Информационная матрица Фишера
Fisher = ecmnfish(Data,Covariance)NUMPARAMS-by- NUMPARAMS Информационная матрица Фишера, основанная на текущих оценках максимального параметра правдоподобия.
Использование ecmnfish после оценки среднего значения и ковариации Data с ecmnmle.
Fisher = ecmnfish(___,InvCovar,MatrixType)InvCovar и MatrixType.
В этом примере показано, как вычислить информационную матрицу Фишера на основе оценок параемтера для Data за пять лет ежедневных общих возвратов для 12 запасов компьютерных технологий с шестью оборудование и шестью компаниями по производству программного обеспечения
load ecmtechdemo.matПериод времени для этих данных простирается с 19 апреля 2000 года до 18 апреля 2005 года. Шестой акции в Assets - Google (GOOG), которая начала торговаться 19 августа 2004 года. Так, все возвраты до 20 августа 2004 года отсутствуют и представлены как NaNs. Также у Amazon (AMZN) было несколько дней с отсутствующими значениями, рассеянными в течение последних пяти лет.
[ECMMean, ECMCovar] = ecmnmle(Data)
ECMMean = 12×1
0.0008
0.0008
-0.0005
0.0002
0.0011
0.0038
-0.0003
-0.0000
-0.0003
-0.0000
⋮
ECMCovar = 12×12
0.0012 0.0005 0.0006 0.0005 0.0005 0.0003 0.0005 0.0003 0.0006 0.0003 0.0005 0.0006
0.0005 0.0024 0.0007 0.0006 0.0010 0.0004 0.0005 0.0003 0.0006 0.0004 0.0006 0.0012
0.0006 0.0007 0.0013 0.0007 0.0007 0.0003 0.0006 0.0004 0.0008 0.0005 0.0008 0.0008
0.0005 0.0006 0.0007 0.0009 0.0006 0.0002 0.0005 0.0003 0.0007 0.0004 0.0005 0.0007
0.0005 0.0010 0.0007 0.0006 0.0016 0.0006 0.0005 0.0003 0.0006 0.0004 0.0007 0.0011
0.0003 0.0004 0.0003 0.0002 0.0006 0.0022 0.0001 0.0002 0.0002 0.0001 0.0003 0.0016
0.0005 0.0005 0.0006 0.0005 0.0005 0.0001 0.0009 0.0003 0.0005 0.0004 0.0005 0.0006
0.0003 0.0003 0.0004 0.0003 0.0003 0.0002 0.0003 0.0005 0.0004 0.0003 0.0004 0.0004
0.0006 0.0006 0.0008 0.0007 0.0006 0.0002 0.0005 0.0004 0.0011 0.0005 0.0007 0.0007
0.0003 0.0004 0.0005 0.0004 0.0004 0.0001 0.0004 0.0003 0.0005 0.0006 0.0004 0.0005
⋮
Чтобы вычислить отрицательную функцию логарифмической правдоподобности для ecmnmle, использовать ecmnfish на основе текущих оценок максимальных параметров правдоподобия для ECMCovar.
Fisher = ecmnfish(Data,ECMCovar)
Fisher = 90×90
107 ×
0.0001 0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 0.0000 -0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0.0000 0.0001 -0.0000 0.0000 -0.0000 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 -0.0001 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 -0.0000 0.0002 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0000 -0.0000 0.0003 -0.0000 0.0000 -0.0000 -0.0000 -0.0001 -0.0001 0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 -0.0000 -0.0000 -0.0000 0.0001 -0.0000 -0.0000 -0.0000 0.0000 -0.0000 -0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0001 -0.0000 0.0000 -0.0000 0.0002 0.0000 -0.0000 0.0000 0.0001 0.0000 -0.0002 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0000 -0.0000 -0.0000 -0.0000 0.0000 0.0002 -0.0001 -0.0000 0.0000 -0.0000 -0.0001 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0001 0.0004 -0.0000 -0.0001 -0.0000 0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0000 -0.0000 -0.0001 0.0000 0.0000 -0.0000 -0.0000 0.0002 -0.0001 -0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0.0000 0.0000 -0.0000 -0.0001 -0.0000 0.0001 0.0000 -0.0001 -0.0001 0.0004 -0.0000 -0.0001 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
⋮
Data - ДанныеДанные, заданные как NUMSAMPLES-by- NUMSERIES матрица с NUMSAMPLES выборки NUMSERIES-мерный случайный вектор. Отсутствующие значения обозначаются NaNс.
Типы данных: double
Covariance - Оценки максимальных параметров правдоподобия для ковариации DataМаксимальные оценки параметра правдоподобия для ковариации Data использование алгоритма ECM, заданного как NUMSERIES-by- NUMSERIES матрица.
InvCovar - Холецкое разложение ковариационной матрицы[ ] (по умолчанию) | матрица(Необязательно) Обратная ковариационная матрица, заданная как матрица с использованием inv как:
inv(Covariance)
Типы данных: double
MatrixType - Матричный формат'full' (по умолчанию) | вектор символов(Необязательно) Матричный формат, заданный как вектор символов со значением:
'full' - Вычисляет полную информационную матрицу Фишера.
'meanonly' - Вычисляет только компоненты информационной матрицы Фишера, сопоставленные со средним значением.
Типы данных: char
Fisher - информационная матрица ФишераИнформационная матрица Фишера, возвращенная как NUMPARAMSNUMPARAMS матрица на основе текущих оценок параметров, где NUMPARAMS = NUMSERIES * (NUMSERIES + 3)/2 если MatrixFormat = 'full'. Если на MatrixFormat = 'meanonly', затем NUMPARAMS = NUMSERIES.
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.