R语言 waveslim包 dwpt.boot()函数中文帮助文档(中英文对照)

loveR

dwpt.boot(waveslim)
dwpt.boot()所属R语言包：waveslim

                                        Bootstrap Time Series Using the DWPT
                                         引导时间序列的DWPT

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

An adaptive orthonormal basis is selected in order to perform the naive bootstrap within nodes of the wavelet packet tree.  A bootstrap realization of the time series is produce by applying the inverse DWPT.
一种自适应的标准正交基的选择，以执行节点内的小波包树天真的引导。自举实现的时间序列是通过应用逆DWPT产生。


用法----------Usage----------





参数----------Arguments----------

参数：y
Not necessarily dyadic length time series.
不一定是二元的长度时间序列。


参数：wf
Name of the wavelet filter to use in the decomposition.  See wave.filter for those wavelet filters available.
的小波滤波器的名称使用在分解。见wave.filter对于那些小波过滤器。


参数：J
Depth of the discrete wavelet packet transform.
深度的离散小波包变换。


参数：p
Level of significance for the white noise testing procedure.
的白噪声测试程序的意义。


参数：frac
Fraction of the time series that should be used in constructing the likelihood function.
在构建的似然函数，应使用的时间序列的分数。


Details

详细信息----------Details----------

A subroutines is used to select an adaptive orthonormal basis for the piecewise-constant approximation to the underlying spectral density function (SDF).  Once selected, sampling with replacement is performed within each wavelet packet coefficient vector and the new collection of wavelet packet coefficients are reconstructed into a bootstrap realization of the original time series.
一个子程序的使用，选择一个自适应的分段常数近似正交基的基本谱密度函数（SDF）。一旦选定，抽样更换内执行每一个小波包系数向量的小波包系数重构原始时间序列的自举实现新的集合。


值----------Value----------

Time series of length $N$, where $N$ is the length of y.
时间序列的长度$ N $，$ N $的长度y。


（作者）----------Author(s)----------


B. Whitcher



参考文献----------References----------

Wavestrapping Time Series: Adaptive Wavelet-Based Bootstrapping, in B.J. Fitzgerald, R.L. Smith, A.T. Walden, P.C. Young (Eds.) Nonlinear and Nonstationary Signal Processing, pp. 442-471.
Simulating Gaussian Stationary Time Series with Unbounded Spectra, Journal of Computational and Graphical Statistics, 10, No. 1, 112-134.
Wavelet-Based Estimation for Seasonal Long-Memory Processes, Technometrics, 46, No. 2, 225-238.

参见----------See Also----------

dwpt.sim, spp.mle
dwpt.sim，spp.mle

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。