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 ？meanrnorm()
PS：meanany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