统计计算Word文档下载推荐.docx

上传人:b****2 文档编号:1561208 上传时间:2023-05-01 格式:DOCX 页数:25 大小:122.48KB
下载 相关 举报
统计计算Word文档下载推荐.docx_第1页
第1页 / 共25页
统计计算Word文档下载推荐.docx_第2页
第2页 / 共25页
统计计算Word文档下载推荐.docx_第3页
第3页 / 共25页
统计计算Word文档下载推荐.docx_第4页
第4页 / 共25页
统计计算Word文档下载推荐.docx_第5页
第5页 / 共25页
统计计算Word文档下载推荐.docx_第6页
第6页 / 共25页
统计计算Word文档下载推荐.docx_第7页
第7页 / 共25页
统计计算Word文档下载推荐.docx_第8页
第8页 / 共25页
统计计算Word文档下载推荐.docx_第9页
第9页 / 共25页
统计计算Word文档下载推荐.docx_第10页
第10页 / 共25页
统计计算Word文档下载推荐.docx_第11页
第11页 / 共25页
统计计算Word文档下载推荐.docx_第12页
第12页 / 共25页
统计计算Word文档下载推荐.docx_第13页
第13页 / 共25页
统计计算Word文档下载推荐.docx_第14页
第14页 / 共25页
统计计算Word文档下载推荐.docx_第15页
第15页 / 共25页
统计计算Word文档下载推荐.docx_第16页
第16页 / 共25页
统计计算Word文档下载推荐.docx_第17页
第17页 / 共25页
统计计算Word文档下载推荐.docx_第18页
第18页 / 共25页
统计计算Word文档下载推荐.docx_第19页
第19页 / 共25页
统计计算Word文档下载推荐.docx_第20页
第20页 / 共25页
亲,该文档总共25页,到这儿已超出免费预览范围,如果喜欢就下载吧!
下载资源
资源描述

统计计算Word文档下载推荐.docx

《统计计算Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《统计计算Word文档下载推荐.docx(25页珍藏版)》请在冰点文库上搜索。

统计计算Word文档下载推荐.docx

(2)舍选抽样法

y=seq(-1,1,0.02)

r=runif

(1)

k=floor(100*r)+1

a=1.5*(y[k-1])^2

b=1.5*(y[k])^2

d=abs(b-a)/(b+a)

r2=runif

(1)

if(r2<

=d&

b>

a)

x[i]=y[k-1]+(y[k]-y[k-1])*sqrt(r1)

elseif(r2<

b<

x[i]=y[k]-(y[k-1]-y[k])*sqrt(1-r1)

else

x[i]=y[k-1]+(y[k]-y[k-1])*r1

(3)复合抽样法

y=0

y=-1+2*r1

while(r2>

y^2)

{

x[i]=y

对比:

直接抽样法:

简便直接,但是如果分布函数的反函数不容易求出或者不存在,该方法不适用。

复合抽样法:

若原分布函数能分解成几个常见的分布函数,该方法能有效率的生成随机数。

若不能较为容易分解常见分布函数,该方法会使得求解变得复杂。

舍选抽样法:

简单,应用比直接抽样法更广。

三、用模拟的方法近似计算积分

,并和精确答案进行比较。

n<

-100000;

y<

-rexp(n,rate=1);

x<

-rexp(n,rate=2);

l<

-x-y

l[l>

=0]<

-1

l[l<

0]<

-0

r<

-sum(l)/n;

r

输出结果:

0.33187

计算结果:

=

四、考虑简单的线性模型

1.假定

,且不同

之间是相互独立的。

分别为0,1,2,…,100.

(1)取

产生相应的随机数

,运用最小二乘估计去估计系数

并在坐标系中画出实际数据点和相应的拟合曲线。

程序:

e=rnorm(101,0,1)

x=seq(0,100)

y=10+10*x+e

a=rep(1,101)

X=matrix(data=c(a,x),ncol=2,nrow=101)

B=solve(t(X)%*%X)%*%t(X)%*%y

y1=rep(0,101)

for(iin1:

101)

y1[i]=B[1,1]+B[2,1]*x[i]

y1

y

plot(y~x)

abline(B[1,1],B[2,1])

结果:

系数估计结果为:

[1,]9.942019

[2,]10.003323

(2)取

重复步骤

(1).

e=rnorm(101,0,10)

结果系数估计为:

[1,]9.872274

[2,]10.012772

2.假定

之间是相互独立的,其中

表示服从位置参数为0,尺度参数为a的Cauchy分布;

其他参数含义与

(1)中相同。

,和

两种情况,重复1中类似的操作。

(1)

e=rcauchy(101,0,1)

[1,]6.733459

[2,]10.060441

(2)

e=rcauchy(101,0,100)

[1,]-427.49891

[2,]19.50897

3.把1、2中的参数

的估计改用最小一乘估计去估计,然后重复做第1和第2小问.

1、

(1)

M=rep(0,101)

M1=rep(0,101)

w=rep(0,101)

A=x[50]

B=y[50]

x1=x-A

y1=y-B

s=sum(abs(x1))/2

{

if(x1[i]!

=0)

w[i]=y1[i]/x1[i]

else

w[i]=NA

}

bk=sort(w)

p=sort.list(w)

k=p[i]

M[i]=abs(x1[k])

M1[1]=M[1]

for(iin2:

M1[i]=M1[i-1]+M[i]

{

m1=M1[i]

m11=M1[i+1]

if(m1<

s&

m11>

s)

b=bk[i+1]

l=0

b

a=-A*b+B

abline(a,b)

b=10.00062

a=9.916779

a

b=10.16475

a=-16.60505

2、

(1)

M1[i]=M1[i-1]+M[i]

b=10.00391

a=10.26043

b=2.973483

a=734.9664

4.比较上述情况,你有什么结论。

结论:

对比可知:

当残差的变异程度较小时,最小二乘法和最小一乘法拟合效果都较好。

五、试用所学过的非线性方法求解最小二乘问题

的最小值。

初值取

k<

-c(0,0)

fr<

-function(x){

x1<

-x[1]

x2<

-x[2]

100*(x2-x1*x1)^2+(1-x1)^2

kk<

-optim(k,fr)

最小值:

$value

[1]3.729052e-09

六、令

是独立的

随机变量,令

(1)给出模拟

的粗糙估计量;

(2)用对偶变量法进行改进;

(3)用条件期望法改进粗糙估计量。

令X、Y为服从于b(5,0.45)、且相互独立的随机变量

(1)粗糙估计量

k=100000

M=rep(0,k)

x=rep(0,k)

y=rep(0,k)

n=5

p=0.45

k)

a=0

b=0

j=0

m=0

repeat

j=j+1

if(j>

=n)break

if(r1<

=p)

a=a+1

elser1=runif

(1)

x[i]=a

repeat

m=m+1

if(m>

b=b+1

elser2=runif

(1)

y[i]=b

M[i]=exp(a*b)

}

EM=sum(M)/k

θ的粗糙估计量为:

18032.47

(2)对偶变量法

程序:

if(r<

elseif((1-r)<

elser=runif

(1)

θ的估计量为:

21.90046

七、某维修中心在周末只安排一名员工为顾客提供服务。

新来维修的顾客到达后,若已有顾客正在接受服务,则需要排队等候。

假设来维修的顾客到达过程为Poisson过程,平均4人/小时,维修时间服从指数分布,平均需要6分钟。

试用模拟的方法求该系统的平均队长,以及每位顾客花费在系统中的平均时间和员工平均加班时间。

q1<

-function(lambda,mu,T)

k<

-0;

wt<

wn<

ws<

tp<

nA<

n<

t<

-runif

(1);

tA<

--1/lambda*log(r);

tD<

-Inf

k<

-k+1;

wt[k]<

-t;

wn[k]<

-n

if(tA<

T)

ws[k]<

-min(tA,tD)-t

if(tA<

tD)

t<

-tA;

-n+1;

-nA+1

r<

-t-1/lambda*log(r)

if(n==1)

r<

-t-1/mu*log(r)

else

t<

-tD;

-n-1

if(n==0)

tD<

-if(tD==Inf)0elsetD-t

if(n>

0)

if(n>

}

if(tp==1)break

data.frame(Ls=sum(ws*wn)/t,Ws=sum(ws*wn)/nA,

Pwait=sum(ws[wn>

=1])/t)

q1(lambda=4,mu=10,T=100)

输出结果为:

LsWsPwait

10.68916440.16727370.4185664

八、某市政局为了考察该市的6条交通要道是否有同等流量,分别对这6条交通要道进行了为其一个月的观察,得到每条要道的车辆数(单位:

万辆)分别为157,164,165,182,163,169.试分别用Pearson

检验和模拟的方法估计此数据集的

值,判断此6条交通要道的流量是否相同。

1.用Pearson

检验

X=c(157,164,165,182,163,169)

chisq.test(X)

X-squared=2.144,df=5,p-value=0.8289

2.模拟的方法

exam5=function(m)

Q=0;

N=rep(0,6);

Dat=c(157,164,165,182,163,169)

L=sum(Dat)

Qt=sum(((Dat-L/6)**2)*6/L)

for(iin1:

m)

Y=sample(1:

6,L,replace=TRUE)

N=c(length(Y[Y==1]),length(Y[Y==2]),length(Y[Y==3]),

length(Y[Y==4]),length(Y[Y==5]),length(Y[Y==6]))

Q[i]=sum((N-L/6)**2*6/L)

P=length(Q[Q>

=Qt])/m

p

0.8317

(3)模拟的p值为0.8317,不拒绝原假设,即有95%的把握认为六条交通要道的流量相同。

与直接用Pearsonχ2检验的结论相同。

九、设

服从二元正态分布,其均值向量未知,协方差阵为

利用Owen(1990)的经验似然方法给出

的均值的经验似然比渐近置信区间(渐近置信水平

)并画出其草图。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 求职职场 > 简历

copyright@ 2008-2023 冰点文库 网站版权所有

经营许可证编号:鄂ICP备19020893号-2