modwtcorr

Многошкальная корреляция с помощью максимального перекрытия дискретный вейвлет преобразовывает

Синтаксис

wcorr = modwtcorr(w1,w2)
wcorr = modwtcorr(w1,w2,wav)
[wcorr,wcorrci] = modwtcorr(___)
[wcorr,wcorrci] = modwtcorr(___,conflevel)
[wcorr,wcorrci,pval] = modwtcorr(___)
[wcorr,wcorrci,pval,nj] = modwtcorr(___)
wcorrtable = modwtcorr(___,'table')
[___] = modwt(___,'reflection')
modwtcorr(___)

Описание

пример

wcorr = modwtcorr(w1,w2) возвращает корреляцию вейвлета шкалой для максимального перекрытия, которое дискретный вейвлет преобразовывает (MODWTs), заданный в w1 и w2. wcorr является M-by-1 вектор коэффициентов корреляции, где M является количеством уровней с неграничными коэффициентами вейвлета. Если итоговый уровень имеет достаточно неграничных коэффициентов, modwtcorr возвращает масштабирующуюся корреляцию в итоговой строке wcorr.

пример

wcorr = modwtcorr(w1,w2,wav) использует вейвлет wav, чтобы определить количество граничных коэффициентов уровнем.

пример

[wcorr,wcorrci] = modwtcorr(___) возвращает в wcorrci более низкие и верхние 95% доверительных границ для коэффициентов корреляции wcorr, с помощью любых аргументов от предыдущих синтаксисов.

пример

[wcorr,wcorrci] = modwtcorr(___,conflevel) использование conflevel для вероятности покрытия доверительного интервала. conflevel является действительным скаляром, строго больше, чем 0 и меньше чем 1. Если conflevel не задан или задан как пустой, значения по умолчанию вероятности покрытия к 0,95.

пример

[wcorr,wcorrci,pval] = modwtcorr(___) возвращает p-значения для теста нулевой гипотезы, который равен нулю коэффициент корреляции в wcorr. pval является M-by-2 матрица, где M является количеством уровней с неграничными коэффициентами вейвлета. T

[wcorr,wcorrci,pval,nj] = modwtcorr(___) возвращает количество неграничных коэффициентов, используемых в вычислении оценок корреляции уровня, nj.

пример

wcorrtable = modwtcorr(___,'table') возвращает M-by-6 таблица с корреляцией, доверительными границами, p-значением и настроенным p-значением. Таблица также приводит количество неграничных коэффициентов уровнем. Имена строки таблицы wcorrtable определяют тип и уровень каждой оценки. Например, D1 определяет это, строка соответствует вейвлету или оценке детали на уровне 1, и S6 определяет это, строка соответствует масштабирующейся оценке на уровне 6. Масштабирующаяся корреляция только вычисляется для итогового уровня MODWT и только когда существуют неграничные масштабные коэффициенты. Можно задать флаг 'table' где угодно после того, как вход преобразует w1 и w2. Необходимо ввести целый вектор символов 'table'. Если вы задаете 'table', modwtcorr только выводит один аргумент.

пример

[___] = modwt(___,'reflection') сокращает количество вейвлета и масштабных коэффициентов в каждой шкале наполовину прежде, чем вычислить корреляцию. Используйте эту опцию только, когда вы получаете MODWT w1, и w2 были получены с помощью граничного условия 'reflection' . Необходимо ввести целый вектор символов 'reflection'. Если бы вы добавили вейвлет, названный 'отражением' с помощью менеджера по вейвлету, необходимо переименовать тот вейвлет до использования этой опции.

modwtcorr поддерживает только объективные оценки корреляции вейвлета. Для этих оценок должен алгоритм, удалил полученное использование дополнительных коэффициентов граничного условия 'reflection'. Определение опции 'reflection' в modwtcorr идентично первому получению MODWT w1 и w2 с помощью обработки контура 'periodic' по умолчанию и затем вычисления оценок корреляции вейвлета.

пример

modwtcorr(___) без выходных аргументов строит корреляции вейвлета по шкале с более низкими и верхними доверительными границами. По умолчанию вероятность покрытия 0.95. Шкалы с NaNs для доверительных границ и масштабирующейся корреляции исключены.

Примеры

свернуть все

Найдите, что корреляция шкалой для ежемесячного обменного курса DM-USD возвращается от 1 970 до 1998. Данные о возврате являются преобразованным журналом. Используйте вейвлет Daubechies с двумя исчезающими моментами ('db2'), чтобы получить MODWT вниз к уровню 6. Затем получите данные о корреляции.

load DM_USD;
load JY_USD;
wdm = modwt(DM_USD,'db2',6);
wjy = modwt(JY_USD,'db2',6);
wcorr = modwtcorr(wdm,wjy,'db2')
wcorr = 7×1

    0.5854
    0.5748
    0.6264
    0.4948
    0.3787
    0.9072
    0.7976

wcorr содержит семь элементов. Первые шесть элементов являются коэффициентами корреляции для вейвлета (деталь) уровни один - шесть. Итоговый элемент является корреляцией для масштабирования (lowpass) уровень шесть.

Получите MODWT южного Индекса Колебания и острова Трук ежедневные наборы данных давления. Сведите в таблицу корреляцию между этими двумя наборами данных уровнем.

load soi;
load truk;
wsoi = modwt(soi);
wtruk = modwt(truk);
wcorr = modwtcorr(wsoi,wtruk)
wcorr = 10×1

    0.1749
    0.2936
    0.0914
    0.0883
    0.2667
    0.0894
   -0.0415
    0.4825
    0.4394
    0.7433

Покажите, что количество неграничных коэффициентов, в этом случае, является меньше, чем максимальная длина входа. MODWT вычисляется вниз, чтобы выровняться тринадцать, который является максимальным уровнем для длины входа. Уровень тринадцать содержит тринадцать векторов коэффициентов вейвлета и один вектор коэффициентов масштабирования.

size(wsoi,1)
ans = 14

Многошкальные корреляции вычисляются только вниз, чтобы выровняться десять, потому что уровни после, чем не содержат неграничные коэффициенты. Для объективных оценок необходимо использовать неграничные коэффициенты только.

numel(wcorr)
ans = 10

Получите MODWT ежемесячного US-DM и американского JPY обменные данные о возврате от 1 970 до 1998. Данные о возврате являются преобразованным журналом. Используйте вейвлет Daubechies с двумя исчезающими моментами ('db2') и получите MODWT каждого ряда вниз, чтобы выровняться шесть. Получите оценки корреляции шкалы и 95% доверительных интервалов.

load DM_USD
load JY_USD
wdm = modwt(DM_USD,'db2',6);
wjy = modwt(JY_USD,'db2',6);
[wcorr,wcorrci] = modwtcorr(wdm,wjy,'db2');
[wcorr wcorrci]
ans = 7×3

    0.5854    0.4780    0.6756
    0.5748    0.4133    0.7013
    0.6264    0.4016    0.7800
    0.4948    0.0803    0.7634
    0.3787   -0.3295    0.8142
    0.9072    0.1247    0.9939
    0.7976   -0.2857    0.9860

Ширина доверительного интервала увеличивается, когда вы спускаетесь на уровне.

Задайте вероятность покрытия для доверительных интервалов. Получите 99% доверительных интервалов для US-DM, и обмен US-JY возвращается.

load DM_USD;
load JY_USD;
wdm = modwt(DM_USD,'db2',6);
wjy = modwt(JY_USD,'db2',6);
[wcorr,wcorrci] = modwtcorr(wdm,wjy,'db2',0.99);
[wcorr wcorrci]
ans = 7×3

    0.5854    0.4407    0.7005
    0.5748    0.3557    0.7340
    0.6264    0.3169    0.8153
    0.4948   -0.0646    0.8176
    0.3787   -0.5191    0.8792
    0.9072   -0.3006    0.9975
    0.7976   -0.6227    0.9941

Возвратите p-значения для теста нулевой корреляции шкалой. Получите MODWT DM-USD и JY-доллара-США обменные данные о возврате вниз, чтобы выровнять шесть использований вейвлета Daubechies с двумя исчезающими моментами ('db2') вейвлет. Вычислите корреляцию шкалой и возвратите p-значения.

load DM_USD;
load JY_USD;
wdm = modwt(DM_USD,'db2',6);
wjy = modwt(JY_USD,'db2',6);
[wcorr,wcorrci,pval] = modwtcorr(wdm,wjy,'db2');
format longE
pval
pval = 7×2

     2.694174887029436e-17     4.889927419958426e-16
     7.125460513474001e-09     6.466355415977655e-08
     7.012389783536489e-06     4.242495819039576e-05
     2.258540027996933e-02     1.024812537703609e-01
     2.805930327935258e-01     7.275376493146417e-01
     3.348079529469826e-02     1.215352869197547e-01
     1.059217509938026e-01     3.204132967562528e-01

format

Первый столбец содержит p-значение, и второй столбец содержит настроенное p-значение на основе ложного уровня открытия.

Выведите результаты modwtcorr в табличной форме. Получите MODWT DM-USD, и JY-долларовый обмен возвращается вниз, чтобы выровнять шесть использований вейвлета Daubechies с двумя исчезающими моментами ('db2'). Выведите результаты в таблице.

load DM_USD;
load JY_USD;
wdm = modwt(DM_USD,'db2',6);
wjy = modwt(JY_USD,'db2',6);
corrtable = modwtcorr(wdm,wjy,'db2','table')
corrtable=7×6 table
          NJ      Lower        Rho       Upper       Pvalue      AdjustedPvalue
          ___    ________    _______    _______    __________    ______________

    D1    344     0.47797    0.58542    0.67561    2.6942e-17      4.8899e-16  
    D2    338     0.41329    0.57483    0.70129    7.1255e-09      6.4664e-08  
    D3    326     0.40163    0.62641    0.78001    7.0124e-06      4.2425e-05  
    D4    302    0.080255     0.4948    0.76342      0.022585         0.10248  
    D5    254    -0.32954    0.37865    0.81417       0.28059         0.72754  
    D6    158     0.12469    0.90716    0.99393      0.033481         0.12154  
    S6    158    -0.28573    0.79761    0.98601       0.10592         0.32041  

Получите многошкальные оценки корреляции при использовании обработки контура 'reflection'. Получите MODWT южного Индекса Колебания и Островных наборов данных давления Truk с помощью контура 'reflection', обрабатывающего для обоих наборов данных.

load soi
load truk
wsoi = modwt(soi,'fk4',6,'reflection');
wtruk = modwt(truk,'fk4',6,'reflection');
corrtable = modwtcorr(wsoi,wtruk,'fk4',0.95,'reflection','table')
corrtable=7×6 table
           NJ        Lower        Rho       Upper       Pvalue      AdjustedPvalue
          _____    _________    _______    _______    __________    ______________

    D1    12995      0.16942    0.19294    0.21624    1.5466e-55      2.8071e-54  
    D2    12989      0.21426    0.24683    0.27885    2.7037e-46      2.4536e-45  
    D3    12977     0.057885    0.10623    0.15407     1.789e-05       6.494e-05  
    D4    12953     0.048034    0.11645    0.18378    0.00088579       0.0026795  
    D5    12905      0.13281     0.2272     0.3175    3.7566e-06      1.7046e-05  
    D6    12809    -0.019835     0.1182    0.25181      0.093044         0.24125  
    S6    12809      0.26664    0.39003    0.50084    8.8066e-09       5.328e-08  

Постройте многошкальную корреляцию DM-USD, и JY-долларовый обмен возвращается вниз, чтобы выровняться шесть. Используйте modwtcorr без выходных аргументов.

load DM_USD;
load JY_USD;
wdm = modwt(DM_USD,'db2',6);
wjy = modwt(JY_USD,'db2',6);
modwtcorr(wdm,wjy,'db2')

Входные параметры

свернуть все

Преобразование MODWT сигнала 1, заданного как матрица. w1 является вывод modwt. w1 и w2 должны быть одного размера, и оба, должно быть, были получены с помощью того же вейвлета анализа.

Типы данных: double

Преобразование MODWT сигнала 2, заданного как матрица. w2 является вывод modwt. w1 и w2 должны быть одного размера, и оба, должно быть, были получены с помощью того же вейвлета анализа.

Вейвлет, заданный как вектор символов или скаляр строки указание на допустимое имя вейвлета, или как положительное даже скаляр, указывающий на длину вейвлета и масштабирующий фильтры. wav должен быть тем же вейвлетом, и длина раньше получала MODWTs w1 и w2. Для списка допустимых вейвлетов смотрите modwt. Если незаданный или заданный как пустое, [], значения по умолчанию wav к symlet вейвлету с четырьмя исчезающими моментами, 'sym4'.

Доверительный уровень, заданный как положительная скалярная величина меньше чем 1. conflevel определяет вероятность покрытия доверительных интервалов в wcorrci и в таблице, если вы задаете 'table' как вход. Если незаданный, или, если задано как пустой, [], значения по умолчанию conflevel к 0,95.

Выходные аргументы

свернуть все

Коэффициенты корреляции шкалой, возвращенной как вектор. wcorr является M-by-1 вектор коэффициентов корреляции, где M является количеством уровней с неграничными коэффициентами вейвлета. modwtcorr возвращает оценки корреляции только там, где существуют неграничные коэффициенты. Это условие удовлетворено, когда уровень преобразования не больше, чем floor(log2(N/(L-1)+1)), где N является длиной исходного сигнала, и L является длиной фильтра. Если итоговый уровень имеет достаточно неграничных коэффициентов, modwtcorr возвращает масштабирующуюся корреляцию в итоговой строке wcorr. По умолчанию modwtcorr использует symlet вейвлет с четырьмя исчезающими моментами, 'sym4', чтобы определить граничные коэффициенты.

Доверительные интервалы шкалой, возвращенной как матрица. Матрица имеет размер M-by-2, где M является количеством уровней с неграничными коэффициентами вейвлета. Первый столбец содержит более низкую доверительную границу, и второй столбец содержит верхнюю доверительную границу. conflevel определяет вероятность покрытия.

Доверительные границы вычисляются с помощью Z-преобразования Фишера. Стандартная погрешность статистической величины Фишера Z является квадратным корнем из (N – 3). В этом случае N является эквивалентным количеством коэффициентов в критически выбранном дискретном вейвлете преобразовывает (DWT), floor(size(w1,2)/2^LEV), где LEV является уровнем вейвлета, преобразовывает. modwtcorr возвращает NaNs для доверительных границ, когда (N – 3) меньше чем или равно нулю.

P- для теста нулевой гипотезы, возвращенного как матрица. pval является M-by-2 матрица.

  • Первым столбцом pval является p - значение вычислило использование стандартного t - статистический тест для коэффициента корреляции нуля.

  • Второй столбец pval содержит настроенный p - значение с помощью ложной процедуры открытия Benjamini & Yekutieli под произвольными предположениями зависимости.

Степени свободы, (N – 2), для t - статистическая величина определяется эквивалентным количеством коэффициентов N в критически выбранном DWT, floor(size(w1,2)/2^LEV), где LEV является уровнем вейвлета, преобразовывает. modwtcorr возвращает NaNs, когда (N – 2) меньше чем или равно нулю.

Количество неграничных коэффициентов шкалой, возвращенной как вектор.

Таблица Correlation, возвращенная как таблица MATLAB®. Таблица содержит шесть переменных:

  • NJ — Количество неграничных коэффициентов уровнем.

  • Ниже — Более низкая доверительная граница для вероятности покрытия задана conflevel.

  • Ро — Коэффициент корреляции.

  • Верхний — Верхняя доверительная граница для вероятности покрытия задана conflevel.

  • Pvalue — P-значение для теста гипотезы. Нулевая гипотеза - то, что коэффициент корреляции равен нулю.

  • AdjustedPvalue — P-значение настроено для нескольких сравнений. P-значения настроены с помощью ложного уровня открытия под предположениями зависимости.

Ссылки

[1] Персиваль, D. B. и Уолден, A. T. Методы вейвлета для анализа временных рядов. Кембридж, U.K: Издательство Кембриджского университета, 2000.

[2] Whitcher, B., П. Гатторп и Д. Б. Персиваль. “Ковариационный анализ вейвлета с приложением к атмосферным временным рядам”. Журнал Геофизического Исследования, Издания 105, стр 14941–14962, 2000.

[3] Benjamini, Y. и Yekutieli, D. “Управление Ложного Уровня Открытия в Нескольких Тестирующих Под Зависимостью”. Летопись Статистики, Издания 29, Номера 4, стр 1165–1188, 2001.

Введенный в R2015b