R语言 Sim.DiffProc包 RadialP_1()函数中文帮助文档(中英文对照)

loveR

RadialP_1(Sim.DiffProc)
RadialP_1()所属R语言包：Sim.DiffProc

                                         Radial Process Model(S = 1,Sigma) Or Attractive Model
                                         径向过程模型（S = 1，Sigma公司）或有吸引力的模型

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Simulation the radial process one-dimensional (S = 1).
仿真的径向的过程的一维（S = 1）。


用法----------Usage----------


RadialP_1(N, t0, Dt, T = 1, R0, K, Sigma, Output = FALSE,
          Methods = c("Euler", "Milstein", "MilsteinS",
          "Ito-Taylor", "Heun", "RK3"), ...)



参数----------Arguments----------

参数：N
size of process.  
大小的处理。


参数：t0
initial time.  
初始时间。


参数：Dt
time step of the simulation (discretization).  
模拟的时间步长（discretization）。


参数：T
final time.  
最后的时间。


参数：R0
initial value of the process at time t0 ,(R0 > 0).  
初始值的过程中在时间t0，（R0> 0）。


参数：K
constant K > 0.  
不变的K > 0。


参数：Sigma
constant Sigma > 0.  
不变的Sigma > 0。


参数：Output
if Output = TRUE write a Output to an Excel (.csv).  
如果Output = TRUE写的Output到Excel（CSV）。


参数：Methods
method of simulation ,see details snssde.  
模拟的方法，详情请参阅snssde。


参数：...

Details

详细信息----------Details----------

The attractive models is defined by the system for stochastic differential equation two-dimensional :
迷人的模特是由系统定义的为二维随机微分方程：

dW1(t) and dW2(t) are brownian motions independent.
dW1(t)和dW2(t)是独立的布朗运动。

Using Ito transform, it is shown that the Radial Process R(t) with R(t)=||(X(t),Y(t))|| is a markovian diffusion, solution of the stochastic differential equation one-dimensional:
使用伊藤变换，它表明，Radial Process R(t)与R(t)=||(X(t),Y(t))||是一个马尔可夫扩散的，一维的随机微分方程的解的：

If S = 1 (ie M(S=1,Sigma)) the R(t) is :
如果S = 1（即M(S=1,Sigma)）R(t)是：

Where ||.|| is the Euclidean norm and dW(t) is a determined brownian motions.
| |。| |是欧几里德范数，dW(t)是一个确定的布朗运动。

For more detail consulted References.
对于更详细的咨询References。


值----------Value----------

data.frame(time,R(t)) and plot of process R(t).
数据框（时间，R（T））和图的过程R（T）。


注意----------Note----------

If methods is not specified, it is assumed to be the Euler Scheme.
如果methods没有被指定，它被假定为是Euler Scheme。

If T and t0 specified, the best discretization Dt = (T-t0)/N.
如果T和t0指定的，最好的离散Dt = (T-t0)/N。

2*K > Sigma^2.
2*K > Sigma^2。


（作者）----------Author(s)----------



Boukhetala Kamal, Guidoum Arsalane.




参考文献----------References----------



K.Boukhetala, Kernel density of the exit time in a simulated diffusion, les Annales Maghrebines De L ingenieur, Vol , 12, N Hors Serie. Novembre 1998, Tome II, pp 587-589.

参见----------See Also----------

RadialP2D_1, RadialP2D_1PC, RadialP3D_1, tho_M1, fctgeneral, hist_general, Kern_meth.
RadialP2D_1，RadialP2D_1PC，RadialP3D_1，tho_M1，fctgeneral，hist_general，Kern_meth。


实例----------Examples----------



## Example 1[＃示例1]
RadialP_1(N=1000, t0=0, Dt=0.001, T = 1, R0=2, K=2,
           Sigma=0.5, Output = FALSE)
## Example 2[＃示例2]
RadialP_1(N=1000, t0=0, Dt=0.001, T = 1, R0=3, K=3.5,
           Sigma=0.5, Output = FALSE,Methods="Heun")

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。