R語(yǔ)言—自定義函數(shù)求置信區(qū)間的操作
看代碼吧~
#求單正態(tài)均值mu的置信區(qū)間
#參數(shù)依次為置信水平alpha,正態(tài)樣本x,已知總體方差(默認(rèn)為未知)
mu <- function(alpha,x,sigma=NA){
n <- length(x)
meanx <- mean(x)
if(is.na(sigma)){
t1 <- qt(1-alpha/2,n-1)
t2 <- qt(1-alpha,n-1)
mu11 <- meanx - t1*sqrt(sum((x-meanx)^2)/(n-1))/sqrt(n)
mu12 <- meanx + t1*sqrt(sum((x-meanx)^2)/(n-1))/sqrt(n)
mu21 <- meanx + t2*sqrt(sum((x-meanx)^2)/(n-1))/sqrt(n)
mu22 <- meanx - t2*sqrt(sum((x-meanx)^2)/(n-1))/sqrt(n)
}
else{
u1 <- qnorm(1-alpha/2,0,1)
u2 <- qnorm(1-alpha,0,1)
mu11 <- meanx - u1*sigma/sqrt(n)
mu12 <- meanx + u1*sigma/sqrt(n)
mu21 <- meanx + u2*sigma/sqrt(n)
mu22 <- meanx - u2*sigma/sqrt(n)
}
string1 <- paste('以1-',alpha,'為置信水平的mu雙側(cè)置信區(qū)間為:[',mu11,', ',mu12,']。',sep='')
string2 <- paste('以1-',alpha,'為置信水平的mu單側(cè)置信區(qū)間上限為:',mu21,'。',sep='')
string3 <- paste('以1-',alpha,'為置信水平的mu單側(cè)置信區(qū)間下限為:',mu22,'。',sep='')
string <- data.frame(Confidence_Interval=c(string1,string2,string3))
return(string)
}
#求單正態(tài)方差sigma的置信區(qū)間
#參數(shù)依次為置信水平alpha,正態(tài)樣本x,已知總體均值(默認(rèn)為未知)
sigma <- function(alpha,x,mu=NA){
n <- length(x)
if(is.na(mu)){
meanx <- mean(x)
chisq11 <- qchisq(1-alpha/2,n-1)
chisq12 <- qchisq(alpha/2,n-1)
chisq21 <- qchisq(alpha,n-1)
chisq22 <- qchisq(1-alpha,n-1)
sigma11 <- sqrt(sum((x-meanx)^2)/chisq11)
sigma12 <- sqrt(sum((x-meanx)^2)/chisq12)
sigma21 <- sqrt(sum((x-meanx)^2)/chisq21)
sigma22 <- sqrt(sum((x-meanx)^2)/chisq22)
}
else{
chisq11 <- qchisq(1-alpha/2,n)
chisq12 <- qchisq(alpha/2,n)
chisq21 <- qchisq(alpha,n)
chisq22 <- qchisq(1-alpha,n)
sigma11 <- sqrt(sum((x-mu)^2)/chisq11)
sigma12 <- sqrt(sum((x-mu)^2)/chisq12)
sigma21 <- sqrt(sum((x-mu)^2)/chisq21)
sigma22 <- sqrt(sum((x-mu)^2)/chisq22)
}
string1 <- paste('以1-',alpha,'為置信水平的sigma雙側(cè)置信區(qū)間為:[',sigma11,', ',sigma12,']。',sep='')
string2 <- paste('以1-',alpha,'為置信水平的sigma單側(cè)置信區(qū)間上限為:',sigma21,'。',sep='')
string3 <- paste('以1-',alpha,'為置信水平的sigma單側(cè)置信區(qū)間下限為:',sigma22,'。',sep='')
string <- data.frame(Confidence_Interval=c(string1,string2,string3))
return(string)
}
#求兩個(gè)正態(tài)均值差(mux-muy)的置信區(qū)間
#參數(shù)依次為置信水平alpha,正態(tài)樣本x,正態(tài)樣本y,
#已知x總體方差sigmax(默認(rèn)為未知),已知y總體方差sigmay(默認(rèn)為未知)
mux_muy <- function(alpha,x,y,sigmax=NA,sigmay=NA){
if(is.na(sigmax)|is.na(sigmay)){
meanx <- mean(x)
meany <- mean(y)
m <- length(x)
n <- length(y)
sx <- sqrt(sum((x-meanx)^2)/(m-1))
sy <- sqrt(sum((y-meany)^2)/(n-1))
sw <- sqrt((m-1)*sx^2/(m+n-2)+(n-1)*sy^2/(m+n-2))
mu11 <- (meanx-meany)+qt(1-alpha/2,m+n-2)*sw*sqrt(1/m+1/n)
mu11 <- (meanx-meany)-qt(1-alpha/2,m+n-2)*sw*sqrt(1/m+1/n)
}
else{
meanx <- mean(x)
meany <- mean(y)
m <- length(x)
n <- length(y)
sx <- sqrt(sum((x-mux)^2)/m)
sy <- sqrt(sum((y-muy)^2)/n)
mu11 <- (meanx-meany)+qt(1-alpha/2,m+n)*sw*sqrt(1/m+1/n)
mu11 <- (meanx-meany)-qt(1-alpha/2,m+n)*sw*sqrt(1/m+1/n)
}
string1 <- paste('以1-',alpha,'為置信水平的mux-muy雙側(cè)置信區(qū)間為:[',mu11,', ',mu12,']。',sep='')
return(string1)
}
#求兩個(gè)正態(tài)標(biāo)準(zhǔn)差比sigmax/sigmay的置信區(qū)間
#參數(shù)依次為置信水平alpha,正態(tài)樣本x,正態(tài)樣本y,
#已知x總體均值mux(默認(rèn)為未知),已知y總體均值muy(默認(rèn)為未知)
sigmax_sigmay <- function(alpha,x,y,mux=NA,muy=NA){
alpha <- alpha
mux <- mux
muy <- muy
if(is.na(mux)|is.na(muy)){
meanx <- mean(x)
m <- length(x)
meany <- mean(y)
n <- length(y)
F1 <- qf(1-alpha/2,m-1,n-1)
F2 <- qf(alpha/2,m-1,n-1)
sigma11 <- 1/F1*sum((x-meanx)^2)*(n-1)/sum((y-meany)^2)/(m-1)
sigma12 <- 1/F2*sum((x-meanx)^2)*(n-1)/sum((y-meany)^2)/(m-1)
}
else{
m <- length(x)
n <- length(y)
F1 <- qf(1-alpha/2,m,n)
F2 <- qf(alpha/2,m,n)
sigma11 <- 1/F1*sum((x-mux)^2)*n/sum((y-muy)^2)/m
sigma12 <- 1/F2*sum((x-mux)^2)*n/sum((y-muy)^2)/m
}
string1 <- paste('以1-',alpha,'為置信水平的sigmax-sigmay雙側(cè)置信區(qū)間為:[',sigma11,', ',sigma12,']。',sep='')
return(string1)
}
選修課作業(yè),自己寫(xiě)函數(shù)求單正態(tài)樣本均值、方差置信區(qū)間,兩個(gè)正態(tài)樣本均值差、方差比的置信區(qū)間。
求解時(shí)正態(tài)方差和均值默認(rèn)為未知,函數(shù)具體樣子可以參考題圖。
本來(lái)是想輸出一段話,但是我不知道怎么換行,所以將就著看吧。
補(bǔ)充:R語(yǔ)言【估計(jì)單側(cè)置信區(qū)間】

以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教。
- R語(yǔ)言拼接字符串_paste的用法說(shuō)明
- R語(yǔ)言-summary()函數(shù)的用法解讀
- R語(yǔ)言中cut()函數(shù)的用法說(shuō)明
- R語(yǔ)言-生成頻數(shù)表和列聯(lián)表crosstable函數(shù)介紹
- R語(yǔ)言中if(){}else{}語(yǔ)句和ifelse()函數(shù)的區(qū)別詳解
- R語(yǔ)言中的fivenum與quantile()函數(shù)算法詳解
- R語(yǔ)言-計(jì)算平均值不同函數(shù)的區(qū)別說(shuō)明
- R語(yǔ)言中c()函數(shù)與paste()函數(shù)的區(qū)別說(shuō)明
相關(guān)文章
R語(yǔ)言實(shí)現(xiàn)各種數(shù)據(jù)可視化的超詳細(xì)教程
Python語(yǔ)言越來(lái)越流行,尤其是在機(jī)器學(xué)習(xí)與深度學(xué)習(xí)等領(lǐng)域,但是R語(yǔ)言在數(shù)據(jù)分析與可視化方面仍然具有絕對(duì)的優(yōu)勢(shì),下面這篇文章主要給大家介紹了關(guān)于R語(yǔ)言實(shí)現(xiàn)各種數(shù)據(jù)可視化的超詳細(xì)教程,需要的朋友可以參考下2022-11-11
R包c(diǎn)lusterProfiler如何安裝成功(新手必看!)
最近在我以為ClusterProfiler已經(jīng)安裝好的時(shí)候,又遇到了一些問(wèn)題,所以這篇文章主要給大家介紹了關(guān)于R包c(diǎn)lusterProfiler如何安裝成功的相關(guān)資料,需要的朋友可以參考下2023-02-02
R語(yǔ)言讀取柵格數(shù)據(jù)的方法(raster包讀取)
這篇文章主要介紹了R語(yǔ)言讀取柵格數(shù)據(jù)的方法,本文就只是對(duì)R語(yǔ)言raster包讀取、處理柵格數(shù)據(jù)加以基本的方法介紹,需要的朋友可以參考下2023-05-05
R語(yǔ)言導(dǎo)入導(dǎo)出數(shù)據(jù)的幾種方法匯總
這篇文章主要給大家總結(jié)介紹了R語(yǔ)言導(dǎo)入導(dǎo)出數(shù)據(jù)的幾種方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
R語(yǔ)言數(shù)據(jù)框合并(merge)的幾種方式小結(jié)
這篇文章主要介紹了R語(yǔ)言數(shù)據(jù)框合并(merge)的幾種方式小結(jié),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
R語(yǔ)言中因子相關(guān)知識(shí)點(diǎn)詳解
在本篇內(nèi)容里小編給大家總結(jié)了關(guān)于R語(yǔ)言中因子的相關(guān)知識(shí)點(diǎn)以及相關(guān)實(shí)例內(nèi)容,有興趣的朋友們可以學(xué)習(xí)下。2021-04-04

