R语言 waveslim包 spp.mle()函数中文帮助文档(中英文对照)

loveR

spp.mle(waveslim)
spp.mle()所属R语言包：waveslim

                                        Wavelet-based Maximum Likelihood Estimation for Seasonal
                                         基于小波变换的最大似然估计的季节

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Parameter estimation for a seasonal persistent (seasonal long-memory) process is performed via maximum likelihood on the wavelet coefficients.
季节性的术语记忆的持久性（季节性）过程的参数估计是通过对小波系数的最大似然。


用法----------Usage----------


spp2.mle(y, wf, J=log(length(y),2)-1, p=0.01, dyadic=TRUE, frac=1)



参数----------Arguments----------

参数：y
Not necessarily dyadic length time series.
不一定是二元的长度时间序列。


参数：wf
Name of the wavelet filter to use in the decomposition.  See wave.filter for those wavelet filters available.
的小波滤波器的名称使用在分解。见wave.filter对于那些小波过滤器。


参数：J
Depth of the discrete wavelet packet transform.
深度的离散小波包变换。


参数：p
Level of significance for the white noise testing procedure.
的白噪声测试程序的意义。


参数：dyadic
Logical parameter indicating whether or not the original time series is dyadic in length.
逻辑参数，指示是否原始的时间序列的长度式。


参数：frac
Fraction of the time series that should be used in constructing the likelihood function.
在构建的似然函数，应使用的时间序列的分数。


Details

详细信息----------Details----------

The variance-covariance matrix of the original time series is approximated by its wavelet-based equivalent.  A Whittle-type likelihood is then constructed where the sums of squared wavelet coefficients are compared to bandpass filtered version of the true spectral density function.  Minimization occurs for the fractional difference parameter d and the Gegenbauer frequency f_G, while the innovations variance is subsequently estimated.
原始的时间序列的方差 - 协方差矩阵的近似由它的基于小波变换的等效。甲消减型的可能性，然后构建小波系数的平方的总和进行比较，以带通滤波版本的真实的谱密度函数。最大限度地减少发生的分数差参数d和f_G，而创新方差估计的盖根堡频率。


值----------Value----------

List containing the maximum likelihood estimates (MLEs) of δ, f_G and σ^2, along with the value of the likelihood for those estimates.
List，其中包含的最大似然估计（极大似然估计）δ，f_G和σ^2，以及与这些估计值的可能性。


（作者）----------Author(s)----------


B. Whitcher



参考文献----------References----------

Wavelet-based estimation for seasonal long-memory processes, Technometrics, 46, No. 2, 225-238.  

参见----------See Also----------

fdp.mle
fdp.mle

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。