R语言:theta.md()函数中文帮助文档(中英文对照)

loveR

theta.md(MASS)
theta.md()所属R语言包：MASS

                                         Estimate theta of the Negative Binomial
                                         估计THETA负二项分布

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Given the estimated mean vector, estimate theta of the Negative Binomial Distribution.
鉴于估计均值向量，估计theta负二项分布。


用法----------Usage----------


theta.md(y, mu, dfr, weights, limit = 20, eps = .Machine$double.eps^0.25)

theta.ml(y, mu, n, weights, limit = 10, eps = .Machine$double.eps^0.25,
         trace = FALSE)

theta.mm(y, mu, dfr, weights, limit = 10, eps = .Machine$double.eps^0.25)



参数----------Arguments----------

参数：y
Vector of observed values from the Negative Binomial.  
负二项分布的观测值向量。


参数：mu
Estimated mean vector.  
估计均值向量。


参数：n
Number of data points (defaults to the sum of weights)  
数据点的数量（默认到weights的总和）


参数：dfr
Residual degrees of freedom (assuming theta known).  For a weighted fit this is the sum of the weights minus the number of fitted parameters.  
残差自由度（假设theta已知）。这是一个加权拟合减去拟合参数的权重的总和。


参数：weights
Case weights.  If missing, taken as 1.  
的情况下重量。如果缺少的，视为1。


参数：limit
Limit on the number of iterations.  
迭代次数的限制。


参数：eps
Tolerance to determine convergence.  
确定收敛的公差。


参数：trace
logical: should iteration progress be printed?  
逻辑：应印制迭代进步呢？


Details

详情----------Details----------

theta.md estimates by equating the deviance to the residual degrees of freedom, an analogue of a moment estimator.
theta.md估计等同自由，模拟了矩估计的剩余度的偏差。

theta.ml uses maximum likelihood.
theta.ml使用的最大的可能性。

theta.mm calculates the moment estimator of theta by equating the Pearson chi-square sum((y-mu)^2/(mu+mu^2/theta)) to the residual degrees of freedom.
theta.mm计算的矩估计theta等同Pearson卡方sum((y-mu)^2/(mu+mu^2/theta))自由的剩余度。


值----------Value----------

The required estimate of theta, as a scalar. For theta.ml, the standard error is given as attribute "SE".
theta所需的估计，作为一个标量。 theta.ml，标准误差为属性"SE"。


参见----------See Also----------

glm.nb
glm.nb


举例----------Examples----------


quine.nb <- glm.nb(Days ~ .^2, data = quine)
theta.md(quine$Days, fitted(quine.nb), dfr = df.residual(quine.nb))
theta.ml(quine$Days, fitted(quine.nb))
theta.mm(quine$Days, fitted(quine.nb), dfr = df.residual(quine.nb))

## weighted example[＃加权范例]
yeast <- data.frame(cbind(numbers = 0:5, fr = c(213, 128, 37, 18, 3, 1)))
fit <- glm.nb(numbers ~ 1, weights = fr, data = yeast)
summary(fit)
attach(yeast)
mu <- fitted(fit)
theta.md(numbers, mu, dfr = 399, weights = fr)
theta.ml(numbers, mu, weights = fr)
theta.mm(numbers, mu, dfr = 399, weights = fr)
detach()

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。