R语言
rig
位于 mgcv
包(package)。 说明
生成逆高斯随机偏差。
用法
rig(n,mean,scale)
参数
n |
所需的偏差数量。如果长度 > 1,则长度被视为所需的偏差数。 |
mean |
平均值向量。 |
scale |
尺度参数值向量(lambda,见下文) |
细节
如果 x 是返回的向量,则 E(x) = mean
而 var(x) = scale*mean^3
。有关密度和分布函数,请参阅statmod
包。使用的算法是 Gentle (2003) 的算法 5.7,基于 Michael 等人。 (1976)。注意,这里的scale
是GLM意义上的尺度参数,它是通常的‘lambda’参数的倒数。
值
逆高斯随机偏差的向量。
例子
require(mgcv)
set.seed(7)
## An inverse.gaussian GAM example, by modify `gamSim' output...
dat <- gamSim(1,n=400,dist="normal",scale=1)
dat$f <- dat$f/4 ## true linear predictor
Ey <- exp(dat$f);scale <- .5 ## mean and GLM scale parameter
## simulate inverse Gaussian response...
dat$y <- rig(Ey,mean=Ey,scale=.2)
big <- gam(y~ s(x0)+ s(x1)+s(x2)+s(x3),family=inverse.gaussian(link=log),
data=dat,method="REML")
plot(big,pages=1)
gam.check(big)
summary(big)
作者
Simon N. Wood simon.wood@r-project.org
参考
Gentle, J.E. (2003) Random Number Generation and Monte Carlo Methods (2nd ed.) Springer.
Michael, J.R., W.R. Schucany & R.W. Hass (1976) Generating random variates using transformations with multiple roots. The American Statistician 30, 88-90.
相关用法
- R rTweedie 生成 Tweedie 随机偏差
- R residuals.gam 广义加性模型残差
- R random.effects GAM 中的随机效应
- R rmvn 从多元正态密度或 t 密度生成或评估多元正态密度或 t 密度。
- R vcov.gam 从 GAM 拟合中提取参数(估计器)协方差矩阵
- R gam.check 拟合 gam 模型的一些诊断
- R null.space.dimension TPRS 未惩罚函数空间的基础
- R gam.reparam 寻找平方根惩罚的稳定正交重新参数化。
- R extract.lme.cov 从 lme 对象中提取数据协方差矩阵
- R scat 用于重尾数据的 GAM 缩放 t 系列
- R choldrop 删除并排名第一 Cholesky 因子更新
- R smooth.construct.cr.smooth.spec GAM 中的惩罚三次回归样条
- R bandchol 带对角矩阵的 Choleski 分解
- R gam.side GAM 的可识别性边条件
- R cox.ph 附加 Cox 比例风险模型
- R mgcv.parallel mgcv 中的并行计算。
- R gamm 广义加性混合模型
- R pdTens 实现张量积平滑的 pdMat 类的函数
- R Predict.matrix GAM 中平滑项的预测方法
- R Predict.matrix.soap.film 皂膜光滑度预测矩阵
- R smooth.construct.bs.smooth.spec GAM 中的惩罚 B 样条
- R gamlss.gH 计算回归系数的对数似然导数
- R plot.gam 默认 GAM 绘图
- R mvn 多元正态加性模型
- R gfam 分组家庭
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Generate inverse Gaussian random deviates。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。