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

loveR

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

                                         Parametric Estimation of Ornstein-Uhlenbeck Model (Exact likelihood inference)
                                         参数估计的奥恩斯坦 - 乌伦贝克模式（精确似然推断）

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Parametric estimation of Ornstein-Uhlenbeck Model.
奥恩斯坦 - 乌伦贝克模型的参数估计。


用法----------Usage----------


PEOU(X, delta, starts = list(r= 1, sigma= 1), leve = 0.95)



参数----------Arguments----------

参数：X
a numeric vector of the observed time-series values.  
所观察到的时间序列值的一个数值向量。


参数：delta
the fraction of the sampling period between successive observations.  
的采样周期之间的连续观测的馏分。


参数：starts
named list. Initial values for optimizer.  
命名列表。优化的初始值。


参数：leve
the confidence level required.  
所需的置信水平。


Details

详细信息----------Details----------

This process solves the stochastic differential equation :
该工艺解决了随机微分方程：

It is ergodic for r > 0. We have also shown its exact conditional and stationary densities. In particular, the conditional density p(t,.|x) is the density of a Gaussian law with mean = x0 * exp(-r*t) and variance = ((sigma^2)/(2*r))*(1-exp(-2*r*t)).
是遍历性r > 0。我们还展示了其确切的条件和固定密度。特别是，条件密度p(t,.|x)是的密度的Gaussian lawmean = x0 * exp(-r*t)和variance = ((sigma^2)/(2*r))*(1-exp(-2*r*t))。

R has the [dqpr]norm functions to evaluate the density, the quantiles, and the cumulative distribution or generate pseudo random numbers from the normal distribution.
R具有[dqpr]norm评估的密度，位数，和累积分布函数，或产生从正常的分布的伪随机数。


值----------Value----------


参数：coef
Coefficients extracted from the model.
系数从模型中提取。


参数：AIC
A numeric value with the corresponding AIC.
与相应的AIC的数值。


参数：vcov
A matrix of the estimated covariances between the parameter estimates in the linear or non-linear predictor of the model.
甲之间的参数估计的协方差矩阵的估计中的线性或非线性预测模型。


参数：confint
A matrix (or vector) with columns giving lower and upper confidence limits for each parameter. These will be labelled as (1-level)/2 and 1 - (1-level)/2.
给每个参数的置信区间上限和下限的列的矩阵（或向量）。这些将被标记为（1级）/ 2和1  - （1级）/ 2。


（作者）----------Author(s)----------



Boukhetala Kamal, Guidoum Arsalane.




参见----------See Also----------

PEABM Parametric Estimation of Arithmetic Brownian Motion, PEOUexp Explicit Estimators of Ornstein-Uhlenbeck Model, PEOUG Parametric Estimation of Hull-White/Vasicek Models, PEBS Parametric Estimation of model Black-Scholes.
PEABM算术布朗运动参数估计，PEOUexp显式估计的奥恩斯坦 - 乌伦贝克模型，PEOUG Hull-White/Vasicek模型的参数估计，PEBS参数估计的模型黑 - 斯科尔斯。


实例----------Examples----------



## Parametric estimation of Ornstein-Uhlenbeck Model.[＃奥恩斯坦 - 乌伦贝克模型的参数估计。]
## t0 = 0 ,T = 10[＃t0时刻= 0，T = 10]
data(DATA1)
res <- PEOU(DATA1,delta=0.01,starts=list(r=2,sigma=1),leve = 0.90)
res
OUF(N=1000,M=10,t0=0,T=10,x0=40,r=0.1979284,sigma=3.972637)
points(seq(0,10,length=length(DATA1)),DATA1,type="l",lwd=3,col="blue")

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。