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