R 计算贝塔函数参数的标准误差
我正在学习R使用一本名为“使用R发现统计数据”的书。这很好,但似乎跳过了一些领域 因此,我在R中有一个函数,用于计算以下pdf的参数R 计算贝塔函数参数的标准误差,r,standard-error,R,Standard Error,我正在学习R使用一本名为“使用R发现统计数据”的书。这很好,但似乎跳过了一些领域 因此,我在R中有一个函数,用于计算以下pdf的参数a,b: My函数返回从500个样本中找到的以下参数: [1] 1.028316 2.095143 #a b 我试图计算参数的标准误差 我想知道如何在R中实现这一点 就我在网上所能找到的,都是根据样本计算出来的,而不是参数。所以,我所实现的就是: stderr <- function(x) sqrt(var(x)/length(x)) std
a,b
:
My函数返回从500个样本中找到的以下参数:
[1] 1.028316 2.095143 #a b
我试图计算参数的标准误差
我想知道如何在R中实现这一点
就我在网上所能找到的,都是根据样本计算出来的,而不是参数。所以,我所实现的就是:
stderr <- function(x) sqrt(var(x)/length(x))
stderr我不确定您使用哪个函数将beta分布适合您的数据,但是MASS
包中的fitdistr
函数为beta分布的shape1
和shape2
参数提供标准错误值:
# Obtain data to fit
set.seed(144)
data <- rbeta(500, 1, 2)
# Fit and output result
library(MASS)
fit <- fitdistr(data, "beta", start=list(shape1=0.5, shape2=0.5))
fit
# shape1 shape2
# 1.0596902 2.0406073
# (0.0602071) (0.1284133)
#获取适合的数据
种子集(144)
链接中的数据显示了如何计算平均值的标准误差。然而,由于您似乎错过了一些统计背景,我认为您应该首先在stats.stackexchange.com上询问如何在理论上做到这一点,然后再考虑实现。我已经编写了自己的函数,但这非常有用。它返回的参数比我的略为精确。