R语言 VGAM包 leipnik()函数中文帮助文档(中英文对照)

loveR

leipnik(VGAM)
leipnik()所属R语言包：VGAM

                                        Leipnik Distribution Family Function
                                         Leipnik分配家庭功能

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Estimates the two parameters of a (transformed) Leipnik distribution by maximum likelihood estimation.
估计最大似然估计（转化）Leipnik分布的两个参数。


用法----------Usage----------


leipnik(lmu = "logit", llambda = "loge", emu=list(),
        elambda=list(), imu = NULL, ilambda = NULL)



参数----------Arguments----------

参数：lmu, llambda
Link function for the mu and lambda parameters. See Links for more choices.  
mu和lambda参数的链接功能。见Links更多的选择。


参数：imu, ilambda
Numeric. Optional initial values for mu and lambda.  
数字。可选的初始值mu和lambda。


参数：emu, elambda
List. Extra argument for each of the links. See earg in Links for general information.  
列表。每个环节的额外参数。见earg中Links的一般信息。


Details

详细信息----------Details----------

The (transformed) Leipnik distribution has density function
（变换）Leipnik分布密度函数

where 0 < y < 1 and lambda > -1. The mean is mu (returned as the fitted values) and the variance is 1/lambda.
0 < y < 1和lambda > -1。的平均mu（返回的拟合值）和方差是1/lambda。

Jorgensen (1997) calls the above the transformed Leipnik distribution, and if y = (x+1)/2 and mu   = (theta+1)/2, then the distribution of X as a function of x and theta is known as the the (untransformed) Leipnik distribution.  Here, both x and theta are in (-1,1).
约根森（1997年）调用上面的的转化Leipnik分布，如果y = (x+1)/2和mu   = (theta+1)/2，然后分配的X的函数x和theta是已知的（未转化）Leipnik分布。在这里，都x和theta是(-1,1)。


值----------Value----------

An object of class "vglmff" (see vglmff-class). The object is used by modelling functions such as vglm, rrvglm and vgam.
类的一个对象"vglmff"（见vglmff-class）。该对象被用于建模功能，如vglm，rrvglm和vgam。


警告----------Warning ----------

If llambda="identity" then it is possible that the lambda estimate becomes less than -1, i.e., out of bounds. One way to stop this is to choose llambda="loge", however, lambda is then constrained to be positive.
如果llambda="identity"然后是lambda估计可能小于-1，即，出界。一种方法来阻止这种选择llambda="loge"，但是，lambda然后限制是积极的。


注意----------Note----------

Convergence may be slow or fail. Until better initial value estimates are forthcoming try assigning the argument ilambda some numerical value if it fails to converge. Currently, Newton-Raphson is implemented, not Fisher scoring. Currently, this family function probably only really works for intercept-only models, i.e., y ~ 1 in the formula.
收敛的速度会较慢或失败。直到更好的初始值估计即将到来的尝试分配的说法ilambda一些数值，如果它不能收敛。目前，牛顿 - 拉夫逊来实现，而不是费舍尔得分。目前，这个家庭的功能大概只有真正起作用的仅截距模型，即，y ~ 1的公式。


（作者）----------Author(s)----------


T. W. Yee



参考文献----------References----------

The Theory of Dispersion Models. London: Chapman &amp; Hall
Continuous Univariate Distributions, 2nd edition, Volume 2, New York: Wiley. (pages 612&ndash;617).

参见----------See Also----------

mccullagh89.
mccullagh89。


实例----------Examples----------


ldat = data.frame(y = rnorm(n=2000, mean=0.5, sd=0.1)) # Not good data[没有良好的数据]
fit = vglm(y ~ 1, leipnik(ilambda=1), ldat, tr=TRUE, checkwz=FALSE)
fit = vglm(y ~ 1, leipnik(ilambda=1,llam=logoff, elam=list(offset=1)),
           ldat, trace=TRUE, cri="coef")
head(fitted(fit))
with(ldat, mean(y))
summary(fit)
coef(fit, matrix=TRUE)
Coef(fit)

sum(weights(fit))  # sum of the prior weights[现有的权重的总和]
sum(weights(fit, type="w")) # sum of the working weights[工作权重的总和]

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。