Question

这是我不了解的考试示例问题。观察到的空调设备故障的等待时间为3、5、7、18、43、85、91、98、100、130、230和487。假设您要估计平均等待时间的标准误差失败。给出精确的描述，您将如何使用非参数引导程序来估算该标准误差。

我在R中的代码给出了错误：

x <- c(3,5,7,18,43,85,91,98,100,130,230,487)
median(x)

B <- 999
bs.median <- rep(B)
for (b in B) bs.median[b] <- median(sample(x,12,replace=TRUE))
sd(bs.median)

有人可以告诉我我做错了什么吗？

Answer 1

您忘记了代码中的一些小问题，我相信这会起作用。我相信我也有相同的示例问题，也许您也会从我的其他答案中受益。

1

x <- c(3,5,7,18,43,85,91,98,100,130,230,487)
median(x)

B <- 999
bs.median <- rep(NA,B)
for (b in 1:B) bs.median[b] <- median(sample(x,12,replace=TRUE))
sd(bs.median)

样本问题的其他答案：

2：该课程注册了103名学生，其中一小部分是女性。参会者是这103名学生中的随机样本。假设有73名学生上课，而18名学生是女性。给出用割线法估计的算法。

g.prime <- function(p,n,x){
  x/p -(n-x)/(1-p)
}

p0 <- 0.1
p1 <- 0.4

max.steps <- 20
p <- c(p0,p1,rep(NA,max.steps-2))
for (i in 3:max.steps){
  p.t <- p[i-1]
  g.prime.t <- g.prime(p.t,73,18)
  p.t.min.1 <- p[i-2]
  g.prime.t.min.1 <- g.prime(p.t.min.1,73,18)
  p[i] <- p.t - g.prime.t*(p.t-p.t.min.1)/(g.prime.t-g.prime.t.min.1)
}
p

3b编写R代码，根据optim的要求计算对数似然函数。您的代码在语法上不一定是正确的，但对有权使用R的任何人来说，都应该清楚如何编写对数似然函数。

loglik <- function(p,y,d){
  a <- p[1:2]
  b <- p[3:4]
  denominator <- 1+exp(-a[1]-a[2]*d)+exp(-b[1]-b[2]*d)
  bicycle <- exp(-a[1]-a[2]*d)
  public <- exp(-b[1]-b[2]*d)
  p <- ifelse(y==1, 1/denominator, bicycle/denominator)
  p <- ifelse(y==3, public/denominator, p)
  -sum(log(p))
}

3c给出适当的起始值和相关的调用，以使R nd成为ML估计量。

df$y <- ifelse(df$choice=='car',1,3)
df$y <- ifelse(df$choice=='bicycle',2,df$y)
table(df$y)
p0 <- c(0,0,0,0)
optim(p0,loglik,y=df$y,d=df$distance)

我希望这些答案对您有用！

考虑以下给出的R代码。这是参数引导程序研究的一部分研究（;）分布均值的估计。最终答复是否令人惊讶您？解释

不。变量b在程序中有两个作用。它在引导程序中充当计数器迭代（对于（1：B中的b）），其值也用于生成参数引导程序样本（rgamma（n，shape = a，rate = b））。在每次迭代中，样本都是从参数不同的分布

需要帮助来评估使用引导程序的R中的标准错误

1 个答案: