wle.fracdiff(wle)
wle.fracdiff()所属R语言包：wle
Fit Fractional Models to Time Series - Preliminary Version
适合分数时间序列模型 - 初步版本
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This is a preliminary version of functions for the estimation of the fractional parameter via Weighted Likelihood Estimating Equations and a cassification algorithm. The main function is wle.fracdiff, the remain functions are for internal use and they should not call by the users. They are not documented here.
这是一个初步的版本的功能，通过加权似然估计方程和cassification的算法参数估计的分数。其主要功能是wle.fracdiff，其余的功能是供内部使用，不应要求的用户。他们不是记录在这里。
用法----------Usage----------
tol=10^(-6), equal=10^(-3), raf="HD", smooth=0.0031, smooth.ao=smooth,
boot=10, num.sol=1, x.init=rep(0,M), use.uniroot=FALSE, max.iter.out=20,
max.iter.in=100, max.iter.step=5000, max.iter.start=max.iter.step,
verbose=FALSE, w.level=0.4, min.weights=0.5, init.values=NULL,
num.max=length(x), include.mean=FALSE, ao.list=NULL, elitist=5,
size.generation=5, size.population=10, type.selection="roulette",
prob.crossover=0.8, prob.mutation=0.02, type.scale="none", scale.c=2)
参数----------Arguments----------
参数：x
a univariate time series.
一个单变量时间序列。
参数：lower
the lower end point of the interval to be searched.
要搜索的下端的间隔的点。
参数：upper
the upper end point of the interval to be searched.
的上端部的间隔的点进行搜索。
参数：M
the order of the finite memory process used to estimate the d parameter.
为了在有限的存储过程，用于估计参数d。
参数：group
the dimension of the bootstap subsamples.
的维度的bootstap子样本。
参数：na.action
function to be applied to remove missing values.
功能要施加到删除丢失的值。
参数：tol
the absolute accuracy to be used to achieve convergence of the algorithm.
要使用的绝对精度实现算法的收敛性。
参数：equal
the absolute value for which two roots are considered the same. (This parameter must be greater than tol).
绝对的值，两个根被认为是相同的。 （此参数必须大于tol）。
参数：raf
type of Residual adjustment function to be use: raf="HD": Hellinger Distance RAF, raf="NED": Negative Exponential Disparity RAF, raf="SCHI2": Symmetric Chi-Squared Disparity RAF.
类型的残余调节功能，使用方法：raf="HD"：Hellinger距离RAF，raf="NED"负指数差异RAF，raf="SCHI2"：对称卡方差异RAF。
参数：smooth
the value of the smoothing parameter.
的平滑化参数的值。
参数：smooth.ao
the value of the smoothing parameter used in the outliers classificaton, default equal to smooth.
的值的的平滑参数离群点classificaton使用，，默认情况下，等于smooth。
参数：boot
the number of starting points based on boostrap subsamples to use in the search of the roots.
基于自举子样本的起点，使用在搜索的根的数目。
参数：num.sol
maximum number of roots to be searched.
要搜索的最大根数。
参数：x.init
initial values, a vector with the same length of the M parameter, or a number, default is 0.
初始值，一个向量的M参数具有相同的长度，或一个数字，缺省值为0。
参数：use.uniroot
default: FALSE, if TRUE in each step the weighted likelihood estimating equations is solved, otherwise, a maximization is performed on a weighted log-likelihood function with fixed weights. The estimators obtain with the two methods is the same.
默认：FALSE，如果TRUE在每一步的加权似然估计方程得到解决，否则，与固定权数的加权数似然函数的最大化。用两种方法获得的估计值是相同的。
参数：max.iter.out
maximum number of iterations in the outer loop.
在外层循环迭代的最大数量。
参数：max.iter.in
maximum number of iterations in the inner loop.
在内部循环的迭代的最大数量。
参数：max.iter.step
maximum number of iterations in a step.
在一个步骤中的迭代的最大数量。
参数：max.iter.start
maximum number of iterations in the starting process.
在起动过程中的迭代的最大数量。
参数：verbose
if TRUE warnings are printed.
如果TRUE警告被打印出来。
参数：w.level
the threshold used to decide if an observation could be an additive outlier.
使用的阈值，以决定是否观察可能是一个加性离群值。
参数：init.values
a vector with initial values for the d and the innovations variance.
与初始值在d和创新方差的矢量。
参数：num.max
maximum number of observations can be considered as possible additive outliers.
观测值的最大数目，可以被认为是可能的加性离群值。
参数：include.mean
Should the model include a mean term? The default is TRUE.
如果模型包括平均期限吗？默认的TRUE。
参数：ao.list
possible list of pattern of additive outliers.
可能的加性离群值的模式列表。
参数：min.weights
see details.
查看详细信息。
参数：size.population
see details.
查看详细信息。
参数：size.generation
see details.
查看详细信息。
参数：prob.crossover
see details.
查看详细信息。
参数：prob.mutation
see details.
查看详细信息。
参数：type.scale
see details.
查看详细信息。
参数：type.selection
see details.
查看详细信息。
参数：elitist
see details.
查看详细信息。
参数：scale.c
see details.
查看详细信息。
Details
详细信息----------Details----------
min.weight: the weighted likelihood equation could have more than one solution. These roots appear for particular situation depending on contamination level and type. We introduce the min.weight parameter in order to choose only between roots that do not down weight everything. This is not still the optimal solution, and perhaps, in the new release, this part will be change.
min.weight：加权似然方程可以有一个以上的解决方案。这些根出现特定情况下，根据污染程度和类型。我们介绍了min.weight参数，以便选择唯一的根之间不下来的重量一切。这是不是仍然是最佳的解决方案，也许，在新版本中，这部分将有所改变。
The algorithm used to classify the observations as additive outliers is a simple genetic algorithm as described in Goldberg (1989). The size.population, size.generation, type.selection, prob.crossover, prob.mutation, type.scale, type.selection, elitist and scale.c are parameters related to this algorithm.
使用该算法进行分类的意见为加性离群值戈德堡（1989年）中描述的是一个简单的遗传算法。 size.population，size.generation，type.selection，prob.crossover，prob.mutation，type.scale，type.selection，elitist和 scale.c是这个算法的相关参数。
值----------Value----------
<table summary="R valueblock"> <tr valign="top"><td>d</td> <td> the WLE of the fractional parameter.</td></tr> <tr valign="top"><td>sigma2</td> <td> the WLE of the innovations variance.</td></tr> <tr valign="top"><td>x.mean</td> <td> the WLE of the mean.</td></tr> <tr valign="top"><td>resid</td> <td> the residuals.</td></tr> <tr valign="top"><td>resid.without.ao</td> <td> the residuals with the additive outliers effects.</td></tr> <tr valign="top"><td>resid.with.ao</td> <td> the residuals without the additive outliers effects.</td></tr> <tr valign="top"><td>x.ao</td> <td> the time series without the additive outliers effects.</td></tr> <tr valign="top"><td>call</td> <td> the matched call.</td></tr> <tr valign="top"><td>weights</td> <td> the weights.</td></tr> <tr valign="top"><td>weights.with.ao</td> <td> the weights with the additive outliers effects.</td></tr> <tr valign="top"><td>weights.without.ao</td> <td> the weights without the additive outliers effects</td></tr> <tr valign="top"><td>tot.sol</td> <td> the number of solutions found.</td></tr> <tr valign="top"><td>not.conv</td> <td> the number of starting points that does not converge after the max.iter.out iteration are reached.</td></tr> <tr valign="top"><td>ao.position</td> <td> the position of the additive outliers.</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD>d </ TD> <TD> WLE的部分参数。</ TD> </ TR> <TR VALIGN =“”> <TD>sigma2 </ TD> <TD> WLE的创新方差。</ TD> </ TR> <tr valign="top"> <TD>x.mean </ TD> <TD>的平均WLE。</ TD> </ TR> <tr valign="top"> <TD> resid </ TD> <TD>的残差。</ TD> </ TR> <tr valign="top"> <TD> resid.without.ao</ TD> <TD>的残差与加性离群值的影响。</ TD> </ TR> <TR VALIGN =“顶“<TD> resid.with.ao </ TD> <TD>的残差没有添加剂的异常值的影响。</ TD> </ TR> <tr valign="top"> <TD>x.ao <TD>的时间序列，而不加性离群值的影响</ TD> </ TD> </ TR> <tr valign="top"> <TD>call </ TD> <TD>的匹配调用</ TD> </ TR> <tr valign="top"> <TD>weights</ TD> <TD>的权重。</ TD> </ TR> <TR VALIGN =“顶” > <TD> weights.with.ao </ TD> <TD>权重的加性离群值的影响。</ TD> </ TR> <tr valign="top"> <TD>weights.without.ao</ TD> <TD>没有添加剂的异常值的影响的权重</ TD> </ TR> <tr valign="top"> <TD>tot.sol </ TD> <TD>的解决方案。 / TD> </ TR> <tr valign="top"> <TD> not.conv</ TD> <TD>的出发点不收敛后max.iter.out迭代的数量达到。 </ TD> </ TR> <tr valign="top"> <TD>ao.position </ TD> <TD>加性离群值的位置。</ TD> </ TR> </ TABLE>
（作者）----------Author(s)----------
Claudio Agostinelli
参考文献----------References----------
Goldberg, David E., (1989) Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley Pub. Co. ISBN: 0201157675
实例----------Examples----------
require(stats)
if (require(fracdiff)) {
res <- fracdiff(Nile)
res$d
}
set.seed(1234)
resw <- wle.fracdiff(Nile, M=100, include.mean=TRUE, lower=0.01, upper=0.96, group=20)
resw$d
resw$sigma2
resw$x.mean
x <- Nile
x[50] <- x[50]+4*sd(x)
if (require(fracdiff)) {
res <- fracdiff(x)
res$d
}
set.seed(1234)
resw <- wle.fracdiff(x, M=100, include.mean=TRUE, lower=0.01, upper=0.96, group=40)
resw$d
resw$sigma2
resw$x.mean
resw$ao.position
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 22:39:45
