中的带宽bw斯科特的规则（即，计算bw = len^(-1/5)*sd(x)）其中len=length(x)是观测点的扩散路径。


值----------Value----------

<table summary="R valueblock"> <tr valign="top"><td>val</td> <td> an invisible list of x and y coordinates  and an object of class density in the case of invariant density estimation</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD>val </ TD> <TD>一种无形的名单x和y坐标对象的类density的不变密度估计的情况下，</ TD> </ TR> </表>


（作者）----------Author(s)----------


Stefano Maria Iacus



参考文献----------References----------

Ait-Sahalia, Y. (1996) Nonparametric pricing of interest rate  derivative securities, Econometrica, 64, 527-560.
Bandi, F., Phillips, P. (2003) Fully nonparametric estimation of   scalar diffusion models, Econometrica, 71, 241-283.
Florens-Zmirou, D. (1993) On estimating the diffusion coefficient  from discrete observations,  Journal of Applied Probability, 30, 790-804.

实例----------Examples----------


set.seed(123)
theta <- c(6,2,1)
X <- sde.sim(X0 = rsCIR(1, theta), model="CIR", theta=theta,
     N=1000,delta=0.1)

b <- function(x)
theta[1]-theta[2]*x

sigma <- function(x)
theta[3]*sqrt(x)
  
minX <- min(X)
maxX <- max(X)

par(mfrow=c(3,1))
curve(b,minX,maxX)
lines(ksdrift(X),lty=3)

curve(sigma,minX, maxX)
lines(ksdiff(X),lty=3)

f <-function(x) dsCIR(x, theta)
curve(f,minX,maxX)
lines(ksdens(X),lty=3)

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。