Все это определенно работало бы. Лично, для той конкретной проблемы, я, вероятно, проявил бы немного другого подхода. Возможно, что-то вроде этого:
class MyClass {
public Point point1, point2, point3;
private Point[] points;
public MyClass() {
//...
this.points = new Point[] {point1, point2, point3};
}
public void DoSomethingWith(int i) {
Point target = this.points[i+1];
// do stuff to target
}
}
При использовании шаблонов как это, необходимо быть осторожными, что данные хранятся ссылкой а не значением. Другими словами, не делайте этого с примитивами. Необходимо использовать их большие чрезмерно увеличенные в размерах дубликаты класса.
я понял, что это не точно вопрос, но на вопрос вполне прилично ответили, и я думал, возможно, что альтернативный подход мог бы помочь.
Пакет GLMMarp подходит для этих моделей. Если вам просто нужна линейная модель с ошибками Гаусса, вы можете сделать это с помощью функции arima ()
, где ковариаты указаны с помощью аргумента xreg
.
Какова ваша функция связи?
То, как вы это описываете, звучит как базовая линейная регрессия с автокоррелированными ошибками. В этом случае один из вариантов - использовать lm
для получения согласованной оценки ваших коэффициентов и использовать стандартные ошибки Newey-West HAC .
Я не уверен, что лучший ответ для GLM в целом.