R语言可视化渐近正态性、收敛性（大数定律、中心极限定理、经验累积分布函数）
原文链接： http://tecdat.cn/?p=23777
在我们的数理统计课程中，已经看到了大数定律（这在概率课程中已经被证明），证明
文章图片
给出一组i.i.d.随机变量 
文章图片
，其中有
文章图片
为了直观地看到这种收敛性，我们可以使用
> for(i in 1:20)B\[,i\]=mean_samples(i*10)
> boxplot(B)也可以直观地看到边界
文章图片
（用于中心极限定理，获得极限的非退化分布）。
文章图片
【R语言可视化渐近正态性、收敛性（大数定律、中心极限定理、经验累积分布函数）】我们一直在讨论经验累积分布函数的特点。
文章图片
我们已经看到了格利文科-坎特利定理，该定理指出
文章图片
为了直观地看到这种收敛。这里我使用了一个技巧可视化
文章图片
获得两个矩阵之间的最大值（分量）。
+ Df=(D1+D2)/2+abs(D2-D1)/2
> boxplot(B)
文章图片
我们还讨论了经验累积分布函数的逐点渐近正态性
文章图片
在这里，又可以把它形象化。第一步是计算经验累积分布函数的几条轨迹
> plot(u,u)请注意，我们可以计算（逐点）置信带
> lines(u,apply(M,1,function(x) quantile(x,.05)
> lines(u,apply(M,1,function(x) quantile(x,.95)
文章图片
现在，如果我们专注于一个特定的点，我们可以直观地看到渐近正态性（即当我们有一个大小为100的样本时，几乎是正态的）。
> hist(y)
> lines(vu,dnorm(vu,pnorm(x0)
+ sqrt((pnorm(x0)*(1-pnorm(x0)))/100)
文章图片
文章图片
最受欢迎的见解
1.Matlab马尔可夫链蒙特卡罗法（MCMC）估计随机波动率（SV，Stochastic Volatility） 模型
2.基于R语言的疾病制图中自适应核密度估计的阈值选择方法
3.WinBUGS对多元随机波动率模型：贝叶斯估计与模型比较
4.R语言回归中的hosmer-lemeshow拟合优度检验
5.matlab实现MCMC的马尔可夫切换ARMA – GARCH模型估计
6.R语言区间数据回归分析
7.R语言WALD检验 VS 似然比检验
8.python用线性回归预测股票价格
推荐阅读
- 【生信技能树】R语言练习题|【生信技能树】R语言练习题 - 中级
- 一起来学习C语言的字符串转换函数
- C语言字符函数中的isalnum()和iscntrl()你都知道吗
- C语言浮点函数中的modf和fmod详解
- C语言中的时间函数clock()和time()你都了解吗
- 为什么孩子一定要学会可视化思维！
- C语言学习|第十一届蓝桥杯省赛 大学B组 C/C++ 第一场
- C语言解方程的根和判断是否是闰年
- C语言的版本比较
- 【C】题目|【C语言】题集 of ⑥