R语言 tmvtnorm包 rtmvt()函数中文帮助文档(中英文对照)

loveR

rtmvt(tmvtnorm)
rtmvt()所属R语言包：tmvtnorm

                                        Sampling Random Numbers From The Truncated Multivariate Student t Distribution
                                         取样的随机数被截断的多元学生t分布

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function generates random numbers from the truncated multivariate Student-t distribution with mean equal to mean and covariance matrix sigma, lower and upper truncation points lower and upper with either rejection sampling or Gibbs sampling.
这个函数生成的随机数截断多元学生t分布，平均等于mean和协方差矩阵sigma，上限和下限截断点lower和upper要么拒绝采样或Gibbs采样。


用法----------Usage----------


rtmvt(n, mean = rep(0, nrow(sigma)), sigma = diag(length(mean)), df = 1,
  lower = rep(-Inf, length = length(mean)),
  upper = rep(Inf, length = length(mean)),
  algorithm=c("rejection", "gibbs"), ...)



参数----------Arguments----------

参数：n
Number of random points to be sampled. Must be an integer >= 1.
以被采样的随机点数目。必须是一个整数> = 1。


参数：mean
Mean vector, default is rep(0, length = ncol(x)).
均值向量，默认是：rep(0, length = ncol(x))。


参数：sigma
Covariance matrix, default is diag(ncol(x)).
协方差矩阵，默认是diag(ncol(x))。


参数：df
Degrees of freedom parameter
度的自由参数


参数：lower
Vector of lower truncation points,\  default is rep(-Inf, length = length(mean)).
矢量较低的截断点，\默认是rep(-Inf, length = length(mean))。


参数：upper
Vector of upper truncation points,\  default is rep( Inf, length = length(mean)).
向量上的截断点，\默认是rep( Inf, length = length(mean))。


参数：algorithm
Method used, possible methods are rejection sampling ("rejection", default) and  the R Gibbs sampler ("gibbs").      
使用的方法，可能的方法是拒绝抽样（“拒绝”，默认）和R的Gibbs抽样（“吉布斯”）。


参数：...
additional parameters for Gibbs sampling, given to the internal method rtmvt.gibbs(),  such as burn.in.samples, start.value and thinning, see details      
Gibbs抽样的额外的参数，给rtmvt.gibbs()，如burn.in.samples，start.value和thinning，看到的内部方法


Details

详细信息----------Details----------

We sample x ~ T(mean, Sigma, df) subject to the rectangular truncation lower <= x <= upper. Currently, two random number generation methods are implemented: rejection sampling and the Gibbs Sampler.
我们样品x ~ T(mean, Sigma, df)的矩形截断lower <= x <= upper。目前，两个随机数生成方法实现：拒绝抽样和Gibbs采样。

The arguments to be passed along with algorithm="gibbs" are:
的参数一起传递algorithm="gibbs"：




burn.in.samples number of samples in Gibbs sampling to be discarded as burn-in phase, must be non-negative.
burn.in.samples数目的样本的吉布斯采样被丢弃的燃烧阶段，必须为非负数。




start.value Start value (vector of length length(mean)) for the MCMC chain. If one is specified, it must lie inside the support region (lower <= start.value <= upper). If none is specified,  the start value is taken componentwise as the finite lower or upper boundaries respectively,
start.value开始值（向量的长度length(mean)）MCMC链。如果一个人被指定，它必须位于支撑区域内（lower <= start.value <= upper）。如果没有指定，开始值分别为有限或上，下边界的分支，




thinning Thinning factor for reducing autocorrelation of random points in Gibbs sampling. Must be an integer >= 1.  We create a Markov chain of length (n*thinning) and take only those samples j=1n*thinning) where j %% thinning == 0  
thinning稀化因子减少Gibbs抽样的随机点的自相关。必须是一个整数>= 1。我们创建了一个马尔可夫链的长度(n*thinning)，只需要这些样本j=1n*thinning)j %% thinning == 0


警告----------Warning----------

The same warnings for the Gibbs sampler apply as for the method rtmvnorm.
Gibbs抽样的方法rtmvnorm适用于同样的警告。


（作者）----------Author(s)----------


Stefan Wilhelm &lt;Stefan.Wilhelm@financial.com&gt;, Manjunath B G &lt;bgmanjunath@gmail.com&gt;



参考文献----------References----------

Subject to Linear Constraints. Computer Science and Statistics. Proceedings of the 23rd Symposium on the Interface. Seattle Washington, April 21-24, 1991, pp. 571&ndash;578 An earlier version of this paper is available at http://www.biz.uiowa.edu/faculty/jgeweke/papers/paper47/paper47.pdf

实例----------Examples----------


###########################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃]
#[]
# Example 1[例1]
#[]
###########################################################        [＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃]

# Draw from multi-t distribution without truncation[绘制多t分布不截断]
X1 <- rtmvt(n=10000, mean=rep(0, 2), df=2)
X2 <- rtmvt(n=10000, mean=rep(0, 2), df=2, lower=c(-1,-1), upper=c(1,1))

###########################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃]
#[]
# Example 2[例2]
#[]
###########################################################        [＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃]

df = 2
mu = c(1,1,1)
sigma = matrix(c(  1, 0.5, 0.5,
                 0.5,   1, 0.5,
                 0.5, 0.5,   1), 3, 3)
lower = c(-2,-2,-2)
upper = c(2, 2, 2)

# Rejection sampling[拒绝抽样]
X1 <- rtmvt(n=10000, mu, sigma, df, lower, upper)

# Gibbs sampling without thinning[Gibbs抽样没有细化]
X2 <- rtmvt(n=10000, mu, sigma, df, lower, upper,
  algorithm="gibbs")

# Gibbs sampling with thinning[Gibbs抽样稀疏]
X3 <- rtmvt(n=10000, mu, sigma, df, lower, upper,
  algorithm="gibbs", thinning=2)       
   
plot(density(X1[,1], from=lower[1], to=upper[1]), col="red", lwd=2,
  main="Gibbs vs. Rejection")
lines(density(X2[,1], from=lower[1], to=upper[1]), col="blue", lwd=2)
legend("topleft",legend=c("Rejection Sampling","Gibbs Sampling"),
  col=c("red","blue"), lwd=2)

acf(X1)  # no autocorrelation in Rejection sampling[没有在拒绝抽样的自相关]
acf(X2)  # strong autocorrelation of Gibbs samples[强自相关的Gibbs样本]
acf(X3)  # reduced autocorrelation of Gibbs samples after thinning        [细化后的自相关性降低吉布斯样品]

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。