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

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

由Kaizong Ye,Sherry Deng撰写


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)。


课程

R语言数据分析挖掘必知必会

从数据获取和清理开始,有目的的进行探索性分析与可视化。让数据从生涩的资料,摇身成为有温度的故事。

立即参加

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。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)
> 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)

R语言使用蒙特卡洛模拟进行正态性检验及可视化

阅读文章


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)。


随时关注您喜欢的主题


> hist(y)
> lines(vu,dnorm(vu,pnorm(x0)
+ sqrt((pnorm(x0)*(1-pnorm(x0)))/100)


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。在此对他对本文所作的贡献表示诚挚感谢,他在上海财经大学完成了统计学专业的硕士学位,专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds