R语言 sn包 sn.mmle()函数中文帮助文档(中英文对照)

loveR

sn.mmle(sn)
sn.mmle()所属R语言包：sn

                                         Modified maximum likelihood estimation for skew-normal ans skew-t models
                                         歪斜的正常ANS的歪斜-T模型的修正极大似然估计

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Fits a one-dimensional skew-normal (SN) or skew-t (ST) distribution to data, or fits a linear regression model with skew-normal errors, using a modification of maximum likelihood estimation.
适合的一个一维的歪斜正常（SN）或歪斜吨（ST）分配给数据，或适合的线性回归模型与歪斜正常的错误，使用最大似然估计的变形。


用法----------Usage----------


sn.mmle(X, y, plot.it=TRUE, exact=FALSE, trace=FALSE, ...)
st.mmle(X, y, df, trace=FALSE)



参数----------Arguments----------

参数：y
a vector contaning the observed variable. This is the response variable in case of linear regression. Missing values (NAs) are not allowed.
一个向量，浸渗观察到的变量。这是一个的情况下的响应变量线性回归。遗漏值（NAS）是不允许的。


参数：X
a matrix of explanatory variables. If X is missing, then a one-column matrix of all 1's is created. If X has only one column, then it is assumed to be made of 1's. Missing values (NAs) are not allowed.
的解释变量的矩阵。 X如果丢失了，那么所有的一列矩阵的创建。如果X只有一列，然后它被假定为可以由1。遗漏值（NAS）是不允许的。


参数：df
a positive real value representing the degrees of freedom, in the ST case
一个正的实值，该值代表的自由度，在ST的情况下


参数：plot.it
logical value, If plot.it=TRUE (default), a plot of the nonparametric estimate of variable y (or the residuals, in the case of regression), and the parametric fit is superimposed. See below for details.
逻辑值，如果plot.it=TRUE（默认），积非参数估计的变量y（或残差，在回归的情况下），而参数适合叠加。有关详细信息，请参见下文。


参数：exact
logical value which controls whether the exact or the approximate correction term of the log-likelihood is used; see Background for additional description. Default value is FALSE.
逻辑值，其控制是否精确的或近似的校正项的对数似然被使用;看到附加的说明的背景。默认值为FALSE。


参数：trace
logical value which controls printing of the algorithm convergence. If trace=TRUE, details are printed. Default value is FALSE.
逻辑控制打印算法的收敛值。如果trace=TRUE，细节被打印出来。默认值为FALSE。


参数：...
Additional arguments passed to sn.mle
额外的参数传递给sn.mle


Details

详细信息----------Details----------

If plotting operates, the function sm.density of the library sm is searched.  If sm.density is not found, an histogram is plotted.
如果绘制操作，功能sm.density的图书馆sm搜索。 sm.density如果没有找到，绘制直方图。


值----------Value----------

from sn.mmle, a list containing the following components:
从sn.mmle，一个列表，其中包含以下组件：

<table summary="R valueblock"> <tr valign="top"><td>call</td> <td>  a string containing the calling statement </td></tr> <tr valign="top"><td>dp</td> <td>  a vector of length ncol(X)+2 with estimates of the direct parameters </td></tr> <tr valign="top"><td>se</td> <td>  a vector of standard errors for the parameters </td></tr> <tr valign="top"><td>Einfo</td> <td>  the expected Fisher information matrix for the parameters </td></tr> </table> from st.mmle only the call and dp components are returned
<table summary="R valueblock"> <tr valign="top"> <TD> call</ TD> <td>一个字符串，其中包含调用语句</ TD> </ TR> <TR VALIGN = “顶”> <TD> dp </ TD> <td>一个向量的长度ncol(X)+2估计的直接参数</ TD> </ TR> <tr valign="top"> <TD> se </ TD> <td>一个矢量参数的标准误差</ TD> </ TR> <tr valign="top"> <TD>Einfo</ TD > <TD>预期的Fisher信息矩阵的参数</ TD> </ TR> </ TABLE> st.mmle只有call和dp组件将返回


背景----------Background----------

Maximum likelihood estimation for SN and ST models can lead to estimates of the shape parameters on the frontier (that is Inf for the DP parameters); see  Azzalini and Capitanio (1999) for a discussion of this aspect in the SN case. To avoid this situation, an alternative estimation criterion is the method of Sartori-Firth, which involves first regular maximum estimation and subsequent re-estimation of the shape parameter using a modified score function; see the references below for a full discussion. The effect of this modification is "negligible" for large sample size, but it avoids estimates of the frontier of the parameter space. Since each evaluation of the correction term involves two numerical  integrations, computations can be spedeed-up by adopting a simple but
最大似然估计可以导致SN和ST车型的形状参数估计的边界（即InfDP参数）; Azzalini和卡皮塔尼奥（1999）的讨论，这方面的SN的情况下。为了避免这种情况，另一种估算的标准是萨托利弗斯，其中包括第一次定期的最大使用修改后的得分函数的形状参数估计和随后的重新估计的方法，请参阅下面的参考资料的全面讨论。这个修改的效果是“微不足道”，但它避免了大样本量估计参数空间的前沿。由于每个评价的修正项涉及到两个数值积分，计算可以是spedeed采用一个简单的，但


参考文献----------References----------

Azzalini, A. and Capitanio, A. (1999). Statistical applications of the multivariate skew-normal distribution. J.Roy.Statist.Soc. B 61, 579&ndash;602.
Bayes, C.~L. and Branco, M.~D. (2007). Bayesian inference for the skewness parameter of the scalar skew-normal distribution. REBRAPE: Brazilian Journal of Probability and Statistics, 21, 141&ndash;163.

Firth, D.  (1993). Bias reduction of maximum likelihood estimates. Biometrika  80, 27&ndash;38. (Corr: 95V82 p.667).
Sartori, N. (2006). Bias prevention of maximum likelihood estimates for scalar skew normal and skew $t$ distributions. J. Statist. Plann. Inf. 136, 4259&ndash;4275.

参见----------See Also----------

sn.mle, sn.Einfo
sn.mle，sn.Einfo


实例----------Examples----------


data(ais, package="sn")
attach(ais)
a <-  sn.mmle(y=bmi)
#[]
M <- model.matrix(~lbm+sex)
b <- sn.mmle(M,bmi)

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。