R语言 VineCopula包 RVineTreePlot()函数中文帮助文档(中英文对照)

loveR

RVineTreePlot(VineCopula)
RVineTreePlot()所属R语言包：VineCopula

                                        Plot function for R-vine trees
                                         R-藤树的绘图功能

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function plots one or all trees of a given R-vine copula model.
此函数曲线的R-藤copula模型的一个或所有的树木。


用法----------Usage----------


RVineTreePlot(data=NULL, RVM, method="mle", max.df=30,
              max.BB=list(BB1=c(5,6),BB6=c(6,6),BB7=c(5,6),BB8=c(6,1)),
              tree="ALL", edge.labels=c("family"), P=NULL)



参数----------Arguments----------

参数：data
An N x d data matrix (with uniform margins), default: data = NULL.
一个N XD数据矩阵（均匀的利润），默认情况下：data = NULL。


参数：RVM
An RVineMatrix object including the structure and the pair-copula families and parameters.   
RVineMatrix对象的结构和对Copula的家庭，和参数。


参数：method
Character indicating the estimation method: either maximum likelihood estimation (method = "mle"; default) or inversion of Kendall's tau (method = "itau").   
字符表示的估算方法：无论是最大似然估计（Kendall的tau（method = "mle"）method = "itau"，默认）或反转。


参数：max.df
Numeric; upper bound for the estimation of the degrees of freedom parameter of the t-copula (default: max.df = 30; for more details see BiCopEst).
数字;上界估计的程度自由的t-Copula函数的参数（默认值：max.df = 30;更多详细信息，请参阅BiCopEst）。


参数：max.BB
List; upper bounds for the estimation of the two parameters (in absolute values) of the BB1, BB6, BB7 and BB8 copulas <br> (default: max.BB = list(BB1=c(5,6),BB6=c(6,6),BB7=c(5,6),BB8=c(6,1))).
名单;（绝对值），BB1，BB6，BB7和BB8 Copula函数的两个参数的估计上限为参考（默认：max.BB = list(BB1=c(5,6),BB6=c(6,6),BB7=c(5,6),BB8=c(6,1))）。


参数：tree
Number of the tree to be plotted or tree = "ALL" (default) to plot all trees.
树的数目要绘制或tree = "ALL"（默认）来绘制所有的树木。


参数：edge.labels
Vector of edge labels. Possible choices:<br> FALSE: no edge labels<br> "family": pair-copula families (default)<br> "par": pair-copula parameters<br> "par2": second pair-copula parameters<br> "theotau": theoretical Kendall's tau values corresponding to pair-copula families and parameters (see BiCopPar2Tau)<br> "emptau": empirical Kendall's tau values (only if data is provided!)
向量的边缘标签。可能的选择：<BR> FALSE：没有边缘标签<BR>的"family"：对Copula的家庭，（默认）参考"par"：对Copula函数的参数参考<X >：第二对Copula函数的参数参考"par2"：理论Kendall的tau值对应到对Copula的家庭，和参数（见"theotau"）参考BiCopPar2Tau：经验Kendall的tau值（仅当数据被提供！）


参数：P
A list of matrices with two columns for the x-y-coordinates of the nodes in the plot(s) (optional; default: P = NULL).
的XY坐标的节点中的图（S）（可选，默认为两列的矩阵列表：P = NULL“）。


值----------Value----------

A list of matrices P with two columns for the x-y-coordinates of the nodes in the plot(s).
矩阵列表P两列的XY坐标在图中的节点（S）。


注意----------Note----------

The function computes the positions of the nodes automatically with the Fruchterman-Reingold algorithm (see plot.igraph  for a detailed description). If one would like to set the positions manually, one has to specify a list of matrices P in the argument list. A good starting point may be to run the function RVineTreePlot and manipulate the returning matrix P.
功能自动计算节点的位置与FRUCHTERMAN莱因戈尔德算法（见plot.igraph的详细说明）。如果想手动设置的位置，矩阵P在参数列表中指定一列。一个很好的起点点可能是运行的功能RVineTreePlot，，和操作返回的矩阵P

If data is provided, the parameters of the R-vine copula model are estimated sequentially using <br> RVineSeqEst/BiCopEst. Then the edge width is chosen according to the empirical Kendall's tau values. Otherwise theoretical values are used.
如果提供的数据，R-藤Copula模型的参数估计顺序使用<BR> RVineSeqEst/BiCopEst。根据经验Kendall的tau值，然后选择边缘宽度。否则使用理论值。


（作者）----------Author(s)----------


Eike Brechmann



参见----------See Also----------

BiCopName
BiCopName


实例----------Examples----------


# define 5-dimensional R-vine tree structure matrix[定义5维的R-葡萄树结构矩阵]
Matrix = c(5,2,3,1,4,0,2,3,4,1,0,0,3,4,1,0,0,0,4,1,0,0,0,0,1)
Matrix = matrix(Matrix,5,5)

# define R-vine pair-copula family matrix[定义R-藤对Copula的家庭矩阵]
family = c(0,1,3,4,4,0,0,3,4,1,0,0,0,4,1,0,0,0,0,3,0,0,0,0,0)
family = matrix(family,5,5)

# define R-vine pair-copula parameter matrix[定义R-藤对Copula函数的参数矩阵]
par = c(0,0.2,0.9,1.5,3.9,0,0,1.1,1.6,0.9,0,0,0,1.9,0.5,
        0,0,0,0,4.8,0,0,0,0,0)
par = matrix(par,5,5)

# define second R-vine pair-copula parameter matrix[定义第二个R-藤对Copula函数的参数矩阵]
par2 = matrix(0,5,5)

# define RVineMatrix object[定义RVineMatrix对象]
RVM = RVineMatrix(Matrix=Matrix,family=family,par=par,par2=par2,
                  names=c("V1","V2","V3","V4","V5"))

# plot all trees with pair-copula families and[绘制所有的树木对Copula的家庭和]
# theoretical Kendall's tau values as edge labels[理论Kendall的tau值边缘标签]
P = RVineTreePlot(data=NULL,RVM=RVM,tree="ALL",
                  edge.labels=c("family","theotau"),P=NULL)

# manipulate the first matrix of x-y-coordinates[操纵第一矩阵的x-y坐标]
P[[1]][1,] = P[[1]][1,]*2  

# plot only the first tree with new coordinates[绘制新的坐标系第一棵树]
RVineTreePlot(data=NULL,RVM=RVM,tree=1,edge.labels=FALSE,P=P)

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。