因此,我有500个泊松分布的模拟样本,每个样本n = 100。
1)如何在R中分别估计每个样本的Lambda?
2)如何基于500个估计的lambda得出lambda的估计量的密度函数的核估计?(我的猜测是使用“ Kernsmooth”软件包和函数“ bkfe”进行的,但是无论如何我都无法正常编程
taskpois <- function(size, leng){
+ taskmlepois <- NULL
+ for (i in 1:leng){
+ randompois <- rpois(size, 6)
+ taskmlepois[i] <- mean(randompois)
+ }
+ return(taskmlepois)
+ }
tasksample <- taskpois(size=100, leng=500)
正如评论所暗示的,看来您已经很接近了。
ltarget <- 2
set.seed(101)
lambdavec <- replicate(500,mean(rpois(100,lambda=ltarget)))
dd <- density(lambdavec)
plot(dd,main="",las=1,bty="l")
我们不妨根据渐近理论添加预期结果:
curve(dnorm(x,mean=2,sd=sqrt(2/100)),add=TRUE,col=2)
我们可以添加另一行显示相对于第一个实验的理论密度与观察到的密度之间的差异而言,不同实验的密度之间的变化相当大:
lambdavec2 <- replicate(500,mean(rpois(100,lambda=ltarget)))
lines(density(lambdavec2),col=4)
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句