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

loveR

HaarMA(wavethresh)
HaarMA()所属R语言包：wavethresh

                                        Generate Haar MA processes.
                                         生成哈尔MA过程。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function generates an arbitrary number of observations from a Haar MA process of any order with a particular variance.
此函数生成任意数量的观测值，从哈尔（Haar）MA过程中的任何命令与一个特定的方差。


用法----------Usage----------


HaarMA(n, sd=1, order=5)



参数----------Arguments----------

参数：n
The number of observations in the realization that you want to create. Note that n does NOT have to be a power of two.
要创建在实现若干意见。注意，n不为二的幂的。


参数：sd
The standard deviation of the innovations.
标准差的创新。


参数：order
The order of the Haar MA process.
为了的哈尔MA过程中。


Details

详细信息----------Details----------

A Haar MA process is a special kind of time series moving-average (MA) process. A Haar MA process of order k is a MA process of order 2^k. The coefficients of the Haar MA process are given by the filter coefficients of the discrete Haar wavelet at different scales.
的Haar的MA过程是一种特殊的时间序列移动平均线（MA）过程。 k阶的Haar MA过程是一个MA的过程中为了2^k。系数的Haar MA过程中在不同尺度的离散Haar小波的滤波器系数由下式给出。

For examples: the Haar MA process of order 1 is an MA process of order 2. The coefficients are 1/sqrt(2) and -1/sqrt(2). The Haar MA process of order 2 is an MA process of order 4. The coefficients are 1/2, 1/2, -1/2, -1/2 and so on. It is possible to define other processes for other wavelets as well.
的例子：哈尔MA过程中的1阶，2阶的MA过程。系数为1/sqrt(2)和-1/sqrt(2)。 4阶，2阶的Haar MA过程是一个MA过程。系数是1/2，1/2，-1 / 2，-1 / 2，依此类推。这是可能的，以及用于其他小波定义其他进程。

Any Haar MA process is a good examples of a (stationary) LSW process because it is sparsely representable by the locally-stationary wavelet machinery defined in Nason, von Sachs and Kroisandt.
在任何的Haar MA过程是一个很好的例子的（固定的）LSW过程，因为它是由本地平稳小波定义在利晨冯萨克斯和Kroisandt的中机械人口稀少表示。


值----------Value----------

A vector containing a realization of a Haar MA process of the specified order, standard deviation and number of observations.
一个向量，包含一个哈尔MA按照指定的顺序，标准差和若干意见的过程中实现的。


RELEASE----------RELEASE----------

Version 3.9 Copyright Guy Nason 1998
版本3.9版权所有1998年盖利晨


（作者）----------Author(s)----------


G P Nason



参考文献----------References----------

<h3>See Also</h3>   <code>HaarConcat</code>, <code>ewspec</code>,

实例----------Examples----------


#[]
# Generate a Haar MA process of order 1 (high frequency series)[生成哈尔MA过程中的1阶（高频系列）]
#[]
MyHaarMA <- HaarMA(n=151, sd=2, order=1)
#[]
# Plot it[画出它]
#[]
## Not run: ts.plot(MyHaarMA)[＃不运行：ts.plot（MyHaarMA）]
#[]
# Generate another Haar MA process of order 3 (lower frequency), but of[生成另一个哈尔MA 3阶（低频）的过程，而是]
# smaller variance[更小的方差]
#[]
MyHaarMA2 <- HaarMA(n=151, sd=1, order=3)
#[]
# Plot it[画出它]
#[]
## Not run: ts.plot(MyHaarMA2)[＃不运行：ts.plot（MyHaarMA2）]
#[]
# Let's plot them next to each other so that you can really see the[让我们来绘制它们彼此相邻的，所以，你可以真正看到的]
# differences.[不同之处。]
# []
# Plot a vertical dotted line which indicates where the processes are[绘制的垂直虚线表示进程所在]
# joined[加入]
#[]
## Not run: ts.plot(c(MyHaarMA, MyHaarMA2))[＃不运行：ts.plot（C（MyHaarMA，MyHaarMA2））]
## Not run: abline(v=152, lty=2)[＃不运行：abline（V = 152，LTY = 2）]

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。