plot.wle.cp(wle)
plot.wle.cp()所属R语言包：wle
Plot the Weighted Mallows Cp
绘制的加权锦葵CP
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Plot the weighted Mallows Cp based on weighted likelihood.
绘制的加权锦葵CP基于加权似然。
用法----------Usage----------
## S3 method for class 'wle.cp':
plot(x, base.line=0, num.max=20,
plot.it=TRUE, log.scale=FALSE,
xlab="Number of Predictors", ylab=NULL,
verbose=FALSE, ...)
参数----------Arguments----------
参数：x
an object of class wle.cp.
对象类wle.cp。
参数：base.line
the intercept of the line to split the submodels in acceptable (good) and not-acceptable (bad), (the slope is always one).
拦截的线分割的子模型，在可接受的（好），而不是可以接受的（坏），（斜率总是一）。
参数：num.max
maximum number of submodels plotted.
最大数量的子模型绘制。
参数：plot.it
if TRUE the graph is plotted.
如果为true，图形绘制。
参数：log.scale
if TRUE the y-axis as log10 scale.
如果TRUE y轴LOG10规模。
参数：xlab
a title for the x axis.
一个标题为x轴。
参数：ylab
a title for the y axis.
y轴的标题。
参数：verbose
if TRUE warnings are printed.
如果TRUE警告被打印出来。
参数：...
graphical parameters can be given as arguments.
图形的参数可以作为参数给出。
值----------Value----------
<table summary="R valueblock"> <tr valign="top"><td>num.good</td> <td> number of submodels below the base.line</td></tr> <tr valign="top"><td>num.bad</td> <td> number of submodels above the base.line</td></tr> <tr valign="top"><td>wcp.good</td> <td> list of the submodels below the base.line with their WCp.</td></tr> <tr valign="top"><td>wcp.bad</td> <td> list of the submodels above the base.line with their WCp.</td></tr> </table>
，<table summary="R valueblock"> <tr valign="top"> <TD> num.good</ TD> <TD>的子模型下面base.line</ TD> </ TR> <tr valign="top"> <TD> num.bad </ TD> <TD>的子模型上面的base.line </ TD> </ TR> <tr valign="top"> < wcp.good TD> </ TD> <TD>列表下面的子模型的base.line与他们的WCP。</ TD> </ TR> <tr valign="top"> <TD> X> </ TD> <TD>列表子模型上面的wcp.bad他们的WCP。</ TD> </ TR> </表>
（作者）----------Author(s)----------
Claudio Agostinelli
参考文献----------References----------
Agostinelli, C., (1999) Robust model selection in regression via weighted likelihood methodology, Working Paper n. 1999.4, Department of Statistics, Universiy of Padova.
Agostinelli, C., (1999) Robust model selection in regression via weighted likelihood methodology, submitted to Statistics \& Probability Letters, revised december 1999.
Agostinelli, C., (1998) Inferenza statistica robusta basata sulla funzione di verosimiglianza pesata: alcuni sviluppi, Ph.D Thesis, Department of Statistics, University of Padova.
Agostinelli, C., (1998) Verosimiglianza pesata nel modello di regressione lineare, XXXIX Riunione scientifica della Societ\'a Italiana di Statistica, Sorrento 1998.
参见----------See Also----------
wle.cp a function to calculate the Weighted Mallows Cp, wle.lm a function for estimating linear models with normal distribution error and normal kernel.
wle.cp一个函数来计算的加权锦葵CP，wle.lm估计线性模型与正常分配错误和正常内核的功能。
实例----------Examples----------
library(wle)
x.data <- c(runif(60,20,80),runif(5,73,78))
e.data <- rnorm(65,0,0.6)
y.data <- 8*log(x.data+1)+e.data
y.data[61:65] <- y.data[61:65]-4
z.data <- c(rep(0,60),rep(1,5))
plot(x.data, y.data, xlab="X", ylab="Y")
xx.data <- cbind(x.data, x.data^2, x.data^3, log(x.data+1))
result <- wle.cp(y.data~xx.data)
plot(result,num.max=15)
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。
|
发表于 2012-10-1 22:37:25
