R语言 Sim.DiffProc包 Hyprocg()函数中文帮助文档(中英文对照)

loveR

Hyprocg(Sim.DiffProc)
Hyprocg()所属R语言包：Sim.DiffProc

                                         Creating The General Hyperbolic Diffusion (by Milstein Scheme)
                                         创建一般双曲扩散（Milstein方法）

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Simulation the general hyperbolic diffusion by milstein scheme.
模拟一般双曲扩散的Milstein方法。


用法----------Usage----------


Hyprocg(N, M, t0, T, x0, beta, gamma, theta, mu, sigma, output = FALSE)



参数----------Arguments----------

参数：N
size of process.  
大小的处理。


参数：M
number of trajectories.  
的轨迹数。


参数：t0
initial time.  
初始时间。


参数：T
final time.  
最后的时间。


参数：x0
initial value of the process at time t0.  
初始值的过程中，在时间t0。


参数：beta
constant (0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient).   
常数（0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient“）。


参数：gamma
constant positive (0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient).   
恒定正（0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient“）。


参数：theta
constant positive (0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient).   
恒定正（0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient“）。


参数：mu
constant (0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient).   
常数（0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient“）。


参数：sigma
constant positive ( sigma :diffusion coefficient).  
恒定正（sigma :diffusion coefficient“）。


参数：output
if output = TRUE write a output to an Excel (.csv).  
如果output = TRUE写的output到Excel（CSV）。


Details

详细信息----------Details----------

A process X satisfying :
一个过程X满足：

With (0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient and sigma :diffusion coefficient, W(t) is Wiener process, discretization dt = (T-t0)/N.
(0.5*sigma^2*(beta-(gamma*X(t))/sqrt(theta^2+(X(t)-mu)^2)):drift coefficient和sigma :diffusion coefficient，W(t)是维纳过程，离散dt = (T-t0)/N。

The parameters gamma > 0 and 0 <=  abs(beta)  < gamma determine the shape of the distribution, and theta >= 0, and mu are, respectively, the scale and location parameters of the distribution.
参数gamma > 0和0 <=  abs(beta)  < gamma确定的分布，形状和theta >= 0，mu，分别，规模和位置参数分布。

Constraints: gamma > 0 , 0 <=  abs(beta)  < gamma , theta >= 0 , sigma > 0.   
约束：gamma > 0，0 <=  abs(beta)  < gamma，theta >= 0，sigma > 0。


值----------Value----------

data.frame(time,x) and plot of process.
数据框（时间，x）和图的过程。


（作者）----------Author(s)----------



Boukhetala Kamal, Guidoum Arsalane.




参见----------See Also----------

Hyproc Hyperbolic Process, CIRhy modified CIR and hyperbolic Process, snssde Simulation Numerical Solution of SDE.
Hyproc双曲过程，CIRhy改性CIR和双曲线过程，snssde SDE模拟数值解。


实例----------Examples----------



## Hyperbolic Process [＃双曲过程]
## dX(t) = 0.5 * (2)^2*(0.25-(0.5*X(t))/sqrt(2^2+(X(t)-1)^2)) *dt + 2* dW(t)[＃DX（T）= 0.5 *（2）^ 2 *（0.25-（0.5 * X（T））/ SQRT（2 ^ 2 +（X（T）-1）^ 2））* DT + 2 * DW （T）]
## One trajectorie[＃一trajectorie后]
Hyprocg(N=1000,M=1,T=100,t0=0,x0=-10,beta=0.25,gamma=0.5,theta=2,mu=1,sigma=2)

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。