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

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。