getcov

辨识模型的参数协方差

折叠所有页面

语法

cov_data = getcov(系统)

cov_data = getcov (sys cov_type)

cov_type cov_data = getcov (sys,“免费”)

描述

例子

cov_data= getcov (sys）返回已识别模型的参数的原始协方差。

如果sys是一个单一的模型吗cov_data是一个np——- - - - - -np矩阵。np参数的个数是多少sys．
如果sys是一个模型数组吗cov_data单元格数组的大小是否等于数组的大小sys．
cov_data (i, j, k,…)包含的协方差数据sys (:,:, i, j, k,…)．

例子

cov_data= getcov (sys，cov_type）根据指定的协方差类型，以矩阵或结构的形式返回参数协方差。

例子

cov_data= getcov (sys，cov_type“免费”)仅返回自由模型参数的协方差数据。

例子

全部折叠

获取已识别模型的原始参数协方差

打开生活的脚本

获取识别的模型。

负载iddata1z1sys =特遣部队(z1, 2);

获取模型的原始参数协方差。

cov_data = getcov(系统)

cov_data =5×51.2131 -4.3949 -0.0309 -0.5531 0 -4.3949 115.0838 1.8598 10.6660 0 -0.0309 1.8598 0.0636 0.1672 0 -0.5531 10.6660 0.1672 1.2433 0 0 0 0 0

cov_data包含参数向量的协方差矩阵[sys.Numerator sys.Denominator(2:结束),sys.IODelay]．

sys.Denominator (1)是固定的,1而不是作为一个参数。对应于延迟参数(第5行和第5列)的协方差矩阵项为零，因为没有估计延迟。

获取已识别模型阵列的原始参数协方差

打开生活的脚本

获取已识别的模型数组。

负载iddata1z1；sys1 =特遣部队(z1, 2);sys2 =特遣部队(z1, 3);sysarr =堆栈(1 sys1 sys2);

sysarr是一个2乘1的连续时间数组，已确定的传递函数。

获取数组中模型的原始参数协方差。

cov_data = getcov (sysarr)

cov_data =2×1单元阵列{5x5 double} {7x7 double}

cov_data是一个2 × 1单元格数组。cov_data {1}和cov_data {2}原始参数协方差矩阵是什么sys1和sys2．

获得辨识模型参数估计的原始协方差

打开生活的脚本

加载估计数据。

负载iddata1z1z1。y = cumsum (z1.y);

估计模型。

Init_sys = idtf([100 1500]，[1 10 100]);init_sys.Structure.Numerator。最小=每股收益;init_sys.Structure.Denominator。最小=每股收益;init_sys.Structure.Denominator.Free(结束)= false;选择= tfestOptions (“SearchMethod”，“lm”）;sys =特遣部队(z1、init_sys选择);

sys是一个idtf模型有六个参数，其中四个是估计的。

得到估计参数的协方差矩阵。

cov_type =“价值”；cov_type cov_data = getcov (sys,“免费”）

cov_data =4×410⁵× 0.0269 -0.1237 -0.0001 -0.0017 -0.1237 1.0221 0.0016 0.0133 -0.0001 0.0016 0.0000 0.0000 -0.0017 0.0133 0.0000 0.0002

cov_data是一个4 x4协方差矩阵，与四个估计参数对应的条目。

获得被识别模型的因子参数协方差

打开生活的脚本

获取识别的模型。

负载iddata1z1sys =特遣部队(z1, 2);

获取模型的因子参数协方差。

cov_type =“因素”；cov_data = getcov (sys, cov_type);

获得辨识模型阵列的因子参数协方差

打开生活的脚本

获取已识别的模型数组。

负载iddata1z1sys1 =特遣部队(z1, 2);sys2 =特遣部队(z1, 3);sysarr =堆栈(1 sys1 sys2);

sysarr是一个2乘1的连续时间数组，已确定的传递函数。

获取数组中模型的因子参数协方差。

cov_type =“因素”；cov_data = getcov (sysarr cov_type)

cov_data =2×1带有字段的结构数组:R T自由

cov_data是一个2乘1的结构数组。cov_data (1)和cov_data (2)因子协方差结构用于什么sys1和sys2．

获得辨识模型参数估计的因子协方差

打开生活的脚本

加载估计数据。

负载iddata1z1z1。y = cumsum (z1.y);

估计模型。

Init_sys = idtf([100 1500]，[1 10 100]);init_sys.Structure.Numerator。最小=每股收益;init_sys.Structure.Denominator。最小=每股收益;init_sys.Structure.Denominator.Free(结束)= false;选择= tfestOptions (“SearchMethod”，“lm”）;sys =特遣部队(z1、init_sys选择);

sys,一个idtf模型，有六个参数，其中四个是估计的。

得到估计参数的协方差。

cov_type =“因素”；cov_type cov_data = getcov (sys,“免费”）;

输入参数

全部折叠

`sys`- - - - - -识别模型
`idtf`，`中的难点`，`idgrey`，`idpoly`，`idproc`，`idnlarx`，`idnlhw`,或`idnlgrey`对象|模型组

已识别的模型，指定为idtf，中的难点，idgrey，idpoly，idproc，idnlarx，idnlhw,或idnlgrey模型或一组这样的模型。

的getcov命令返回cov_data作为［］为idnlarx和idnlhw模型，因为这些模型不存储参数协方差数据。

`cov_type`- - - - - -协方差类型
`“价值”`(默认)|`“因素”`

协方差返回类型，指定为其中之一“价值”或“因素”．

如果cov_type是“价值”,然后cov_data以矩阵(原始协方差)的形式返回。
如果cov_type是“因素”,然后cov_data作为包含协方差矩阵因子的结构返回。
如果协方差矩阵包含非有限值、非正定值或条件不佳，则使用此选项获取协方差数据。你可以用协方差因子来代替在数值上不利的协方差矩阵来计算响应的不确定性。
在以下情况下，该选项不提供数字优势:
- sys是否使用某些工具变量方法进行估计，如iv4．
- 你明确地指定了的协方差参数sys使用弃用CovarianceMatrix模型属性。

数据类型:字符

输出参数

全部折叠

`cov_data`-的参数协方差`sys`
矩阵或矩阵的细胞阵列|结构或结构的细胞阵列

参数的协方差sys，返回为矩阵、矩阵的单元格数组、结构或结构的单元格数组。cov_data是［］为idnlarx和idnlhw模型。

如果sys是单模和cov_type是“价值”,然后cov_data是一个np——- - - - - -np矩阵。np参数的个数是多少sys．
这个矩阵的非零元素的值等于sys.Report.Parameters.FreeParCovariance当sys通过估计得到。与固定参数对应的行和列项为零。
如果sys是单模和cov_type是“因素”,然后cov_data是一个带有字段的结构:
- R-通常是上三角矩阵。
- T——变换矩阵。
- 免费的逻辑长度向量np，表示模型参数是否自由(估计)。np参数的个数是多少sys．
若要使用因式分解得到协方差矩阵，输入:
```
自由= cov_factored.Free;T = cov_factored.T;R = cov_factored.R;np = nparams(系统);cov_matrix = 0 (np);cov_matrix(Free, Free) = T*inv(R'*R)*T';
```
为了数值精度，计算T *发票(R ' T * R) *作为X * X ',在那里X = T / R．
如果sys是一个模型数组吗cov_data单元格数组的大小是否等于数组的大小sys．
cov_data (i, j, k,…)包含的协方差数据sys (:,:, i, j, k,…)．