我很难理解将anrnorm
用作另一个参数时的含义是rnorm
什么?(我将在下面解释更多)
例如,在下面的R代码的第一行中,我使用,rnorm()
并将其称为rnorm()
:mu
。
mu
由10,000个组成x
。
现在,让我将mu
自己作为mean
新的rnorm()
“发行”的论点。
我的问题是,这个新的“分配”的论点mu
本身将如何x
使用10,000 ?mean
rnorm()
PS:mean
any的参数normal distribution
可以是单个数字,并且只有一个单个均值,我们将有一个完整的正态。现在,为什么使用10,000个mu
值仍然会产生一个法线?
mu <- rnorm( 1e4 , 178 , 20 ) ; plot( density(mu) )
distribution <- rnorm( 1e4 , mu , 1 ) ; plot( density(distribution) )
你distribution
是有条件的密度。虽然您使用的密度plot(density(distribution))
是边际密度。
从统计上讲,您首先有一个正常的随机变量mu ~ N(178, 20)
,然后是另一个随机变量y | mu ~ N(mu, 1)
。您产生的图是的边际密度y
。
P(y)
在数学上是关节分布的整体P(y | mu) * p(mu)
,整合出来mu
。
@李哲源ZheyuanLi,啊!因此,当我们使用vetor作为rnorm的均值参数或sd参数时,单个最终图是积分的结果,对吗?
这意味着您正在从边际分布中采样。密度估计值近似于样本的蒙特卡洛积分。
这种事情在贝叶斯计算中很常见。关于正态分布均值[降雪量的数据]的贝叶斯推断上的Toy R代码给出了一个完整的示例,但积分是通过数值积分计算的。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句