R语言 RobLox包 rlsOptIC.BM()函数中文帮助文档(中英文对照)

loveR

rlsOptIC.BM(RobLox)
rlsOptIC.BM()所属R语言包：RobLox

                                        Computation of the optimally robust IC for BM estimators
                                         BM估计的最优强大的IC计算

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The function rlsOptIC.BM computes the optimally robust IC for  BM estimators in case of normal location with unknown scale and  (convex) contamination neighborhoods. These estimators were proposed  by Bednarski and Mueller (2001). A definition of these  estimators can also be found in Section 8.4 of Kohl (2005).
的功能rlsOptIC.BM计算最优强大的IC BM估计的情况下，正常的位置，未知的规模（凸）污染居民区。这些估计贝德纳尔斯基和Mueller（2001）提出的。科尔（2005年）第8.4节中的定义，这些估计也可以找到。


用法----------Usage----------


rlsOptIC.BM(r, bL.start = 2, bS.start = 1.5, delta = 1e-06, MAX = 100)



参数----------Arguments----------

参数：r
non-negative real: neighborhood radius.
非负实：邻域半径。


参数：bL.start
positive real: starting value for b_loc.
正实：起始值为b_loc。


参数：bS.start
positive real: starting value for b_sc,0.
正实：起始值为b_sc,0。


参数：delta
the desired accuracy (convergence tolerance).
所需的精度（收敛宽容）。


参数：MAX
if b_loc or b_sc,0  are beyond the admitted values, MAX is returned.
如果b_loc或b_sc,0超越承认的值的，MAX返回。


Details

详细信息----------Details----------

The computation of the optimally robust IC for BM estimators is based on optim where MAX is used to  control the constraints on b_loc  and b_sc,0. The optimal values of the   tuning constants b_loc, b_sc,0,  alpha and gamma can be read off  from the slot Infos of the resulting IC.
BM估计的最优强大的IC的计算是基于optim其中MAX用于控制的约束b_loc和b_sc,0。的最佳值的调谐常数b_loc，b_sc,0，alpha和gamma可以读出从插槽Infos所得到的IC。


值----------Value----------

Object of class "IC"
对象的类"IC"


（作者）----------Author(s)----------


Matthias Kohl <a href="mailto:Matthias.Kohl@stamats.de">Matthias.Kohl@stamats.de</a>



参考文献----------References----------

Bednarski, T and Mueller, C.H. (2001) Optimal bounded influence regression and scale M-estimators in the context of experimental design. Statistics, 35(4): 349&ndash;369.
Kohl, M. (2005) Numerical Contributions to the Asymptotic Theory of Robustness.  Bayreuth: Dissertation.

参见----------See Also----------

IC-class
IC-class


实例----------Examples----------


IC1 <- rlsOptIC.BM(r = 0.1)
checkIC(IC1)
Risks(IC1)
Infos(IC1)
plot(IC1)
infoPlot(IC1)

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。