pred.y(SeleMix)
pred.y()所属R语言包：SeleMix
Prediction of y variables
y变量的预测
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Provides predictions of y variables according to a Gaussian contamination model
根据高斯污染模型提供的y变量的预测
用法----------Usage----------
pred.y (y, x=NULL, B, sigma, lambda, w, model="LN", t.outl=0.5)
参数----------Arguments----------
参数：y
matrix or data frame containing the response variables
矩阵或数据框包含响应变量
参数：x
optional matrix or data frame containing the error free covariates
可选的矩阵或数据框包含的错误协变量
参数：B
matrix of regression coefficients
回归系数矩阵
参数：sigma
covariance matrix
协方差矩阵
参数：lambda
variance inflation factor
方差膨胀因子
参数：w
proportion of erroneous data
错误的数据的比例
参数：model
data distribution: LN = lognormal(default), N=normal
数据分布：LN =对数正态分布（默认），N =正常
参数：t.outl
threshold value for posterior probabilities of identifying outliers (default=0.5)
识别异常值的后验概率阈值（默认值= 0.5）
Details
详细信息----------Details----------
This function provides expected values of a set of variables (y1.p,y2.p,... ) according to a mixture of two regression models with Gaussian residuals (see ml.est). If no covariates are available (x variables), a two component Gaussian mixture is used. Expected values (predictions) are computed on the base of a set of parameters of appropriate dimensions (B, sigma, lambda,w) and (possibly) a matrix (or data frame) containing the error-free x variables.
此功能提供的预期值的一组变量（y1.p,y2.p,...）根据两个与高斯残差的回归模型中的混合物（见ml.est）。如果没有可用的协变量是（x变量），双组分混合高斯被使用。预期值（预测）的计算的基础上，适当的尺寸的参数的一组（B, sigma, lambda,w）和（可能的）的矩阵（或数据框）含有无误差x变量。
Missing values in the x variables are not allowed. However, robust predictions of y variables are also provided when these variables are not observed. A vector of missing pattern (pattern) indicates which item is observed and which is missing.
x变量的遗漏值是不允许的。然而，鲁棒预测y变量还提供了这些变量时没有观察到。失踪模式的矢量（pattern）表示项目的观察和丢失。
For each unit in the data set the posterior probability of being erroneous (tau) is computed and a flag (outlier) is provided taking value 0 or 1 depending on whether tau is greater than the user specified threshold (t.outl).
对于每个单元中的数据的后验概率的错误设置（tau）被计算和一个标志（outlier）设置值0或1，这取决于是否tau是大于用户指定的阈值（t.outl）。
值----------Value----------
pred.y returns a data frame containing the following columns:<br><br> <table summary="R valueblock"> <tr valign="top"><td>y1.p,y2.p,...</td> <td> predicted values for y variables </td></tr> <tr valign="top"><td>tau </td> <td> posterior probabilities of being contaminated</td></tr> <tr valign="top"><td>outlier </td> <td> 1 if the observation is classified as an outlier, 0 otherwise </td></tr> <tr valign="top"><td>pattern</td> <td> non-response patterns for y variables: 0 = missing, 1 = present value</td></tr>
pred.y返回一个数据框包含以下几列：<BR>参考<table summary="R valueblock"> <tr valign="top"> <TD> y1.p,y2.p,...</ TD> < TD> y变量的预测值</ TD> </ TR> <tr valign="top"> <TD>tau </ TD> <TD>被污染后验概率</ TD> </ TR > <tr valign="top"> <TD> outlier </ TD> <TD> 1如果观测，否则被归类为离群值，0 </ TD> </ TR> <TR VALIGN =“顶部“> <TD> pattern </ TD> <TD> y变量的非响应模式：0 =人失踪，1 =现值</ TD> </ TR>
</table>
</ TABLE>
（作者）----------Author(s)----------
M. Teresa Buglielli <bugliell@istat.it>, Ugo Guarnera <guarnera@istat.it>
参考文献----------References----------
Buglielli, M.T., Di Zio, M., Guarnera, U. (2010) "Use of Contamination Models for Selective Editing", European Conference on Quality in Survey Statistics Q2010, Helsinki, 4-6 May 2010
实例----------Examples----------
# Parameter estimation with one contaminated variable and one covariate[参数估计一个污染的变量和一个协]
data(ex1.data)
# Parameters estimated applying ml.est to \code{ex1.data} [参数估计申请的\代码ml.est {ex1.data}]
B1 <- as.matrix(c(-0.152, 1.215))
sigma1 <- as.matrix(1.25)
lambda1 <- 15.5
w1 <- 0.0479
# Variable prediction[可变预测]
ypred <- pred.y (y=ex1.data[,"Y1"], x=ex1.data[,"X1"], B=B1,
sigma=sigma1, lambda=lambda1, w=w1, model="LN", t.outl=0.5)
# Plot ypred vs Y1[图ypred与Y1]
sel.pairs(cbind(ypred[,1,drop=FALSE],ex1.data[,"Y1",drop=FALSE]),
outl=ypred[,"outlier"])
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 2012-9-30 00:29:49
