spectrum
位于 stats
包(package)。 说明
spectrum
函数估计时间序列的谱密度。
用法
spectrum(x, ..., method = c("pgram", "ar"))
参数
x |
单变量或多变量时间序列。 |
method |
指定用于估计谱密度的方法的字符串。允许的方法是 |
... |
特定规范方法或 |
细节
spectrum
是一个包装函数,它调用方法 spec.pgram
和 spec.ar
。
这里的频谱是通过缩放 1/frequency(x)
定义的,紧随S-PLUS。这使得谱密度成为 (-frequency(x)/2, +frequency(x)/2]
范围内的密度,而更常见的缩放是 和范围 (例如,Bloomfield)或 1 和范围 。
如果可用,置信区间将由 plot.spec
绘制:这是不对称的,中心标记的宽度表示等效带宽。
值
类 "spec"
的对象,它是至少包含以下组件的列表:
freq |
估计谱密度的频率向量。 (可能近似傅立叶频率。)单位是每单位时间周期的倒数(而不是每观察间隔):请参阅下面的“详细信息”。 |
spec |
对应于 |
coh |
|
phase |
|
series |
时间序列的名称。 |
snames |
对于多变量输入,组件系列的名称。 |
method |
用于计算频谱的方法。 |
如果 plot
为 true,则结果会以不可见的方式返回。
注意
"spec"
类对象的默认绘图非常复杂,包括错误栏和默认标题、副标题和轴标签。通过提供适当的图形参数可以覆盖所有默认值。
例子
require(graphics)
## Examples from Venables & Ripley
## spec.pgram
par(mfrow = c(2,2))
spectrum(lh)
spectrum(lh, spans = 3)
spectrum(lh, spans = c(3,3))
spectrum(lh, spans = c(3,5))
spectrum(ldeaths)
spectrum(ldeaths, spans = c(3,3))
spectrum(ldeaths, spans = c(3,5))
spectrum(ldeaths, spans = c(5,7))
spectrum(ldeaths, spans = c(5,7), log = "dB", ci = 0.8)
# for multivariate examples see the help for spec.pgram
## spec.ar
spectrum(lh, method = "ar")
spectrum(ldeaths, method = "ar")
作者
Martyn Plummer, B.D. Ripley
参考
Bloomfield, P. (1976) Fourier Analysis of Time Series: An Introduction. Wiley.
Brockwell, P. J. and Davis, R. A. (1991) Time Series: Theory and Methods. Second edition. Springer.
Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S-PLUS. Fourth edition. Springer. (Especially pages 392-7.)
也可以看看
相关用法
- R spec.taper 通过余弦钟锥化时间序列
- R spec.pgram 通过平滑周期图估计时间序列的谱密度
- R spec.ar 通过 AR Fit 估计时间序列的频谱密度
- R splinefun 插值样条曲线
- R stlmethods STL 对象的方法
- 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 summary.lm 总结线性模型拟合
- R smooth Tukey 的(运行中值)平滑
- R screeplot 屏幕图
- R sortedXyData 创建一个sortedXyData对象
- R sigma 提取残余标准差“Sigma”
- R setNames 设置对象中的名称
- R stat.anova GLM 方差分析统计
- R scatter.smooth 黄土拟合的平滑曲线散点图
- R summary.princomp 主成分分析的汇总方法
- R symnum 符号数字编码
- R se.contrast 模型术语对比的标准误差
- R summary.aov 方差模型分析总结
- R stepfun Step Functions - 创建和类
- R shapiro.test 夏皮罗-威尔克正态性检验
- R selfStart 构建自启动非线性模型
- R smooth.spline 拟合平滑样条曲线
- R supsmu 弗里德曼的超级平滑
- R stl Loess 时间序列的季节分解
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Spectral Density Estimation。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。