R语言:bkfe()函数中文帮助文档(中英文对照)

loveR

bkfe(KernSmooth)
bkfe()所属R语言包：KernSmooth

                                         Compute a Binned Kernel Functional Estimate
                                         计算一个分级的核心功能估计

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Returns an estimate of a binned approximation to the kernel estimate of the specified density functional.  The kernel is the standard normal density.
返回一个指定的密度泛函核估计的分级近似的估计。内核是标准的正常密度。


用法----------Usage----------


bkfe(x, drv, bandwidth, gridsize = 401L, range.x, binned = FALSE,
     truncate = TRUE)



参数----------Arguments----------

参数：x
vector of observations from the distribution whose density is to be estimated. Missing values are not allowed.  
从分布的密度估计的观测向量。遗漏值是不允许的。


参数：drv
order of derivative in the density functional. Must be a non-negative even integer.  
在密度泛函衍生的秩序。必须是一个非负整数。


参数：bandwidth
the kernel bandwidth smoothing parameter.  Must be supplied.  
内核带宽平滑参数。必须提供。


参数：gridsize
the number of equally-spaced points over which binning is performed.  
其中分级执行同样间距点的数量。


参数：range.x
vector containing the minimum and maximum values of x at which to compute the estimate. The default is the minimum and maximum data values, extended by the support of the kernel.  
向量x在计算估计的最小值和最大值。默认是最大和最小的数据值，由内核支持延长。


参数：binned
logical flag: if TRUE, then x and y are taken to be grid counts rather than raw data.  
标志的逻辑：如果TRUE，则x和y格计数，而不是原始数据。


参数：truncate
logical flag: if TRUE, data with x values outside the range specified by range.x are ignored.  </table>
逻辑标志：如果TRUE，x值range.x指定的范围之外的数据将被忽略。 </ TABLE>


Details

详情----------Details----------

The density functional of order drv is the integral of the product of the density and its drvth derivative.  The kernel estimates of such quantities are computed using a binned implementation, and the kernel is the standard normal density.
为了drv是不可分割的密度和drv日衍生产品的功能密度。这种数量的内核估计计算采用分级实施，内核是正常的标准密度。


值----------Value----------

the (scalar) estimated functional.
（标量）估计功能。


背景----------Background----------

Estimates of this type were proposed by Sheather and Jones (1991).
这种类型的预算提出了由Sheather和琼斯（1991）。


参考文献----------References----------

A reliable data-based bandwidth selection method for kernel density estimation. Journal of the Royal Statistical Society, Series B, 53, 683&ndash;690.
Kernel Smoothing. Chapman and Hall, London.

举例----------Examples----------


data(geyser, package="MASS")
x <- geyser$duration
est <- bkfe(x, drv=4, bandwidth=0.3)

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。