实验2 参数估计

实验2 参数估计

实验目的：

\1. 了解R语言中概率密度函数、分布函数和分位数的计算；

\2. 了解R语言中常见的数学函数形式；

\3. 了解R语言中求函数极值的三大命令：optim()、nlm()、optimize() 。（注：可用来计算最大似然估计）。

实验内容

\1. 作出自由度为10的卡方分布、自由度为10的t分布以及自由度分别为10和9的F分布的概率密度函数曲线，并求出它们的0.95分位数；

\2. 假设轮胎的寿命服从正态分布。为估计某种轮胎的平均寿命，现随机地抽12只轮胎试用，测得它们的寿命（单位：万公里）如下：

4.68 4.85 4.32 4.85 4.61 5.02 5.20 4.60 4.58 4.72 4.38 4.70

(1)试计算轮胎寿命均值和方差的极大似然估计值；

(2)求出轮胎寿命均值的0.95的置信区间。

问题1：

x<-seq(0,4,length=500);

ychisq<-dchisq(x,df=10);

par(mfcol=c(3,1))

plot(x,dchisq(x,df=10),type="l",main="dchisq")

plot(x,dt(x,df=10),type="l",main="dt")

plot(x,df(x,df1 = 9,df2=10),type="l",main="dF")

cat("卡方0.95分位数是",qchisq(0.95,df=10),"\n");

cat("t分布0.95分位数是",qt(0.95,10),"\n")

cat("f分布0.95分位数是",qf(0.95,9,10),"\n")

 

问题1 结果

卡方0.95分位数是 18.30704

t分布0.95分位数是 1.812461

f分布0.95分位数是 3.020383

x<-c(4.68  ,4.85  ,4.32  ,4.85  ,4.61  ,5.02 ,5.20  ,4.60  ,4.58  ,4.72  ,4.38  ,4.70);

 

normal <- function(theta,x){

mu <- theta[1]

sigma2 <- theta[2]

n <- length(x)

logL <- -0.5*n*log(2*pi)-0.5*n*log(sigma2)-(1/(2*sigma2))*sum((x-mu)**2)

return (-logL)

}

 

result <- optim(c(0,1),normal,x=x)

theta<-result$par

mu<-theta[1];

sigma2<-theta[2];

mu

sigma2

 

结果：

[1] 4.709113

[1] 0.05638579

结论:均值和方差的最大似然估计分别为 4.70911和 0.05638579

问题2（2）

t.test(x,conf.level=0.95)

结果

 One Sample t-test
data: x

t = 65.781, df = 11, p-value = 1.243e-15

alternative hypothesis: true mean is not equal to 0

95 percent confidence interval:

 4.551601 4.866732

sample estimates:

mean of x

 4.709167

 

结论:置信区间为[ 4.551601 4.866732]