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
给出一组i.i.d.随机变量
,其中有
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
(用于中心极限定理,获得极限的非退化分布)。
我们一直在讨论经验累积分布函数的特点。
我们已经看到了格利文科-坎特利定理,该定理指出
为了直观地看到这种收敛。
点击标题查阅相关内容
左右滑动查看更多
01
02
03
04
这里我使用了一个技巧可视化
获得两个矩阵之间的最大值(分量)。
+ Df=(D1+D2)/2+abs(D2-D1)/2
> boxplot(B)
我们还讨论了经验累积分布函数的逐点渐近正态性
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)
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)
赞 (0)