wle.normal.mixture(wle)
wle.normal.mixture()所属R语言包：wle
Robust Estimation in the Normal Mixture Model
在普通混合模型的鲁棒估计
译者：生物统计家园网 机器人LoveR
描述----------Description----------
wle.normal.mixture is a preliminary version; it is used to robust estimate the location, scale and proportion parameters via Weighted Likelihood, when the sample is iid from a normal mixture univariate distribution with known m number of components.
wle.normal.mixture是一个初步的版本，它是用来鲁棒估计通过加权似然的位置，规模和比例参数，当样品从一个正常的的混合物单变量分布与已知m的部件数量是独立同分布。
用法----------Usage----------
wle.normal.mixture(x, m, boot=5, group, num.sol=1, raf="HD",
smooth=0.003, tol=10^(-15), equal=10^(-2),
max.iter=1000, all.comp=TRUE, min.size=0.02,
min.weights=0.3, boot.start=10, group.start=3,
tol.start=10^(-6), equal.start=10^(-3),
smooth.start=0.003, max.iter.start=500,
max.iter.boot=25, verbose=FALSE)
wle.normal.mixture.start(x, m, boot=5, group, raf="HD",
smooth=0.003, tol=10^(-15), equal=10^(-2),
min.size=0.02, min.weights=0.3, boot.start=20,
group.start=3, max.iter.start=500,
max.iter.boot=20, verbose=FALSE)
参数----------Arguments----------
参数：x
a vector contain the observations.
一个向量包含的意见。
参数：m
numbers of components.
组件的数目。
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：group
the dimension of the bootstap subsamples. The default value is max(round(size/4),2) where size is the number of observations.
的维度的bootstap子样本。默认值是max(round(size/4),2)size的若干意见。
参数：num.sol
maximum number of roots to be searched.
要搜索的最大根数。
参数：raf
type of Residual adjustment function to be use:
类型的残余调节功能，可以使用：
raf="HD": Hellinger Distance RAF,
raf="HD"：Hellinger距离RAF，
raf="NED": Negative Exponential Disparity RAF,
raf="NED"：负指数差异RAF，
raf="SCHI2": Symmetric Chi-Squared Disparity RAF.
raf="SCHI2"：对称卡方差异皇家空军。
参数：smooth
the value of the smoothing parameter.
的平滑化参数的值。
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：max.iter
maximum number of iterations.
最大迭代次数。
参数：all.comp
try to find all the components.
试图找到所有的组件。
参数：min.size
see details
详情请参阅
参数：min.weights
see details
详情请参阅
参数：boot.start
the number of starting points for the starting process.
开始起动过程中的点的数目。
参数：group.start
the dimension of the bootstap subsamples in the starting process. The default value is max(round(group/4),2).
在起动过程中的bootstap子样本的尺寸。默认值是max(round(group/4),2)。
参数：tol.start
the absolute accuracy to be used to achieve convergence of the algorithm in the starting process.
要使用的绝对精度的算法在起动过程中以达到收敛。
参数：equal.start
the absolute value for which two roots are considered the same in the starting process. (This parameter must be greater than tol.start).
的绝对值，在起动过程中，被认为是相同的两个根。 （此参数必须大于tol.start）。
参数：smooth.start
the value of the smoothing parameter in the starting process.
在起动过程中的平滑化参数的值。
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：max.iter.boot
maximum number of iterations of the starting process.
起动过程中的最大数目的迭代。
参数：verbose
if TRUE warnings are printed.
如果TRUE警告被打印出来。
Details
详细信息----------Details----------
this function use an iterative procedure to evaluate starting points. First, using wle.normal we try to find the biggest components, then we discard each observation with weight greater than min.weights. The wle.normal is run on the remain observations if the ratio between the number of observations and the original sample size is greater than min.size. The convergence of the algorithm is determined by the difference between two iterations. This stopping rule could have some problems, as soon as possible it will replace with the one proposed in Markatou (2000) pag. 485 (5).
这个函数使用一个迭代过程，以评估的出发点。首先，使用wle.normal的“我们试图找到最大的组成部分，那么我们放弃每个观察与重量大于min.weights。 wle.normal上运行的意见和原始样本大小数之间的比例保持观察，如果是大于min.size。两次迭代之间的差异确定的算法的收敛。这个停止的规则可能有一些问题，尽快提出一个在Markatou（2000）中国平安将取代。 485（5）。
值----------Value----------
wle.normal.mixture returns an object of class "wle.normal.mixture".
wle.normal.mixture返回一个对象的class"wle.normal.mixture"的。
Only print method is implemented for this class.
只打印的方法来实现这个类。
The objects returned by wle.normal.mixture are:
返回wle.normal.mixture的对象是：
<table summary="R valueblock"> <tr valign="top"><td>location</td> <td> the estimator of the location parameters, one vector for each root found.</td></tr> <tr valign="top"><td>scale</td> <td> the estimator of the scale parameters, one vector for each root found.</td></tr> <tr valign="top"><td>pi</td> <td> the estimator of the proportion parameters, one vector for each root found.</td></tr> <tr valign="top"><td>tot.weights</td> <td> the sum of the weights, divide by the number of observations, one value for each root found.</td></tr> <tr valign="top"><td>weights</td> <td> the weights associated to each observation, one column vector for each root found.</td></tr> <tr valign="top"><td>f.density</td> <td> the non-parametric density estimation.</td></tr> <tr valign="top"><td>m.density</td> <td> the smoothed model.</td></tr> <tr valign="top"><td>delta</td> <td> the Pearson residuals.</td></tr> <tr valign="top"><td>freq</td> <td> the number of starting points converging to the roots.</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 iteration are reached.</td></tr> <tr valign="top"><td>call</td> <td> the match.call().</td></tr>
<table summary="R valueblock"> <tr valign="top"> <TD> location</ TD> <TD>的位置参数的估计，一个向量的每个根发现。</ TD> </ TR> <tr valign="top"> <TD> scale </ TD> <TD>的尺度参数的估计，每一根发现的一个向量。</ TD> </ TR> < TR VALIGN =“顶”> <TD>pi </ TD> <TD>的比例参数的估计，每一根发现的一个向量。</ TD> </ TR> <TR VALIGN =“顶部“> <TD> tot.weights </ TD> <TD>的权重总和，除以若干意见，每根发现的一个值。</ TD> </ TR> <TR VALIGN =”顶“<TD> weights </ TD> <TD>相关的权重给每个观察，每一根发现一个列向量。</ TD> </ TR> <tr valign="top"> < f.density TD> </ TD> <TD>非参数密度估计。</ TD> </ TR> <tr valign="top"> <TD> m.density</ TD> < TD>的平滑模型。</ TD> </ TR> <tr valign="top"> <TD>delta </ TD> <TD> Pearson残差。</ TD> </ TR> < TR VALIGN =“顶”> <TD>freq </ TD> <TD>收敛的根源出发点的数量。</ TD> </ TR> <tr valign="top"> <TD > tot.sol </ TD> <TD>找到解决方案的数量。</ TD> </ TR> <tr valign="top"> <TD> not.conv</ TD> <TD>数max.iter迭代不收敛后达到的出发点。</ TD> </ TR> <tr valign="top"> <TD>call </ TD> <TD > match.call（）。</ TD> </ TR>
</table>
</ TABLE>
（作者）----------Author(s)----------
Claudio Agostinelli
参考文献----------References----------
Markatou, M., (2000) Mixture models, robustness and the weighted likelihood methodology, Biometrics, 56, 483-486.
Markatou, M., (2001) A closer look at the weighted likelihood in the context of mixtures, Probability and Statistical Models with Applications, Charalambides, C.A., Koutras, M.V. and Balakrishnan, N. (eds.), Chapman and Hall/CRC, 447-467.
实例----------Examples----------
library(wle)
set.seed(1234)
x <- c(rnorm(150,0,1),rnorm(50,15,2))
wle.normal.mixture(x,m=2,group=50,group.start=2,boot=5,num.sol=3)
wle.normal(x,group=2,boot=10,num.sol=3)
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 22:40:35
