TML1.noncensored(RobustAFT)
TML1.noncensored()所属R语言包：RobustAFT
Truncated Maximum Likelihood Estimates of Location and Scale
截断地点和规模最大似然估计
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This functions computes the truncated maximum likelihood estimates of location and scale described in Marazzi and Yohai (2004). It assumes that the error distribution is approximately Gaussian or log-Weibull. The cut-off values for outlier rejection are fixed or adaptive. This function is a simplified version of TML.noncensored for the case without covariates.
这个函数计算的截断在马拉斯与Yohai的（2004）描述的地点和规模最大似然估计。它假定的误差分布接近高斯或登录韦伯。截止拒绝离群值是固定的或自适应。这个函数是一个简化版本的TML.noncensored没有协变量的情况下。
用法----------Usage----------
TML1.noncensored(y, errors= c("Gaussian", "logWeibull"), cu = NULL,
initial = c("S", "input"), otp = c("adaptive", "fixed"),
cov = c("no", "parametric", "nonparametric"), input = NULL,
control = list(), ...)
参数----------Arguments----------
参数：y
Observation vector
观察向量。
参数：errors
"Gaussian": the error distribution is assumed to be approximately Gaussian.
“高斯”：误差分布被假定为近似高斯。
"logWeibull" : the error distribution is assumed to be approximately log-Weibull. </ul>
“logWeibull”：，误差分布被假定为约log-威布尔。 </ ul>
参数：cu
Preliminary minimal upper cut-off. The default is 2.5 in the Gaussian case and 1.855356 in the log-Weibull case.
初步，最小上切断。在高斯的情况下的默认值是2.5和1.855356log威布尔情况下。
参数：initial
"S" : initial S-estimate.
“S”：最初的S-估计。
"input" : the initial estimate is given on input.</ul>
“输入”：初步估计给定的输入。</ ul>
参数：otp
"adaptive": adaptive cut-off.
“自适应”：自适应切断。
"fixed" : non adaptive cut-off.</ul>
“固定”：非自适应切断。</ ul>
参数：cov
"no": no estimate of the covariance matrix of the estimates is provided on output.
“无”：没有估计的协方差矩阵的估计输出。
"parametric": a parametric estimate of the covariance matrix of the location-scale estimates is provided (to be used when n is small).
“参数”：提供一个参数估计的位置规模估计的协方差矩阵（当n较小时，可以使用）。
"nonparametric": a nonparametric estimate of the covariance matrix of the location-scale estimates is provided.</ul>
“非参数”的位置，规模估计的协方差矩阵的非参数估计。</ ul>
参数：input
Initial input estimates of location and scale.<br> Required when initial="input".
最初的输入估计值的位置和规模。参考时需要初始=“输入”。
"Gaussian case" : list(theta=...,sigma=...) initial input estimates. theta: location; sigma: scale.
“高斯情况”：列表（θ= ...，σ= ...）最初的输入估计。 THETA的位置;西格玛：规模。
"logWeibull case" : list(tau=...,v=...) initial input estimates of location (tau) and scale (v).</ul>
“logWeibull情况”：名单（τ= ... = ...）最初的输入估计值的位置（头）和规模（V）。</ ul>
参数：control
Control parameters. For the default values, see the function TML1.noncensored.control.
控制参数。对于默认值的功能TML1.noncensored.control.
参数：...
If initial="S", parameters for the computation of the initial S estimates. See the function TML1.noncensored.control.S for the default values.
如果最初的“S”，计算的初始S估计的参数。见的功能TML1.noncensored.control.S为默认值。
值----------Value----------
A list with the following components: <table summary="R valueblock"> <tr valign="top"><td>th0 </td> <td> Initial location estimate (S or input).</td></tr> <tr valign="top"><td>v0 </td> <td> Initial scale estimate (S or input).</td></tr> <tr valign="top"><td>nit0 </td> <td> Reached number of iteration if initial="S"</td></tr> <tr valign="top"><td>th1 </td> <td> Final location estimate.</td></tr> <tr valign="top"><td>v1 </td> <td> Final scale estimate.</td></tr> <tr valign="top"><td>nit1 </td> <td> Reached iteration number in IRLS algorithm for final estimate (only for the log_Weibull case).</td></tr> <tr valign="top"><td>tu, tl </td> <td> Final cut-off values.</td></tr> <tr valign="top"><td>alpha </td> <td> Estimated proportion of retained observations.</td></tr> <tr valign="top"><td>tn </td> <td> Number of retained observations.</td></tr> <tr valign="top"><td>beta </td> <td> Consistency constant for scale.</td></tr> <tr valign="top"><td>wi </td> <td> Vector of weights (0 for rejected observations, 1 for retained observations).</td></tr> <tr valign="top"><td>CV0 </td> <td> Covariance matrix of the initial estimates (th0,v0). </td></tr> <tr valign="top"><td>CV1 </td> <td> Covariance matrix of the final estimates (th1,v1). </td></tr> </table>
有以下组件的列表：<table summary="R valueblock"> <tr valign="top"> <TD>th0 </ TD> <TD>初始位置估计（S或输入）</ TD> </ TR> <tr valign="top"> <TD>v0 </ TD> <TD>初始规模估计（S或输入）。</ TD> </ TR> <TR VALIGN = “顶”> <TD> nit0 </ TD> <TD>达到迭代次数，如果初始=“S”</ TD> </ TR> <tr valign="top"> <TD> X> </ TD> <TD>最终的位置估计。</ TD> </ TR> <tr valign="top"> <TD>th1 </ TD> <TD>最终规模的估计。 / TD> </ TR> <tr valign="top"> <TD>v1 </ TD> <TD>达到IRLS算法的迭代次数为最终估计（只为log_Weibull的情况下）。</ TD > </ TR> <tr valign="top"> <TD>nit1 </ TD> <TD>最后的临界值。</ TD> </ TR> <tr valign="top"> <TD> tu, tl </ TD> <TD>估计比例保留意见。</ TD> </ TR> <tr valign="top"> <TD> alpha </ TD> < TD>号码保留意见。</ TD> </ TR> <tr valign="top"> <TD> tn </ TD> <TD>一致性为规模不变。</ TD> </ TR > <tr valign="top"> <TD>beta </ TD> <TD>的权重向量（0被拒绝的意见，保留意见）。</ TD> </ TR> <TR VALIGN =“”> <TD> wi </ TD> <TD>协方差矩阵初步测算（TH0，V0）。 </ TD> </ TR> <tr valign="top"> <TD>CV0 </ TD> <TD>的最终估计的协方差矩阵（TH1，V1）。 </ TD> </ TR> </ TABLE>
参考文献----------References----------
Marazzi A., Yohai V. (2004). Adaptively truncated maximum likelihood regression with asymmetric errors. Journal of Statistical Planning and Inference, 122, 271-291.
参见----------See Also----------
TML.noncensored, TML1.noncensored.control, TML1.noncensored.control.S
TML.noncensored，TML1.noncensored.control，TML1.noncensored.control.S
实例----------Examples----------
data(Z243)
Cost <- Z243$CouTot
y <- log(Cost)
ctrl <- TML1.noncensored.control(iv=1,tol=1e-3)
z <- TML1.noncensored(y,errors="logWeibull", initial="S",otp="adaptive",
cov="no",control=ctrl)
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 2012-9-27 22:05:37
