R语言 wle包 mde.wrappednormal()函数中文帮助文档(中英文对照)

loveR

mde.wrappednormal(wle)
mde.wrappednormal()所属R语言包：wle

                                        Wrapped Normal Minimum Distance Estimates
                                         裹正常的最小距离估计

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Computes the minimum distance estimates for the parameters of a Wrapped Normal distribution: the mean direction and the concentration parameter (and the scale parameter).
计算的最小距离包装的正态分布的参数估计：平均方向和浓度参数（尺度参数）。


用法----------Usage----------


mde.wrappednormal(x, bw, mu = NULL, rho = NULL, sd = NULL, alpha = NULL, p = 2, tol = 1e-05, n = 512, from = circular(0), to = circular(2 * pi), lower = NULL, upper = NULL, method = "L-BFGS-B", lower.rho = 1e-06, upper.rho = 1 - 1e-06, min.sd = 0.001, K = NULL, min.k = 10, control.circular = list(), ...)
## S3 method for class 'mde.wrappednormal':
print(x, digits = max(3, getOption("digits") - 3), ...)



参数----------Arguments----------

参数：x
a vector. The object is coerced to class circular.
一个向量。对象被强制转换为类circular。


参数：bw
the value of the smoothing parameter.
的平滑化参数的值。


参数：mu
initial value for the mean direction. Default: maximum likelihood estimate.
为平均方向的初始值。默认值：最大似然估计。


参数：rho
initial value for the concentration parameter. Default: maximum likelihood estimate.
的浓度参数的初始值。默认值：最大似然估计。


参数：sd
initial value for the standard deviation parameter. This value is used only if rho is NULL. Default: maximum likelihood estimate.
的标准偏差的参数的初始值。使用此值只有rho是NULL。默认值：最大似然估计。


参数：alpha
if not NULL overrides the value of p. See the next argument p. This is a different parameterization, alpha=-1/2 provides Hellinger distance, alpha=-1 provides Kullback-Leibler distance and alpha=-2 provides Neyman's Chi-Square distance.
如果不是NULL替代的价值p。请参阅下一个参数p。这是一个不同的参数，alpha=-1/2提供Hellinger距离，alpha=-1提供Kullback-Leibler距离和alpha=-2提供奈曼的卡方距离。


参数：p
p=2 provides Hellinger distance, p=-1 provides Kullback-Leibler distance and p=Inf provides Neyman's Chi-Square distance. It is ignored if alpha is not NULL.
p=2提供Hellinger距离，p=-1提供Kullback-Leibler距离和p=Inf提供了奈曼的卡方距离。它被忽略，如果alpha非NULL。


参数：tol
the absolute accuracy to be used to achieve convergence of the algorithm. This argument is passed to the function which determined the Maximum Likelihood estimates of the parameters. See mle.wrappednormal.
要使用的绝对精度实现算法的收敛性。此参数是传递的功能，这决定了最大似然估计的参数。见mle.wrappednormal。


参数：n
number of points used to approximate the density.
用于近似的密度的点的数目。


参数：from
from which point in the circle the density is approximate.
从哪个角度在圈内的密度是近似的。


参数：to
to which point in the circle the density is approximate.
这一点在圈内的密度是近似的。


参数：lower
a 2 elements vector passed to optim used to constrained optimization. First element for the mean direction, second element for the concentration.
2元素矢量传递给optim用来约束条件下的最优化。第一元件的平均方向上，第二个元素的浓度。


参数：upper
a 2 elements vector passed to optim used to constrained optimization. First element for the mean direction, second element for the concentration.
2元素矢量传递给optim用来约束条件下的最优化。第一元件的平均方向上，第二个元素的浓度。


参数：method
passed to optim.
传递到optim。


参数：lower.rho
if lower is NULL this parameter is used to constrained optimization for the concentration parameter.
如果lower是NULL这个参数是用来约束优化的浓度参数。


参数：upper.rho
if upper is NULL this parameter is used to constrained optimization for the concentration parameter.
如果upper是NULL这个参数是用来约束优化的浓度参数。


参数：min.sd
minimum value for the sd parameter. This argument is passed to the function which determined the Maximum Likelihood estimates of the parameters. See mle.wrappednormal.
sd参数的最低值。此参数是传递的功能，这决定了最大似然估计的参数。见mle.wrappednormal。


参数：K
number of elements used to approximate the density of the wrapped normal.
用于近似的密度被包裹的正常的元素的数量。


参数：min.k
minimum number of elements used to approximate the density of the wrapped normal.
用于近似的密度被包裹的正常的元素的最小数目。


参数：control.circular
the attribute of the resulting object (mu)
生成的对象的属性（mu）


参数：digits
integer indicating the precision to be used.
整数，指示要使用的精度。


参数：...
further parameters in print.mde.wrappednormal.
更多的参数在print.mde.wrappednormal。


Details

详细信息----------Details----------

The distance from an estimated density (by the non parametric kernel density estimator) and the model is evaluated by simple rectangular approximation. optim is used to performs minimization.
的距离的估计密度（由非参数核密度估计）和模型评价通过简单的矩形近似。 optim执行最小化。


值----------Value----------

Returns a list with the following components:
返回一个列表，与以下组件：

<table summary="R valueblock"> <tr valign="top"><td>call</td> <td> the match.call().</td></tr> <tr valign="top"><td>mu</td> <td> the estimate of the mean direction.</td></tr> <tr valign="top"><td>rho</td> <td> the estimate of the concentration parameter.</td></tr> <tr valign="top"><td>sd</td> <td> the estimate of the standard deviation parameter.</td></tr> <tr valign="top"><td>dist</td> <td> the distance between the estimated density and the model.</td></tr> <tr valign="top"><td>data</td> <td> the original supplied data converted in radians, clockwise and zero at 0.</td></tr> <tr valign="top"><td>x</td> <td> the 'n' coordinates of the points where the density is estimated.</td></tr> <tr valign="top"><td>y</td> <td> the estimated density values.</td></tr> <tr valign="top"><td>k</td> <td> the density at the model.</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> call</ TD> <TD> match.call（）。</ TD> </ TR> <TR VALIGN =“”> <TD>mu </ TD> <TD>的平均方向的估计。</ TD> </ TR> <tr valign="top"> <TD>rho </ TD> <TD>的浓度参数的估计。</ TD> </ TR> <tr valign="top"> <TD>sd </ TD> <TD>的估计标准偏差参数。</ TD> </ TR> <tr valign="top"> <TD>dist </ TD> <TD>的密度估计和模型之间的距离。</ TD> < / TR> <tr valign="top"> <TD> data </ TD> <TD>提供的数据转换弧度，顺时针和零为0。</ TD> </ TR> <TR VALIGN =“”> <TD>x </ TD> <TD>的n坐标的点的密度估计。</ TD> </ TR> <TR VALIGN =“顶” > <TD> y </ TD> <TD>密度估计值。</ TD> </ TR> <tr valign="top"> <TD> k</ TD> < TD>在模型的密度。</ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------


Claudio Agostinelli



参考文献----------References----------

<h3>See Also</h3>

实例----------Examples----------



if (require(circular)) {
    set.seed(1234)
    x <- c(rwrappednormal(n=200, mu=circular(0), sd=0.6), rwrappednormal(n=20, mu=circular(pi/2), sd=0.1))
    res <- mde.wrappednormal(x, bw=0.08, mu=circular(0), sd=0.6)
    res
    plot(circular(0), type='n', xlim=c(-1, 1.75), shrink=1.2)
    lines(circular(res$x), res$y)
    lines(circular(res$x), res$k, col=2)
    legend(1,1.5, legend=c('estimated density', 'MDE'), lty=c(1, 1), col=c(1, 2))
} else {
   cat("Please, install the package 'circular' in order to use this function.\n")
}


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。