24 개의 매개 변수가있는 최대 우도 추정이 필요한 M 단계에서 EM 추정을 수행하고 있습니다. 나는 R에서 nlm/optim/maxLik 함수를 시도했다. 모두 매우 느리다. 어떤 제안이라도 환영합니다. 감사. (선택이, M, S, K, N 및 알파 알려져있다.) logl <- function(theta,choices,M,S,K,N,Alpha){
be
추정 문제가 있습니다. 나는 두 변수 X를 가지고 Y. Y는 (n)의 가중 합 내 목표의 두 파라미터 C (alpha0, 알파 1)를 추정하는 X의 값 지연된하여 설명 : yt에가 = 합계 n 개의 행 J = 1 ((alpha0 + 알파 1에 * J) *이 Xt-J) 이 Xt-J는 I이 방법 해낸 X.의 j 번째 지연을 나타낸다 나는 가중치의 기울기를 추정
어떻게 이러한 데이터 세트의 한계 분포 된 P (X1) 및 P (X2)의 각각의 히스토그램 기반 확률 밀도 추정하게 수행 할 수있는이 들어 import numpy as np
import matplotlib.pyplot as plt
linalg = np.linalg
N = 100
mean = [1,1]
cov = [[0.3, 0.2],[0.2, 0
두 개의 서로 다른 시간에 상태 벡터 간의 교차 공분산 계산에 관심이 있습니다. Cov {x k, x k-m}. 예를 고려 X K & P K, K의 시간 단계에서, 상태 벡터 및 공분산 행렬이며, X 킬로미터 & P 킬로미터킬로미터의 시간 단계에서의 상태 벡터를 들어, I는 COV를 {표현하고자 x k, x km} wrt P k. 어떤 도움을 주셔서 감사합
을 통해 나는 CIR 모델 매개 변수를 추정 할 수 있습니다. 이 방법은 Iacus "옵션 가격 결정 및 R로 재무 모델 추정"과 함께 제공되는 sde packege에서 구현됩니다. 예제 (ch 5)에서 비율 추정이 구현되고 계수 theta1-3이 계산됩니다. 이제 데이터 집합 (X2)과 동일하게 처리하려고합니다. library(quantmod)
lib
이번에는 다른 질문이 있습니다. 하나의 데이터베이스에서 다른 데이터베이스로 데이터를 이동시키는 응용 프로그램이 있습니다. 또한 데이터베이스 간의 유효성 검사 &을 다룹니다. 원본에서 대상으로 데이터를 이동하기 시작하면 수천 개의 레코드를 처리하기 때문에 시간이 오래 걸립니다. 우리는 이것을 처리하기 위해 WCF 서비스와 SQL 서버 @ 서버 측과 WPF @
I가 1 × 5 크기의 벡터들로 구성 데이터를하는 pikel 나타내는 각 : 0 <= x <= M, 0 <= y <= N : [x,y,r,g,b], x 및 y가 위치한다. r,g,b은 픽셀의 색상입니다 : 0 <= r,g,b <= 255. 다 변수 Epanechnikov 커널을 사용하여 밀도 추정을 산정하려고합니다. 나는 기본적으로 그것을 수행하는 2 가지
등호 식 (예 : 1 + 2 * 3)을 후치 식 (예 : 1 2 2 * +)으로 바꾸는 데 사용할 수있는 유명한 shunting-yard algorithm이 있습니다. Shunting-yard 알고리즘은 이동하려는 요소를 저장하기 위해 스택이 필요합니다. 선형 시간 및 상수 메모리에서 특정 입력을 해당 후미 양식으로 변환하는 데 필요한 스택의 길이를 미리