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

loveR

radiusMinimaxIC(ROptEst)
radiusMinimaxIC()所属R语言包：ROptEst

                                        Generic function for the computation of the radius minimax IC
                                         通用函数计算的半径极小极大IC

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Generic function for the computation of the radius minimax IC.
计算的半径极小极大IC的通用功能。


用法----------Usage----------


radiusMinimaxIC(L2Fam, neighbor, risk, ...)

## S4 method for signature 'L2ParamFamily,UncondNeighborhood,asGRisk'
radiusMinimaxIC(
        L2Fam, neighbor, risk, loRad = 0, upRad = Inf, z.start = NULL, A.start = NULL,
        upper = NULL, lower = NULL, OptOrIter = "iterate",
        maxiter = 50, tol = .Machine$double.eps^0.4,
        warn = FALSE, verbose = NULL, loRad0 = 1e-3, ...)



参数----------Arguments----------

参数：L2Fam
L2-differentiable family of probability measures.
L2-微家庭的概率措施。


参数：neighbor
object of class "Neighborhood".
对象类"Neighborhood"。


参数：risk
object of class "RiskType".
对象类"RiskType"。


参数：loRad
the lower end point of the interval to be searched.
要搜索的下端的间隔的点。


参数：upRad
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：z.start
initial value for the centering constant.
定心常数的初始值。


参数：A.start
initial value for the standardizing matrix.
标准化矩阵的初始值。


参数：upper
upper bound for the optimal clipping bound.
上界的最佳剪辑约束。


参数：lower
lower bound for the optimal clipping bound.
下界的最佳剪辑约束。


参数：OptOrIter
character; which method to be used for determining Lagrange multipliers A and a: if (partially) matched to "optimize", getLagrangeMultByOptim is used; otherwise: by default, or if matched to "iterate" or to "doubleiterate", getLagrangeMultByIter is used. More specifically, when using getLagrangeMultByIter, and if argument risk is of class "asGRisk", by default and if matched to "iterate" we use only one (inner) iteration, if matched to "doubleiterate" we use up to Maxiter (inner) iterations.
方法用于确定拉格朗日乘子的性格;A和a：如果（部分）匹配"optimize"，getLagrangeMultByOptim使用，否则默认情况下，或者如果相匹配的"iterate"或"doubleiterate"，getLagrangeMultByIter使用。更具体地，使用时：getLagrangeMultByIter，如果参数risk是类"asGRisk"，缺省情况下，和如果"iterate"匹配我们只使用一个（内）迭代，如果匹配"doubleiterate"的“我们使用Maxiter（内部）迭代。


参数：maxiter
the maximum number of iterations
最大迭代次数


参数：tol
the desired accuracy (convergence tolerance).
所需的精度（收敛宽容）。


参数：warn
logical: print warnings.
逻辑：打印警告。


参数：verbose
logical: if TRUE, some messages are printed
逻辑：如果TRUE，一些消息都印


参数：loRad0
for numerical reasons: the effective lower bound for the zero search; internally set to max(loRad,loRad0).
数值的原因：有效下限为零搜索;，内部设置max(loRad,loRad0)。


参数：...
further arguments to be passed on to getInfRobIC
进一步的参数被传递给getInfRobIC


Details

详细信息----------Details----------

In case the neighborhood radius is unknown, Rieder et al. (2001, 2008) and Kohl (2005) show that there is nevertheless a way to compute an optimally robust IC - the so-called radius-minimax IC - which is  optimal for some radius interval.
在周边的半径的情况下是未知的，Rieder等人。 （2001年，2008年）和科尔（2005年）显示，但有一个方法来计算最佳强大的IC  - 所谓的的半径极小极大IC  - 这是一些半径间隔的最佳。


值----------Value----------

The radius minimax IC is computed.
半径极小极大IC的计算方法。


方法----------Methods----------

  


L2Fam = "L2ParamFamily", neighbor = "UncondNeighborhood", risk = "asGRisk":  computation of the radius minimax IC for an L2 differentiable parametric family.   
L2Fam =的“L2ParamFamily”，邻居=“UncondNeighborhood”风险=“asGRisk”的计算：L2微参数家庭的的半径极大极小IC。


（作者）----------Author(s)----------


Matthias Kohl <a href="mailto:Matthias.Kohl@stamats.de">Matthias.Kohl@stamats.de</a>,
Peter Ruckdeschel <a href="mailtoeter.Ruckdeschel@itwm.fraunhofer.de">eter.Ruckdeschel@itwm.fraunhofer.de</a>



参考文献----------References----------

Rieder, H., Kohl, M. and Ruckdeschel, P. (2008) The Costs of not Knowing the Radius. Statistical Methods and Applications, 17(1) 13-40.
Rieder, H., Kohl, M. and Ruckdeschel, P. (2001) The Costs of not Knowing the Radius. Appeared as discussion paper Nr. 81.  SFB 373 (Quantification and Simulation of Economic Processes), Humboldt University, Berlin; also available under www.uni-bayreuth.de/departments/math/org/mathe7/RIEDER/pubs/RR.pdf
Kohl, M. (2005) Numerical Contributions to the Asymptotic Theory of Robustness.  Bayreuth: Dissertation.

参见----------See Also----------

radiusMinimaxIC
radiusMinimaxIC


实例----------Examples----------


N <- NormLocationFamily(mean=0, sd=1)
radIC <- radiusMinimaxIC(L2Fam=N, neighbor=ContNeighborhood(),
                         risk=asMSE(), loRad=0.1, upRad=0.5)
checkIC(radIC)

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。