R语言
cov.wt
位于 stats
包(package)。 说明
返回一个列表,其中包含加权协方差矩阵和数据平均值的估计值,以及(可选)(加权)相关矩阵的估计值。
用法
cov.wt(x, wt = rep(1/nrow(x), nrow(x)), cor = FALSE, center = TRUE,
method = c("unbiased", "ML"))
参数
x |
矩阵或 DataFrame 。像往常一样,行是观察值,列是变量。 |
wt |
每个观测值的非负且非零权重向量。它的长度必须等于 |
cor |
指示是否也返回估计的相关加权矩阵的逻辑。 |
center |
逻辑向量或数值向量,指定计算协方差时要使用的中心。如果 |
method |
指定结果如何缩放的字符串,请参阅下面的“详细信息”。可以缩写。 |
细节
默认情况下, method = "unbiased"
,协方差矩阵除以一减去权重平方和,因此如果权重是默认值 ( ),则获得除数为 的协方差矩阵的常规无偏估计。这与 S-PLUS 中的行为不同,S-PLUS 对应于 method = "ML"
并且不进行除法。
值
包含以下命名组件的列表:
cov |
估计(加权)协方差矩阵 |
center |
对数据中心(平均值)的估计。 |
n.obs |
|
wt |
估计中使用的权重。仅当作为参数给出时才返回。 |
cor |
估计的相关矩阵。仅当 |
例子
(xy <- cbind(x = 1:10, y = c(1:3, 8:5, 8:10)))
w1 <- c(0,0,0,1,1,1,1,1,0,0)
cov.wt(xy, wt = w1) # i.e. method = "unbiased"
cov.wt(xy, wt = w1, method = "ML", cor = TRUE)
也可以看看
相关用法
- R constrOptim 线性约束优化
- R confint 模型参数的置信区间
- R contrast (可能稀疏)对比矩阵
- R cor 相关性、方差和协方差(矩阵)
- R cor.test 配对样本之间的关联/相关性测试
- R complete.cases 查找完整案例
- R contrasts 获取和设置对比矩阵
- R convolve 通过 FFT 进行序列卷积
- R cophenetic 层次聚类的共表距离
- R coef 提取模型系数
- R cancor 典型相关性
- R cutree 将树切割成数据组
- R cpgram 绘制累积周期图
- R chisq.test 计数数据的皮尔逊卡方检验
- R checkMFClasses 检查传递给模型框架的变量类型的函数
- R cmdscale 经典(公制)多维标度
- R case+variable.names 拟合模型的案例和变量名称
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Weighted Covariance Matrices。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。