ecmninit

Начальное среднее значение и ковариация

Синтаксис

[Mean,Covariance] = ecmninit(Data,InitMethod)

Аргументы

Data

NUMSAMPLES- NUMSERIES матрица с NUMSAMPLES выборки NUMSERIES- размерный случайный вектор. Отсутствующие значения обозначаются NaNs.

InitMethod

(Необязательно) Вектор символов, который идентифицирует один из трех заданных методов инициализации, чтобы вычислить первоначальные оценки для среднего значения и ковариации данных. Если InitMethod = [] или '', метод по умолчанию nanskip используется. Методы инициализации

  • nanskip — Пропуск (По умолчанию) все записи с NaNs.

  • twostage — Оценочное среднее значение. Заполните NaNs со средним значением. Затем оцените ковариацию.

  • diagonal — Сформируйте диагональную ковариацию.

Описание

[Mean,Covariance] = ecmninit(Data,InitMethod) создает начальное среднее значение и оценки ковариации для функционального ecmnmleсреднее значение NUMSERIES- 1 оценка вектор-столбца для среднего значения DataКовариация NUMSERIES- NUMSERIES матричная оценка для ковариации Data.

Алгоритмы

свернуть все

Модель

Общая модель

ZN(Mean,Covariance),

где каждая строка Data наблюдение за Z.

Каждое наблюдение за Z принято, чтобы быть iid (независимый, тождественно распределенный), многомерные нормальные, и отсутствующие значения приняты, чтобы быть пропавшими без вести наугад (MAR).

Методы инициализации

Эта стандартная программа имеет три метода инициализации, которые касаются большинства случаев, каждого с ее преимуществами и недостатками.

nanskip

nanskip метод работает хорошо с небольшими проблемами (меньше чем 10 рядов или с монотонностью недостающие шаблоны данных). Это перескакивает через любые записи с NaNs и оценочные начальные значения от полных данных записывает только. Этот метод инициализации имеет тенденцию давать к самой быстрой сходимости алгоритма ECM. Эта стандартная программа переключается на twostage метод, если это решает, что значительное количество записей содержит NaN.

twostage

twostage метод является лучшим выбором для больших проблем (больше чем 10 рядов). Это оценивает среднее значение для каждого ряда с помощью всех доступных данных для каждого ряда. Это затем оценивает ковариационную матрицу с отсутствующими значениями, обработанными как равную среднему значению, а не как NaNs. Этот метод инициализации устойчив, но имеет тенденцию приводить к более медленной сходимости алгоритма ECM.

диагональ

diagonal метод является подходом худшего случая, который имеет дело с проблематичными данными, такими как непересекающийся ряд и чрезмерные недостающие данные (больше чем 33% недостающие данные). Из трех методов инициализации этот метод вызывает самую медленную сходимость алгоритма ECM.

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте