Question

set.seed(10)
sd.sim <- seq(from=0.001, to=1.0, by=0.001) #assuming my empirical distribution sd is hidden somewhere in-between 0.001 to 1.000
a <- list()
sim <- list()

emp <- replicate(1000,rnorm(2000, mean=1, sd=0.4)) #empirical toy data
emp <- colMeans(emp)

for(i in 1:length(sd.sim)){
  sim <- replicate(1000,rnorm(2000, mean=1, sd=sd.sim[i])) #we are assuming empirical data have such distribution; parametric (normal dist.)
  sim <- colMeans(sim) #a bit of bootstrap method
  k <- (emp - sim)^2 
  a[[i]] <- sum(k)
}
w <- do.call(rbind, a)
w <- data.frame(w)
w$index <- row.names(w)
w$nor <- w$w/min(w$w) #normalized, setting min value at 1, ie turning point of the x^2 shape (y-axis = 1), please see comment below
w$sd <- sd.sim
w$v <- w$sd*w$sd
plot(w$index, w$nor)

我所做的是创建一个玩具数据emp，假装我对其分布参数一无所知。

首先是通过假设正态分布来“猜测”玩具数据的分布...

然后通过针对玩具数据模拟法线，找到错误（通过更改sim数据的sd），我期望的误差差曲线为X ^ 2形状：

因为：

我的玩具emp：平均值== 1，标准偏差= 0.40

和参数sim：固定平均值== 1，标准误<-[0.001; 1.000]

我希望X ^ 2像曲线一样，转折点*在sd = 0.4，y = 1 ..但是我得到的只是线性图。这有点像参数引导程序

*转折点：意味着当sim的sd == 0.4时，我的错误是最低的

查找/近似最小方差，参数引导

0 个答案: