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

loveR

RVineGrad(VineCopula)
RVineGrad()所属R语言包：VineCopula

                                        Gradient of the log-likelihood of an R-vine copula model
                                         R-藤Copula模型的对数似然梯度

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function calculates the gradient of the log-likelihood of a d-dimensional R-vine copula model with respect to the copula parameter and evaluates it on a given copula data set.
此函数计算梯度的对数似然的一个d维的R-葡萄树的copula模型与Copula函数的参数，并评估它在给定的Copula的数据集。


用法----------Usage----------


RVineGrad(data, RVM, par=RVM$par, par2=RVM$par2, start.V=NA,
          posParams=(RVM$family>0))



参数----------Arguments----------

参数：data
An N x d data matrix (with uniform margins).
一个N×d数据矩阵（均匀的利润）。


参数：RVM
An RVineMatrix object including the structure and the pair-copula families and parameters.
RVineMatrix对象的结构和对Copula的家庭，和参数。


参数：par
A d x d matrix with the pair-copula parameters (optional; default: par = RVM$par).
DXD一个矩阵，对Copula函数的参数（可选，默认：par = RVM$par）。


参数：par2
A d x d matrix with the second parameters of pair-copula families with two parameters (optional; default: par2 = RVM$par2).
一个DXD矩阵的对Copula的家庭的第二个参数有两个参数（可选;默认：par2 = RVM$par2“）。


参数：start.V
Transformations (h-functions and log-likelihoods of each pair-copula) of previous calculations (see output; default: start.V = NA).
转换（H-函数和对数似然每对系词）先前的计算（见输出默认：start.V = NA“）。


参数：posParams
A d x d matrix indicating which copula has to be considered in the gradient (default: posParams = (RVM$family > 0)).
一个DXD矩阵表示这Copula函数，必须考虑到在渐变中（默认：posParams = (RVM$family > 0)）。


Details

详细信息----------Details----------

The ordering of the gradient is due to the ordering of the R-vine matrix. The gradient starts at the lower right corner of the R-vine matrix and goes column by column  to the left and up, i.e. the first entry of the gradient is the last entry of the second last column of the par-matrix followed by the last entry of the third last column and the second last entry of this column. If there is a copula family with two parameters, i.e. the t-copula, the derivative with respect to the second parameter is at the end of the gradient vector in order of their  occurrence.
的梯度的顺序是由于订货的R-藤矩阵。梯度开始的R-藤矩阵的右下角去通过柱的柱的左和，即渐变的第一个条目是所述第二par矩阵的最后一列中的最后一个条目其次由倒数第三列和第二此列的最后一个条目的最后一个条目。如果有一个Copula的家庭有两个参数，即T-Copula函数的导数的第二个参数是在年底的梯度向量中的出现顺序。


值----------Value----------


参数：gradient
The calculated gradient of the log-likelihood value of the R-vine copula model.
的R-藤copula模型的对数似然值计算出的梯度。


注意----------Note----------

The gradient for R-vine copula models with two parameter Archimedean copulas, i.e. BB1, BB6, BB7, BB8 and their rotated versions.
R-藤Copula函数模型的梯度阿基米德Copula函数两个参数，即BB1，BB6，BB7，BB8和旋转的版本。


（作者）----------Author(s)----------


Ulf Schepsmeier, Jakob Stoeber



参考文献----------References----------

Derivatives and Fisher information of bivariate copulas. Submitted for publication. http://mediatum.ub.tum.de/node?id=1106541.
Is there significant time-variation in multivariate dependence?. In preparation. http://de.arxiv.org/abs/1205.4841.
Selecting and estimating regular vine copulae and application to financial returns. Submitted for publication. http://mediatum.ub.tum.de/node?id=1079277

参见----------See Also----------

BiCopDeriv, BiCopDeriv2, BiCopHfuncDeriv, BiCopHfuncDeriv2, <br>
BiCopDeriv，BiCopDeriv2，BiCopHfuncDeriv，BiCopHfuncDeriv2，参考


实例----------Examples----------


# define 5-dimensional R-vine tree structure matrix[定义5维的R-葡萄树结构矩阵]
Matrix = c(5,2,3,1,4,0,2,3,4,1,0,0,3,4,1,0,0,0,4,1,0,0,0,0,1)
Matrix = matrix(Matrix,5,5)

# define R-vine pair-copula family matrix[定义R-藤对Copula的家庭矩阵]
family = c(0,1,3,4,4,0,0,3,4,1,0,0,0,4,1,0,0,0,0,3,0,0,0,0,0)
family = matrix(family,5,5)

# define R-vine pair-copula parameter matrix[定义R-藤对Copula函数的参数矩阵]
par = c(0,0.2,0.9,1.5,3.9,0,0,1.1,1.6,0.9,0,0,0,1.9,0.5,
        0,0,0,0,4.8,0,0,0,0,0)
par = matrix(par,5,5)

# define second R-vine pair-copula parameter matrix[定义第二个R-藤对Copula函数的参数矩阵]
par2 = matrix(0,5,5)

# define RVineMatrix object[定义RVineMatrix对象]
RVM = RVineMatrix(Matrix=Matrix,family=family,par=par,par2=par2,
                  names=c("V1","V2","V3","V4","V5"))

# simulate a sample of size 300 from the R-vine copula model[从R-藤copula模型，模拟样品的尺寸为300]
simdata = RVineSim(300,RVM)

# compute the gradient of the first row of the data[计算的数据的第一行中的梯度]
out2 = RVineGrad(simdata[1,],RVM)
out2$gradient


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。