saddle
位于 boot
包(package)。 说明
此函数计算 W 线性组合在特定点 u
的分布的鞍点近似值,其中 W 是随机变量向量。 W 的分布可以是多项式(默认)、泊松分布或二元分布。如果给出调整的累积量生成函数及其二阶导数,其他分布也是可能的。对于具有二元或泊松分布的 W,可以计算给定 W 的其他线性组合的值的一个线性组合的分布的条件鞍点近似。
用法
saddle(A = NULL, u = NULL, wdist = "m", type = "simp", d = NULL,
d1 = 1, init = rep(0.1, d), mu = rep(0.5, n), LR = FALSE,
strata = NULL, K.adj = NULL, K2 = NULL)
参数
A |
W 的线性组合的已知系数的向量或矩阵。它是必需的参数,除非提供 |
u |
需要计算 W 线性组合分布的鞍点近似值。除非提供了 |
wdist |
W 的分布。这可以是 |
type |
鞍点近似的类型。可能的类型为 |
d |
这指定了整个统计的维度。仅当 |
d1 |
当 |
init |
如果 |
mu |
当 |
LR |
如果是 |
strata |
分层数据的层。 |
K.adj |
|
K2 |
这是单个参数 |
细节
如果 wdist
是 "o"
或 "m"
,则使用 nlmin
求解鞍点方程,以根据其参数 zeta
最小化 K.adj
。对于泊松和二元情况,拟合广义线性模型,使得参数估计求解鞍点方程。 glm
的响应变量'y' 必须满足方程t(A)%*%y = u
(t()
是转置函数)。这样的向量可以作为线性规划问题的可行解找到。这是通过调用 simplex
来完成的。 glm
的协变量矩阵由 A
给出。
值
由以下组件组成的列表
spa |
鞍点近似。第一个值是密度近似值,第二个值是分布函数近似值。 |
zeta.hat |
鞍点方程的解。对于条件鞍点,这是分子鞍点方程的解。 |
zeta2.hat |
如果 |
例子
# To evaluate the bootstrap distribution of the mean failure time of
# air-conditioning equipment at 80 hours
saddle(A = aircondit$hours/12, u = 80)
# Alternatively this can be done using a conditional poisson
saddle(A = cbind(aircondit$hours/12,1), u = c(80, 12),
wdist = "p", type = "cond")
# To use the Lugananni-Rice approximation to this
saddle(A = cbind(aircondit$hours/12,1), u = c(80, 12),
wdist = "p", type = "cond",
LR = TRUE)
# Example 9.16 of Davison and Hinkley (1997) calculates saddlepoint
# approximations to the distribution of the ratio statistic for the
# city data. Since the statistic is not in itself a linear combination
# of random Variables, its distribution cannot be found directly.
# Instead the statistic is expressed as the solution to a linear
# estimating equation and hence its distribution can be found. We
# get the saddlepoint approximation to the pdf and cdf evaluated at
# t = 1.25 as follows.
jacobian <- function(dat,t,zeta)
{
p <- exp(zeta*(dat$x-t*dat$u))
abs(sum(dat$u*p)/sum(p))
}
city.sp1 <- saddle(A = city$x-1.25*city$u, u = 0)
city.sp1$spa[1] <- jacobian(city, 1.25, city.sp1$zeta.hat) * city.sp1$spa[1]
city.sp1
参考
Booth, J.G. and Butler, R.W. (1990) Randomization distributions and saddlepoint approximations in generalized linear models. Biometrika, 77, 787-796.
Canty, A.J. and Davison, A.C. (1997) Implementation of saddlepoint approximations to resampling distributions. Computing Science and Statistics; Proceedings of the 28th Symposium on the Interface, 248-253.
Davison, A.C. and Hinkley, D.V. (1997) Bootstrap Methods and their Application. Cambridge University Press.
Jensen, J.L. (1995) Saddlepoint Approximations. Oxford University Press.
也可以看看
相关用法
- R saddle.distn Bootstrap 统计的鞍点分布近似
- R salinity 水盐度和河流排放
- R survival 辐射剂量后大鼠的存活率
- R simplex 线性规划问题的单纯形法
- R smooth.f 数据点上的平滑分布
- R poisons 动物生存时间
- R ducks 杂交鸭的行为和羽毛特征
- R nodal 前列腺癌的淋巴结受累
- R cloth 布料瑕疵数量
- R polar 新喀里多尼亚红土的极点位置
- R capability 模拟制造过程数据
- R beaver 海狸体温数据
- R tsboot 时间序列的引导
- R logit 比例的逻辑
- R EEF.profile 经验可能性
- R tau Tau 粒子衰变模式
- R gravity 重力加速度
- R boot 引导重采样
- R plot.boot Bootstrap 模拟的输出图
- R boot.ci 非参数引导置信区间
- R tilt.boot 非参数倾斜引导
- R envelope 曲线的置信区间
- R bigcity 美国城市人口
- R co.transfer 一氧化碳转移
- R imp.weights 重要性采样权重
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Saddlepoint Approximations for Bootstrap Statistics。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。