R语言 vines包 vineGoF()函数中文帮助文档(中英文对照)

loveR

vineGoF(vines)
vineGoF()所属R语言包：vines

                                        Vine Goodness-of-fit Tests
                                         葡萄的拟合优度测试

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Goodness-of-fit tests to verify whether the dependence structure of a sample is appropriately modeled by vine model.
的拟合优度测试，以验证是否适当的模拟藤模型的相关结构的一个示例。


用法----------Usage----------


vineGoF(vine, data, method = "PIT", ...)



参数----------Arguments----------

参数：vine
A Vine object.
AVine对象。


参数：data
Data matrix of pseudo-observations.
矩阵数据的伪观察。


参数：method
Goodness-of-fit method. Supported values:  "PIT" (Probability Integral Transform).
善的配合方法。支持的值："PIT"（概率积分变换）。


参数：...
Additional arguments for the goodness-of-fit method.
善良的拟合方法的其他参数。


Details

详细信息----------Details----------

The "PIT" (Probability Integral Transform) method uses the  vinePIT function to transform the data into variables which  are independent and Uniform (0,1) and then use a hypothesis  test to verify whether the resulting variables are independent and Uniform  (0,1). The additional parameter statistic specifies  the test to be applied for this purpose.
"PIT"（概率积分变换）方法使用vinePIT功能的变量是独立的，统一的数据转换成(0,1)“，然后使用一个假设的测试，以验证是否变量是独立的和统一(0,1)。的附加参数statistic指定用于此目的的测试被施加。




statistic Statistic used to verify if the transformed variables are independent and Uniform in (0,1). The default value is  "Breymann" and supported methods are:
statistic的统计用于验证是否已转换的变量是独立的，统一的(0,1)。默认值是"Breymann"和支持的方法是：




"Breymann" Test proposed in the Section 7.1 of
"Breymann"测试的第7.1节中提出的


值----------Value----------

A vineGoF or a subclass with specific information about  the goodness-of-fit method used. The statistic slot of this object  contains the value of the statistic and pvalue the p-value.
AvineGoF或一个子类的具体信息的善良，用合适的方法。 statistic插槽，此对象包含的值的统计信息和pvaluep值。


参考文献----------References----------

Pair-copula constructions of multiple dependence. Insurance: Mathematics and Economics 44, 182–198.
structures for multivariate high-frequency data in finance.  Quantitative Finance 1, 1–14.

参见----------See Also----------

vineGoF, vinePIT.
vineGoF，vinePIT。


实例----------Examples----------


copula <- normalCopula(c(-0.25, -0.21, 0.34, 0.51, -0.07, -0.18),
                       dispstr = "un", dim = 4)
data <- rCopula(100, copula)

selectCopula <- function (vine, j, i, x, y) {
    data <- cbind(x, y)
    fit <- fitCopula(normalCopula(0), data, method = "itau")
    fit@copula
}
normalCVine <- vineFit("CVine", data, method = "ml",
                       selectCopula = selectCopula,
                       optimMethod = "")@vine
normalDVine <- vineFit("DVine", data, method = "ml",
                       selectCopula = selectCopula,
                       optimMethod = "")@vine
show(normalCVine)
show(normalDVine)

normalCVineGof <- vineGoF(normalCVine, data, method = "PIT",
                          statistic = "Breymann")
normalDVineGof <- vineGoF(normalDVine, data, method = "PIT",
                          statistic = "Breymann")
show(normalCVineGof)
show(normalDVineGof)

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。