当rnorm被用作另一个rnorm的参数之一时，我很难理解它意味着什么？ （我将在下面解释更多）
例如，下面，在我的R代码的第一行，我使用rnorm()，我称之为rnorm()：mu。
mu由10,000 x组成。
现在，让我将mu本身作为新mean被称为＆＃34;发布＆＃34;的rnorm()参数。
我的问题是mu本身如何将10,000 x用作这个新mean被称为发布的rnorm()参数？
：mean任何normal distribution的{{1}}参数可以是单个数字，只有一个单一的均值，我们将有一个完整的正常。现在，为什么使用10,000 mu个值仍会导致单个正常？
mu <- rnorm( 1e4 , 178 , 20 ) ; plot( density(mu) )
distribution <- rnorm( 1e4 , mu , 1 ) ; plot( density(distribution) )
答案 0 :(得分：2)
您distribution是条件密度。使用plot(density(distribution))绘制的密度为边际密度。
从统计学上讲，您首先拥有一个正常的随机变量mu ~ N(178, 20)，然后是另一个随机变量y | mu ~ N(mu, 1)。您生成的图是y的边际密度。
P(y)，在数学上是联合分布P(y | mu) * p(mu)的一个整体，整合了mu。
@李哲源ZheyuanLi，啊！所以当我们使用vetor作为rnorm的均值参数或sd参数时，单个，最终的图是积分的结果，对吗？
这意味着您要从边际分布中抽样。密度估计近似于样本中的蒙特卡罗积分。
这种事情常见于贝叶斯计算中。 Toy R code on Bayesian inference for mean of a normal distribution [data of snowfall amount]给出了一个完整的例子，但积分是通过数值积分计算的。