自助法和蒙特卡罗

##蒙特卡罗仿真：用发射随机数的方法模拟数据，根据模拟1000次之后得到的结果预测，由于随机数是正态分布的，要用mvrnorm方法模拟随机数。
##勾MASS package
alpha=c()
for(i in 1:1000)
{
mu1=c(0,0)
sigma1=matrix(c(1,0.5,0.5,1.25),nrow=2) ###σ²x=1, σ²y=1.25, and σxy=0.5
rand1=mvrnorm(n=100,mu=mu1,Sigma=sigma1) ##sigma是上面拼成的矩阵
X= rand1[,1]
Y= rand1[,2]
alpha[i]=(var(Y)-cov(X,Y))/(var(X)+var(Y)-2*cov(X,Y))
}
mean(alpha)
var(alpha)
sqrt(var(alpha)) #SE standerror

##自助抽样法 bootstrap
Hw: P200.2
Alpha=c()
mu1=c(0,0) #均值是0
sigma1=matrix(c(1,0.5,0.5,1.25),nrow=2)
rand1=mvrnorm(n=100,mu=mu1,Sigma=sigma1)
X= rand1[,1]
Y= rand1[,2]

for(j in 1:1000)
{
ran=rand1[sample(c(1:100),100,replace=TRUE),]
##above指，随机抽rand1中序号是1到100的数组，有放回100次
X=ran[,1]
Y=ran[,2]
Alpha[j] =(var(Y)-cov(X,Y))/(var(X)+var(Y)-2*cov(X,Y))
}
mean(Alpha)