sBF(sBF)
sBF()所属R语言包：sBF
Smooth Backfitting Estimator
平滑回切估计
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Smooth Backfitting for additive models using Nadaraya-Watson estimator.
平滑回切添加剂的车型使用Nadaraya-沃特森估计。
用法----------Usage----------
sBF(dat, depCol = 1, m = 100, windows = rep(20, ncol(dat) - 1),
bw = NULL, method = "gaussian", mx = 100, epsilon = 1e-04,
PP = NULL, G = NULL)
参数----------Arguments----------
参数：dat
matrix of data.
矩阵的数据。
参数：depCol
column of dat matrix in which the dependent variable is positioned.
列的dat矩阵，其中的因变量是定位。
参数：m
number of grid points. Higher values of m imply better estimates and loger computational time.
的网格点的数量。值越高，m意味着更好的的估计和loger的计算时间。
参数：windows
number of windows. (covariate range width)/windows provide the bandwidths for the kernel regression smoother.
窗口数量。 （协范围宽）/ windows提供核回归平滑的带宽。
参数：bw
bandwidths for the kernel regression smoother.
核回归平滑的带宽。
参数：method
kernel method. See function K.
内核的方法。请参阅功能K。
参数：mx
maximum iterations number.
最大的迭代次数。
参数：epsilon
convergence limit of the iterative algorithm.
的迭代算法的收敛极限。
参数：PP
matrix of joint probabilities.
联合概率矩阵。
参数：G
grid on which univariate functions are estimated.
电网单变量函数估计。
Details
详细信息----------Details----------
Bandwidth can be chosen in two different ways: through the argument bw or defining the number of windows into the range of the values of any independent variable through the argument windows (equal to 20 by default). Bandwidth is the width of the windows. Both the parameters bw and windows can be single values, then every smoother has the same bandwidth, or they can be vectors of length equal tu the covariates number to specify different bandwidths for any direction. Higher values of the bandwidth provide smoother estimates.
带宽可以选择两种不同的方式：通过参数bw或数定义windows范围内的任何自变量的值，通过参数窗口（等于默认为20）。带宽是宽的窗口。这两个参数bw和windows可以是单值的，那么每一个平滑的具有相同的带宽，或者它们可以是向量长度等于涂协变量的编号，以指定的任何方向上的不同的带宽。更高的带宽，提供更流畅的估计值。
In applications it could be useful using the same PP matrix for different estimates, e.g. to evaluate the impact of different bandwidths and develop algorithms to select optimal bandwidths (see, for example Nielsen and Sperlich, 2005, page 52). This reasoning applies also to the grid G. This is why the possibility to input matrices G and PP as parameters is given. The program creates G and PP if they are not inserted.
在应用程序中，它可能是有用的，使用相同的PP矩阵为不同的估计，例如不同带宽的影响进行评估，并开发新的算法来选择最佳的带宽（参见，例如尼尔森和Sperlich的，2005年，第52页）。这个推理也适用于电网G。这是为什么输入矩阵的可能性G和PP作为参数给出。该程序创建G和PP“”如果他们不被插入。
值----------Value----------
参数：mxhat
estimated univariate functions on the grid points.
估计单变量函数上grid点。
参数：m0
estimated constant value in the additive model.
在加法模型估计的恒定值。
参数：grid
the grid.
网格。
参数：conv
boolean variable indicating whether the convergence has been achieved.
布尔变量，指示是否已达到收敛。
参数：nit
number of iterations performed.
执行的迭代次数。
参数：PP
matrix of joint probabilities.
联合概率矩阵。
参数：bw
bandwidths used for the kernel regression smoother.
带宽用于核回归平滑。
参见----------See Also----------
sBF-package, K.
sBF-package，K。
实例----------Examples----------
X <- matrix(rnorm(1000), ncol=2)
MX1 <- X[,1]^3
MX2 <- sin(X[,2])
Y <- MX1 + MX2
data <- cbind(Y, X)
est <- sBF(data)
par(mfrow=c(1, 2))
plot(est$grid[,1],est$mxhat[,1], type="l",
ylab=expression(m[1](x[1])), xlab=expression(x[1]))
curve(x^3, add=TRUE, col="red")
plot(est$grid[,2],est$mxhat[,2], type="l",
ylab=expression(m[2](x[2])), xlab=expression(x[2]))
curve(sin(x), add=TRUE, col="red")
par(mfrow=c(1, 1))
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 2012-9-29 22:23:46
