- 博客(11)
- 收藏
- 关注
RSS订阅原创 Newton-Raphson迭代(R语言实现)
在统计中，对于未知参数的求解，常采用极大似然估计或者最小二乘估计等估计方法。这些估计方法不一定有解析解，此时就需要通过数值计算求解最大或最小值。(求解最大值与最小值等价，二者之间只差一个负号)最经典的数值计算求解函数最小值或最大值的方法即为下面要介绍的Newton-Raphson迭代法，其是Newton迭代法的改进版，收敛速度一般快于Newton迭代法其思路如下：1)自己给定初始值x02)找到hx在xx0的二阶泰勒展开，用其二阶泰勒展开近似原函数hxhx≈hx0。
2025-01-11 23:28:39
949
原创 蒙特卡洛模拟(R语言实现)
蒙特卡洛方法通过模拟随机数广泛的用于数值计算。在具体介绍蒙特卡罗积分方法之前，先回顾大数定律让Xii1∞是一组独立同分布的随机变量且EXiμ∞，则随着n→∞，样本均值Xn有如下的性质:Xn→pμ即样本容量充分大，样本均值接近总体均值μ的概率非常大。EgX)]∫−∞∞gxfxdx根据大数定律，只要X1...Xn独立同分布且有密度函数fx，则随着n→∞n1i1∑n。
2025-01-11 23:16:06
1818
原创 重要性采样(Importance Sampling)（R语言实现）
由此我们引入重要性采样，希望能使得尾端的值能以更大的概率被采样得到，这时候就需要引入一个比原先f(x)更加厚尾的分布g(x)为咱们的建议分布，并且我们要明确知道如何从g(x)抽样。假设我们想计算一个随机变量X的函数h(X)对于密度为f(X)的分布的期望IEfhX∫hxfxdxIEfhX)]∫hxfxdxIEfhX≈IMC1M∑m1MhXmIEfhX)]≈IMCM1m1∑M。
2025-01-11 23:08:09
939
原创 拒绝接受采样(R语言实现)
与其他采样最不同的点，拒绝接受采样无需利用积分计算的思想。比如有一个复杂分布f(x)，我们可以从好采样的分布中采样（比如均匀分布），然后依据一定的原则去拒绝或接受好采样的分布产生的一些样本值。使得接受的样本值可以合理的来自于分布f(x),其思想称之为拒绝接受采样。假定有一分布hx使得hx恒大于fx，如下图所示：随机取得点x1，再给定第二个维度，使得对于点x1的第二个维度为0到h（x1）的均匀分布如下：若点x1在第二个维度上低于f(x)(绿色)则接受该样本点，否则拒绝该样本点(红色)
2025-01-11 22:38:23
682
原创 R语言一元时间序列分析：ARIMA（自动定阶）
：包含了1898年到1958年间，每年尼罗河水位的数据集。（如长期趋势，季节趋势）在。R语言提供了自动拟合的。传统时间序列主要针对。深入挖掘剔除趋势性后。
2023-05-08 17:24:28
2136
1
原创 R语言一元时间序列建模：ARIMA模型（手动定阶）
从上图中我们可以看出acf截尾，pacf截尾，可以考虑先采用MA（1）模型进行建模。我们来看上述假设检验的结果，上述ADF检验方法的p-value>0.05，ARMA（p,q）:acf和pacf一般拖尾，可采用信息准则进行定阶段。，因为建模前我们已经对nile数据进行了一阶差分，所以在本实验中。”：包含了1898年到1958年间，每年尼罗河水位的数据集。AR（p）：acf 拖尾，pacf p阶截尾。MA（q）：acf q阶截尾，pacf 拖尾。即使我们从上图中看出尼罗河水位非平稳，我们。
2023-05-08 17:21:19
5267
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人