| 1 | #' EMGrank |
| 2 | #' |
| 3 | #' Description de EMGrank |
| 4 | #' |
| 5 | #' @param phiInit ... |
| 6 | #' @param Pi Parametre de proportion |
| 7 | #' @param Rho Parametre initial de variance renormalisé |
| 8 | #' @param mini Nombre minimal d'itérations dans l'algorithme EM |
| 9 | #' @param maxi Nombre maximal d'itérations dans l'algorithme EM |
| 10 | #' @param X Régresseurs |
| 11 | #' @param Y Réponse |
| 12 | #' @param tau Seuil pour accepter la convergence |
| 13 | #' @param rank Vecteur des rangs possibles |
| 14 | #' |
| 15 | #' @return A list ... |
| 16 | #' phi : parametre de moyenne renormalisé, calculé par l'EM |
| 17 | #' LLF : log vraisemblance associé à cet échantillon, pour les valeurs estimées des paramètres |
| 18 | #' |
| 19 | #' @export |
| 20 | EMGrank <- function(Pi, Rho, mini, maxi, X, Y, tau, rank) |
| 21 | { |
| 22 | n = nrow(X) #nombre d'echantillons |
| 23 | p = ncol(X) #nombre de covariables |
| 24 | m = ncol(Y) #taille de Y (multivarié) |
| 25 | k = length(Pi) #nombre de composantes dans le mélange |
| 26 | .Call("EMGrank", |
| 27 | Pi, Rho, mini, maxi, X, Y, tau, rank, |
| 28 | phi=double(p*m*k), LLF=double(1), |
| 29 | n, p, m, k, |
| 30 | PACKAGE="valse") |
| 31 | } |