R语言 robustbase包 huberM()函数中文帮助文档(中英文对照)

loveR

huberM(robustbase)
huberM()所属R语言包：robustbase

                                        Safe (generalized) Huber M-Estimator of Location
                                         安全（广义）的胡贝尔M-估计的位置

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

(Generalized) Huber M-estimator of location with MAD scale, being sensible also when the scale is zero where huber() returns an error.
（广义）胡贝尔M-估计的与MAD规模，采取明智的态度也时的规模是零huber()返回一个错误的位置。


用法----------Usage----------


huberM(x, k = 1.5, weights = NULL, tol = 1e-06,
       mu = if(is.null(weights)) median(x) else wgt.himedian(x, weights),
       s =  if(is.null(weights)) mad(x, center=mu)
            else wgt.himedian(abs(x - mu), weights),
       se = FALSE,
       warn0scale = getOption("verbose"))



参数----------Arguments----------

参数：x
numeric vector.
数字矢量。


参数：k
positive factor; the algorithm winsorizes at k standard deviations.
积极因素;的算法winsorizes在k标准偏差。


参数：weights
numeric vector of non-negative weights of same length as x, or NULL.
数字的非负权重向量的长度相同，x或NULL。


参数：tol
convergence tolerance.
收敛公差。


参数：mu
initial location estimator.
初始位置估计。


参数：s
scale estimator held constant through the iterations.
通过迭代的规模估计保持不变。


参数：se
logical indicating if the standard error should be computed and returned (as SE component).  Currently only available when weights is NULL.
逻辑的标准误差是否应该被计算并返回（SE组件）。目前只适用weights是NULL。


参数：warn0scale
logical; if true, and s is 0 and length(x) > 1, this will be warned about.
逻辑，如果情况属实，并s是0和length(x) > 1，这将警告。


Details

详细信息----------Details----------

Note that currently, when non-NULL weights are specified, the default for initial location mu and scale s is wgt.himedian, where strictly speaking a weighted “non-hi” median should be used for consistency. Since s is not updated, the results slightly differ, see the examples below.
请注意，目前，在非NULLweights指定，默认的初始位置mu和规模s是wgt.himedian，严格来说，加权“应用于一致性;非喜“位数。因为s不更新，结果略有不同，请参见下面的例子。

When se = TRUE, the standard error is computed using the τ correction factor but no finite sample correction.
当se = TRUE，标准误差计算使用τ校正因素，但没有有限样本校正。


值----------Value----------

list of location and scale parameters, and number of iterations used.
列表位置与刻度参数，和使用的迭代数。


参数：mu
location estimate
位置估计


参数：s
the s argument, typically the mad.
s的说法，通常是mad。


参数：it
the number of “Huber iterations” used.
“胡伯迭代”的数目。


（作者）----------Author(s)----------


Martin Maechler, building on the MASS code mentioned.



参考文献----------References----------

Robust Statistics. Wiley.

参见----------See Also----------

hubers (and huber) in package MASS; mad.
hubers（huber）在包MASSmad。


实例----------Examples----------


huberM(c(1:9, 1000))
mad   (c(1:9, 1000))
mad   (rep(9, 100))
huberM(rep(9, 100))

## When you have "binned" aka replicated observations:[＃当你有“分级”又名复制的观察：]
set.seed(7)
x <- c(round(rnorm(1000),1), round(rnorm(50, m=10, sd = 10)))
t.x &lt;- table(x) # -&gt; unique values and multiplicities[ - >独特的价值和多样性]
x.uniq &lt;- as.numeric(names(t.x)) ## == sort(unique(x))[＃==排序（独特的（X））]
x.mult <- unname(t.x)
str(Hx  <- huberM(x.uniq, weights = x.mult), digits = 7)
str(Hx. &lt;- huberM(x, s = Hx$s, se=TRUE), digits = 7) ## should be ~= Hx[＃~= HX]
stopifnot(all.equal(Hx[-4], Hx.[-4]))
str(Hx2 &lt;- huberM(x, se=TRUE), digits = 7)## somewhat different, since 's' differs[＃有些不同的，因为“S”不同]

## Confirm correctness of std.error :[＃确认正确性std.error：。]

system.time(
SS <- replicate(10000, vapply(huberM(rnorm(400), se=TRUE), as.double, 1.))
) # ~ 12.2 seconds[~12.2秒]
rbind(mean(SS["SE",]), sd(SS["mu",]))# both ~ 0.0508[既~0.0508]
stopifnot(all.equal(mean(SS["SE",]),
                    sd ( SS["mu",]), tol= 0.002))


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。