nscosinor(season)
nscosinor()所属R语言包：season
Non-stationary cosinor
非平稳余弦
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Decompose a time series using a non-stationary cosinor for the seasonal pattern.
分解一个时间序列的非平稳余弦的季节性模式。
用法----------Usage----------
lambda=1/12, div=50, monthly=TRUE, alpha=0.05)
参数----------Arguments----------
参数：data
a data frame.
一个数据框。
参数：response
response variable.
响应变量。
参数：cycles
vector of cycles in units of time, e.g., for a six and twelve month pattern cycles=c(6,12).
向量的周期为单位的时间，例如，一个6和12个月的模式cycles=c(6,12)。
参数：niters
total number of MCMC samples (default=1000).
MCMC样本总数（预设= 1000）。
参数：burnin
number of MCMC samples discarded as a burn-in (default=500).
弃之如烧伤（默认值= 500）的MCMC样本的数量。
参数：tau
vector of smoothing parameters, tau[1] for trend, tau[2] for 1st seasonal parameter, tau[3] for 2nd seasonal parameter, etc. Larger values of tau allow more change between observations and hence a greater potential flexibility in the trend and season.
矢量的平滑参数，tau蛋白的趋势[1]，tau蛋白[2]第一季的参数，tau蛋白[3]第二季参数等大的头值观测值之间的可能性较大灵活性的趋势，因此让更多的变化和季节。
参数：lambda
distance between observations (lambda=1/12 for monthly data, default).
意见（λ= 1/12月度数据，默认情况下）之间的距离。
参数：div
divisor at which MCMC sample progress is reported (default=50).
除数MCMC抽样的进展报告（默认值= 50）。
参数：monthly
TRUE for monthly data.
TRUE月度数据。
参数：alpha
Statistical significance level used by the confidence intervals.
统计显着性水平的置信区间。
参数：...
further arguments passed to or from other methods.
进一步的参数传递给其他方法。
Details
详细信息----------Details----------
This model is designed to decompose an equally spaced time series into a trend, season(s) and noise. A seasonal estimate is estimated as s_t=A_t\cos(ω_t-P_t), where t is time, A_t is the non-stationary amplitude, P_t is the non-stationary phase and ω_t is the frequency.
这种模式的目的是等间隔的时间序列分解成趋势，季节（S）和噪声。季节性的估计估计s_t=A_t\cos(ω_t-P_t)，其中t为时间，A_t是不固定的幅度，P_t是不固定相和ω_t的频率。
A non-stationary seasonal pattern is one that changes over time, hence this model gives potentially very flexible seasonal estimates.
非固定的季节性模式是一个随时间变化的，因此这个模型提供了潜在的非常灵活的季节性估计。
The frequency of the seasonal estimate(s) are controlled by cycle. The cycles should be specified in units of time. If the data is monthly, then setting lambda=1/12 and cycles=12 will fit an annual seasonal pattern. If the data is daily, then setting lambda= 1/365.25 and cycles=365.25 will fit an annual seasonal pattern. Specifying cycles= c(182.6,365.25) will fit two seasonal patterns, one with a twice-annual cycle, and one with an annual cycle.
季节性的估计值（S）的频率控制cycle。应该指定以时间为单位的周期。如果数据是每月，然后设置lambda=1/12和cycles=12适合每年的季节性模式。如果数据是每天，然后设置lambda=1/365.25和cycles=365.25适合每年的季节性模式。 cycles=c(182.6,365.25)适合两个季节的模式，每年两次的周期，以年为周期。
The estimates are made using a forward and backward sweep of the Kalman filter. Repeated estimates are made using Markov chain Monte Carlo (MCMC). For this reason the model can take a long time to run (we aim to improve this in the next version). To give stable estimates a reasonably long sample should be used (niters), and the possibly poor initial estimates should be discarded (burnin).
使用向前和向后扫了卡尔曼滤波器的估计。重复的估计是利用马尔可夫链蒙特卡罗（MCMC）。出于这个原因，该模型可以花费很长的时间来运行（我们的目标是提高在未来的版本）。为了得到稳定的估计相当长的样品，应使用（niters），并可能较差的初始估计应被丢弃（burnin）。
值----------Value----------
Returns an object of class “nsCosinor” with the following parts:
返回一个对象，类“nsCosinor”包括以下部分：
参数：call
the original call to the nscosinor function.
的原始呼叫的nscosinor函数。
参数：time
the year and month for monthly data.
年份和月份月度数据。
参数：trend
mean trend and 95% confidence interval.
平均的趋势，95％的置信区间。
参数：season
mean season(s) and 95% confidence interval(s).
平均季节（S）和95％可信区间（S）。
参数：oseason
overall season(s) and 95% confidence interval(s). This will be the same as season if there is only one seasonal cycle.
整体季节（S）和95％置信区间为（）。这将是相同season如果只有一个季节性周期。
参数：fitted
fitted values, based on trend + season(s).
基于趋势的拟合值，+季节（S）。
参数：residuals
residuals based on mean trend and season(s).
根据残差意味着趋势和季节（S）。
参数：n
the length of the series.
该系列的长度。
参数：chains
MCMC chains (of class mcmc) of variance estimates: standard error for overall noise (std.error), standard error for season(s) (std.season), phase(s) and amplitude(s)
MCMC的链（类mcmc）的方差估计标准误差为整体的噪声（std.error），标准误差为赛季（S）（std.season），阶段（S）和幅度（S）
参数：cycles
vector of cycles in units of time.
向量中的周期时间为单位。
（作者）----------Author(s)----------
Adrian Barnett <a href="mailto:a.barnett<at>qut.edu.au">a.barnett<at>qut.edu.au</a>
参考文献----------References----------
<h3>See Also</h3>
实例----------Examples----------
data(CVD)
# model to fit an annual pattern to the monthly cardiovascular disease data[模型，以适应每年每月心血管疾病的数据模式]
f = c(12)
tau = c(130,10)
## Not run: res12 = nscosinor(data=CVD, response=adj, cycles=f, niters=5000,[＃不运行：res12 = nscosinor（数据= CVD，响应= ADJ，周期= F，niters = 5000，]
burnin=1000, tau=tau)
summary(res12)
plot(res12)
plot(res12$chains$amp)
## 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。
|
发表于 2012-9-29 23:49:56
