mvnrobj

Функция логарифмической правдоподобности для многомерной нормальной регрессии без недостающих данных

Синтаксис

Objective = mvnrobj(Data,Design,Parameters,Covariance,CovarFormat)

Аргументы

`Data`	`NUMSAMPLES`- `NUMSERIES` матрица с `NUMSAMPLES` выборки `NUMSERIES`- размерный случайный вектор. Если выборка данных имеет отсутствующие значения, представленные как `NaN`s, выборка проигнорирована. Использование `ecmmvnrmle` обрабатывать недостающие данные.)
`Design`	Матрица A или массив ячеек, который обрабатывает две структуры модели: Если `NUMSERIES = 1`, `Design` `NUMSAMPLES`- `NUMPARAMS` матрица с известными значениями. Эта структура является стандартной формой для регрессии на одном ряде. Если `NUMSERIES`≥ 1 , `Design` массив ячеек. Массив ячеек содержит или один или `NUMSAMPLES` ячейки. Каждая ячейка содержит `NUMSERIES`- `NUMPARAMS` матрица известных значений. Если `Design` имеет отдельную ячейку, она принята, чтобы иметь тот же `Design` матрица для каждой выборки. Если `Design` имеет больше чем одну ячейку, каждая ячейка содержит `Design` матрица для каждой выборки.
`Parameters`	`NUMPARAMS`- `1` вектор-столбец оценок для параметров модели регрессии.
`Covariance`	`NUMSERIES`- `NUMSERIES` матрица оценок для ковариации остаточных значений регрессии.
`CovarFormat`	(Необязательно) Вектор символов, который задает формат для ковариационной матрицы. Выбор: `'full'` — Метод по умолчанию. Ковариационная матрица является полной матрицей. `'diagonal'` — Ковариационная матрица является диагональной матрицей.

Описание

Objective = mvnrobj(Data,Design,Parameters,Covariance,CovarFormat) вычисляет функцию логарифмической правдоподобности на основе текущих оценок параметра наибольшего правдоподобия без недостающих данных. Objective скаляр, который содержит функцию логарифмической правдоподобности.

Примечания

Можно сконфигурировать Design как матрица, если NUMSERIES = 1 или как массив ячеек, если NUMSERIES ≥ 1 .

Если Design массив ячеек и NUMSERIES= 1 , каждая ячейка содержит NUMPARAMS вектор-строка.
Если Design массив ячеек и NUMSERIES> 1 , каждая ячейка содержит NUMSERIES- NUMPARAMS матрица.

Несмотря на то, что Design не должен иметь NaN значения, проигнорированные выборки из-за NaN значения в Data также проигнорированы в соответствующем Design массив.

Примеры

Смотрите многомерную нормальную регрессию, регрессию наименьших квадратов, метод взвешенных наименьших квадратов ковариации, выполнимые обобщенные наименьшие квадраты и на вид Несвязанную регрессию.

Смотрите также

ecmmvnrmle | ecmmvnrobj | mvnrmle

Темы

Введен в R2006a

Документация