R语言 RobRex包 rgsOptIC.Ms()函数中文帮助文档(中英文对照)

loveR

rgsOptIC.Ms(RobRex)
rgsOptIC.Ms()所属R语言包：RobRex

                                        Computation of the optimally robust IC for Ms estimators
                                         她估计计算的最佳强大的IC

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The function rgsOptIC.Ms computes the optimally robust  conditionally centered IC for Ms estimators in case of linear  regression with unknown scale and average conditional (convex)  contamination neighborhoods where the regressor is random; confer Subsection 7.3.2 of Kohl (2005).
功能rgsOptIC.Ms计算最优健壮有条件中心IC女士中估计的情况下，线性回归与未知的规模和平均条件（凸）污染的街区的回归量是随机的;赋予科尔（2005），第7.3.2。


用法----------Usage----------


rgsOptIC.Ms(r, K, a1.x.start, a3.start = 0.25, b.sc.start = 1.5,
             bUp = 1000, ggLo = 0.5, ggUp = 1, delta = 1e-06,
             itmax = 1000, check = FALSE)



参数----------Arguments----------

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


参数：K
object of class "DiscreteDistribution"
对象的类"DiscreteDistribution"


参数：ggLo
positive real: the lower end point of the interval  to be searched for gamma.
正实的低端点的时间间隔搜索gamma。


参数：ggUp
positive real: the upper end point of the interval  to be searched for gamma.
正实的上端点的时间间隔搜索gamma。


参数：a1.x.start
real: starting value for  the Lagrange multiplier function alpha_1(x).
真正的拉格朗日乘子功能alpha_1(x)：起始值。


参数：a3.start
real: starting value for  Lagrange multiplier alpha_3.
拉格朗日乘子alpha_3真正的初始值。


参数：b.sc.start
positive real: starting value for  the clipping bound b_sc.
正实：初始值约束的剪裁b_sc。


参数：bUp
positive real: the upper end point of the interval to be searched for b.
正实的上端点的时间间隔要搜索的b。


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


参数：itmax
the maximum number of iterations.
最大迭代次数。


参数：check
logical. Should constraints be checked.
逻辑。如果约束条件进行检查。


值----------Value----------

Object of class "CondIC"
对象的类"CondIC"


（作者）----------Author(s)----------


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



参考文献----------References----------

Kohl, M. (2005) Numerical Contributions to the Asymptotic Theory of Robustness.  Bayreuth: Dissertation.

参见----------See Also----------

CondIC-class
CondIC-class


实例----------Examples----------


## code takes some time[＃代码需要一些时间]
## Not run: [＃不运行：]
K &lt;- DiscreteDistribution(1:5) # = Unif({1,2,3,4,5})[UNIF（{1,2,3,4,5}）]
IC1 <- rgsOptIC.Ms(r = 0.1, K = K)
checkIC(IC1)
Risks(IC1)

## End(Not run)[＃（不执行）]

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。