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

loveR

rmaxlin(SpatialExtremes)
rmaxlin()所属R语言包：SpatialExtremes

                                        Simulation from max-linear models
                                         从最大线性模型的模拟

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function generates realisations from a max-linear
这个函数生成实现从最大线性


用法----------Usage----------


rmaxlin(n, coord, cov.mod = "gauss", dsgn.mat, grid = FALSE, p = 500,
...)



参数----------Arguments----------

参数：n
Integer. The number of observations.
整数。的若干意见。


参数：coord
A vector or matrix that gives the coordinates of each location. Each row corresponds to one location - if any. May be missing if dsgn.mat is specified.
的向量或基质，给出了每一个位置的坐标。每一行对应于一个位置 - 如果有的话。可能会丢失，如果dsgn.mat指定。


参数：cov.mod
A character string that specifies the max-linear model. Currently only the discretized Smith model is implemented, i.e., cov.mod = "gauss".
一个字符串，指定的最大线性模型。目前，只有离散Smith模型来实现，即cov.mod = "gauss"。


参数：dsgn.mat
The design matrix of the max-linear model — see Section Details. May be missing if coord and cov.mod are given.
设计矩阵的的最大线性模型 - 部分详细介绍。如果coord和cov.mod给出可能会丢失。


参数：grid
Logical. Does coord defines a grid?
逻辑。 coord定义了一个网格？


参数：p
An integer corresponding to the number of unit Frechet random variable used in the max-linear model — see Section Details.
一个整数，对应的单元导数随机变量的最大线性模型中 - 部分详细介绍。


参数：...
The parameters of the max-stable model — see Section Details.
最大稳定模型的参数 - 见第详情。


Details

详细信息----------Details----------

A max-linear process {Y(x)} is defined by
一个最大线性过程{Y(x)}被定义为

where p is a positive integer, f_j are non negative functions and Z_j are independent unit Frechet random variables. Most often, the max-linear process will be generated at locations x_1, …, x_k     in R^d and an alternative but equivalent formulation is
p是一个正整数，f_j非负函数和Z_j是独立的单元导数的随机变量。大多数情况下，最大线性的过程将产生在位置x_1, …, x_k     in R^d和其它相等的制定是

where Y = {Y(x_1), …, Y(x_k)}, Z = (Z_1, …, Z_p), * is the max-linear operator, see the first equation, and A is the design matrix of the max-linear model. The design matrix A is a k x p matrix with non negative entries and whose i-th row is {f_1(x_i), …, f_i(x_p)}.
Y = {Y(x_1), …, Y(x_k)}，Z = (Z_1, …, Z_p)，*是的最大线性算子，看到的第一个方程，并A是最大线性模型的设计矩阵。设计矩阵A是一个k x p矩阵与非负项，而其i是{f_1(x_i), …, f_i(x_p)}-th行。

Currently only the discretized Smith model is implemented for which f_j(x) = c(p) phi(x -   u_j ; Sigma) where phi( . ; Sigma) is the zero mean (multivariate) normal density with covariance matrix Sigma, u_j is a sequence of deterministic points appropriately chosen and c(p) is a constant ensuring unit Frechet margins. Hence if this max-linear model is used, users must specify var for one dimensional processes, and cov11, cov12, cov22 for two dimensional processes.
目前，只有离散Smith模型实施的f_j(x) = c(p) phi(x -   u_j ; Sigma)，其中phi( . ; Sigma)是零均值（多元）正常密度的协方差矩阵Sigma，u_j是一个序列的确定性点适当地选择和c(p)是一个常数确保单位的Frechet空间。因此，如果使用这个最大线性模型，用户必须指定var一维的过程，并cov11，cov12，cov22二维的过程。


值----------Value----------

A matrix containing observations from the max-linear model. Each column represents one stations. If grid = TRUE, the function returns an array of dimension nrow(coord) x nrow(coord) x n.
最大线性模型的矩阵观测。每一列代表一个站。如果grid = TRUE，该函数返回一个数组的维NROW（经纬度）所述NROW（经纬度）X N。


（作者）----------Author(s)----------


Mathieu Ribatet



参考文献----------References----------

Random Fields. Advances in Applied Probability.

参见----------See Also----------

condrmaxlin, rmaxstab
condrmaxlin，rmaxstab


实例----------Examples----------


## A one dimensional simulation from a design matrix. This design matrix[＃A三维仿真的设计矩阵。这样的设计矩阵]
## corresponds to a max-moving average process MMA(alpha)[＃对应一个最大的移动平均过程MMA（α）]
n.site <- 250
x <- seq(-10, 10, length = n.site)

## Build the design matrix[＃建立设计矩阵]
alpha <- 0.8
dsgn.mat <- matrix(0, n.site, n.site)
dsgn.mat[1,1] <- 1

for (i in 2:n.site){
dsgn.mat[i,1i-1)] <- alpha * dsgn.mat[i-1,1i-1)]
dsgn.mat[i,i] <- 1 - alpha
}

data <- rmaxlin(3, dsgn.mat = dsgn.mat)
matplot(x, t(log(data)), pch = 1, type = "l", lty = 1, ylab =
expression(log(Y(x))))

## One realisation from the discretized Smith model (2d sim)[第一个实现从离散Smith模型（2D SIM）]
x <- y <- seq(-10, 10, length = 100)
data <- rmaxlin(1, cbind(x, y), cov11 = 3, cov12 = 1, cov22 = 4, grid =
TRUE, p = 2000)
image(x, y, log(data), col = heat.colors(64))

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。