wle.vonmises(wle)
wle.vonmises()所属R语言包：wle
von Mises Weighted Likelihood Estimates
冯·米塞斯的加权似然估计
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Computes the weighted likelihood estimates for the parameters of a von Mises distribution: the mean direction and the concentration parameter.
计算加权似然估计的von Mises分布的参数：平均方向和浓度参数。
用法----------Usage----------
wle.vonmises(x, boot = 30, group, num.sol = 1, raf = "HD", smooth, tol =
10^(-6), equal = 10^(-3), max.iter = 500, bias = FALSE, mle.bias =
FALSE, max.kappa = 500, min.kappa = 0.01, use.smooth = TRUE, alpha =
NULL, p = 2, verbose = FALSE, control.circular = list())
## S3 method for class 'wle.vonmises':
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：boot
the number of starting points based on boostrap subsamples to use in the search of the roots.
基于自举子样本的起点，使用在搜索的根的数目。
参数：group
the dimension of the bootstap subsamples.
的维度的bootstap子样本。
参数：num.sol
maximum number of roots to be searched.
要搜索的最大根数。
参数：raf
type of Residual adjustment function to be use:
类型的残余调节功能，可以使用：
raf="HD": Hellinger Distance RAF,
raf="HD"：Hellinger距离RAF，
raf="NED": Negative Exponential Disparity RAF,
raf="NED"：负指数差异RAF，
raf="SCHI2": Symmetric Chi-Squared Disparity RAF.
raf="SCHI2"：对称卡方差异皇家空军。
参数：smooth
the value of the smoothing parameter.
的平滑化参数的值。
参数：tol
the absolute accuracy to be used to achieve convergence of the algorithm.
要使用的绝对精度实现算法的收敛性。
参数：equal
the absolute value for which two roots are considered the same. (This parameter must be greater than tol).
绝对的值，两个根被认为是相同的。 （此参数必须大于tol）。
参数：max.iter
maximum number of iterations.
最大迭代次数。
参数：bias
logical, if TRUE, the estimate for kappa is computed with a bias corrected method. Default is FALSE, i.e. no bias correction.
逻辑，如果TRUEKAPPA计算，估计有偏差的纠正方法。默认是FALSE，即没有偏差修正。
参数：mle.bias
logical, if TRUE a bias corrected method is used to estimate the concentration parameter for the initial values.
逻辑，如果TRUE的偏置校正的方法是用来估计的浓度参数的初始值。
参数：max.kappa
maximum value for the concentration parameter.
最大值的浓度参数。
参数：min.kappa
minimum value for the concentration parameter.
最小值的浓度参数。
参数：use.smooth
logical, if TRUE a smoothed model is used, default is TRUE.
逻辑，，如果TRUE“”使用平滑的模型，默认的是TRUE。
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 RAF, alpha=-1 provides Kullback-Leibler RAF and alpha=-2 provides Neyman's Chi-Square RAF.
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RAF，alpha=-1提供的Kullback-Leibler距离英国皇家空军和alpha=-2提供奈曼卡方RAF。
参数：p
this parameter works only when raf="HD". p=2 provides Hellinger Distance RAF, p=-1 provides Kullback-Leibler RAF and p=Inf provides Neyman's Chi-Square RAF.
此参数只有当raf="HD"。 p=2提供Hellinger距离RAF，p=-1提供的Kullback-Leibler距离英国皇家空军和p=Inf卡方提供了奈曼的英国皇家空军。
参数：verbose
logical, if TRUE warnings are printed.
逻辑，如果TRUE警告被打印出来。
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.wle.vonmises.
更多的参数在print.wle.vonmises。
Details
详细信息----------Details----------
Parameters p and raf will be change in the future. See the reference below for the definition of all the RAF.
参数p和raf将在未来的变化。所有的英国皇家空军的定义，请参阅以下参考。
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 or the value supplied. If num.sol > 1 then mu may have length greater than 1, i.e, one value for each root found.</td></tr> <tr valign="top"><td>kappa</td> <td> the estimate of the concentration parameter or the value supplied. If num.sol > 1 then kappa may have length greater than 1, i.e, one value for each root found.</td></tr> <tr valign="top"><td>tot.weights</td> <td> the sum of the weights divide by the number of observations, one value for each root found.</td></tr> <tr valign="top"><td>weights</td> <td> the weights associated to each observation, one column vector for each root found.</td></tr> <tr valign="top"><td>f.density</td> <td> the non-parametric density estimation.</td></tr> <tr valign="top"><td>m.density</td> <td> the smoothed model.</td></tr> <tr valign="top"><td>delta</td> <td> the Pearson residuals.</td></tr> <tr valign="top"><td>tot.sol</td> <td> the number of solutions found.</td></tr> <tr valign="top"><td>not.conv</td> <td> the number of starting points that does not converge after the max.iter iteration are reached.</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> call</ TD> <TD> match.call（）。</ TD> </ TR> <TR VALIGN =“”> <TD> mu </ TD> <TD>的的平均方向或提供的值的估计。如果num.sol1mu可能有长度大于1，即每根发现的一个值。</ TD> </ TR> <tr valign="top"> <TD> kappa</ TD> <TD>的的浓度参数或提供的值的估计。如果num.sol1kappa可能有长度大于1，即每根发现的一个值。</ TD> </ TR> <tr valign="top"> <TD> tot.weights</ TD> <TD>的权重总和除以观测值的数量，每根发现的一个值。</ TD> </ TR> <tr valign="top"> <TD> weights</ TD> <TD>相关的权重给每个观察，每一根发现一个列向量。</ TD> </ TR> <tr valign="top"> <TD>f.density </ TD> <TD>非参数密度估计。</ TD> </ TR> <tr valign="top"> <TD>m.density </ TD> <TD>平滑模型。 </ TD> </ TR> <tr valign="top"> <TD>delta</ TD> <TD> Pearson残差。</ TD> </ TR> <TR VALIGN =“顶” > <TD> tot.sol </ TD> <TD>找到解决方案的数量。</ TD> </ TR> <tr valign="top"> <TD> not.conv </ TD> <TD>的出发点不max.iter迭代收敛后到达。</ TD> </ TR> </ TABLE>
（作者）----------Author(s)----------
Claudio Agostinelli
参考文献----------References----------
<h3>See Also</h3>
实例----------Examples----------
if (require(circular)) {
x <- c(rvonmises(n=50, mu=circular(0), kappa=10), rvonmises(n=5, mu=circular(pi/2), kappa=20))
wle.vonmises(x, smooth=20, group=5)
} 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。
|
发表于 2012-10-1 22:42:55
