fxalll的博客

目录dnormpnormqnormrnormdnorm正态分布的概率密度。dnorm(0,mean=0,sd=1) #这个是标准正态分布函数#[1] 0.3989423pnorm正态分布的概率密度，但是返回从负无穷到q的积分，q为参数。pnorm(0) # pnorm()默认的参数与dnorm()一样，都是标准正态分布# [1] 0.5pnorm(2,mean=5,sd=3)# [1] 0.1586553qnormpnorm的反函数。qnorm(0.5)# [1] 0r

我们先以一个例子来讲解：用筛选法来模拟如下密度函数的随机变量。f(x)=e−12x2,g(x)⊂(1+x2)−1f(x)=e^{ -\frac{1}{2} x^{2} },g(x)\subset (1+x^2)^{-1}f(x)=e−21​x2,g(x)⊂(1+x2)−1f(x)是需要模拟的随机变量密度函数，g(x)是其对应的筛选函数。我们首先判断g(x)的取值范围，应该为(0,1]。设u=g(x)，将u反解，得到x=u−1−1x=\sqrt{u^{-1}-1}x=u−1−1​我们将

在我的文章中，有关于逆变换法生成随机变量的。但是，关于逆变量法还有一种应用，就是根据密度函数生成随机变量。我们以下面的密度函数为例子：f(x)=52∗e[−52(x−2)],x≥2f(x)=\frac{5}{2}*e[-\frac{5}{2}(x-2)] , x\geq 2f(x)=25​∗e[−25​(x−2)],x≥2我们根据概率论知识，将之积分获得其累积分布函数，并设为U：U=−e∗(−52(x−2))U=-e*(-\frac{5}{2}(x-2))U=−e∗(−25​(x−2))

如题，在mac os上，我们输出图像的时候：是无法显示中文文字的。我们首先先使用以下命令：Sys.getlocale("LC_ALL")如果得到的结果是"C"，那么使用以下代码可以解决：Sys.setlocale("LC_ALL","zh_cn.utf-8")然而，这个时候我们输出图片，却会显示另一个问题——我们只需要在源代码里面加上：par(family='STKaiti')问题得到解决。......

目录131415p13413一个意外伤亡保险公司有1000个客户，每个客户独立地在下个月以概率0.05索赔，假设索赔量是独立的具有均值$800 指数随机变量，用模拟方法估计这些索赔量的和超过$50000的概率？代码：f = function(x){ res = rep(0,x) for (n in 1:x){ custom = rep(0,1000) for(i in 1:1000){ if(runif(1) <= 0.05){ custom[i] = rexp(1,1

标题p103 8(2)p103 10p144 5p144 7p134 13p103 8(2)用模拟的方法近似计算下列积分，并和已知的精确答案进行比较：∫0∞x(1+x3)−4dx\int^{\infty }_{0}x(1+x^3)^{-4}dx∫0∞​x(1+x3)−4dx解答：f1 = function(n,a,b,g){ x = runif(n) sum((b-a)*g(a+(b-a)*x))/n}f = function(x) x*(1+x^3)^-4f1(99999,0,Inf,

作业5(1)85(1)用筛选法来模拟如下密度函数的随机变量，f(x)是需要模拟的随机变量的密度函数，g(x)是其对应的筛选函数。（1）f(x)=x(1−x)f(x)=x(1-x)f(x)=x(1−x), g(x)g(x)g(x)为常值函数。令g(x)=1g(x)=1g(x)=1 ，f(x)g(x)=x(1−x)\frac{f(x)}{g(x)}=x(1-x)g(x)f(x)​=x(1−x) ，这个函数在x=0.5处取得极大值0.25 。我们首先生成一个服从（0,1）区间的均匀分布的随机数u1

1.用逆变换法编写产生下述随机变量的程序：X 0 1p 0.4 0.6模拟10000次，并确定随机变量的值0的比例。f <- function(n){ {x <- rep(0,n) for (i in 1:n){ u <- runif(1) if(u < 0.6) x[i] <- 1 else x[i] <- 0 } x }}test <- f(10000)table(test)test0 1408

本次作业题没什么亮点，所以没有什么拓展。> fun <- function(n){+ repeat{+ if(n <= 0){+ print("要求输入一个正整数")+ break+ }else if(n %% 2 == 0){+ n <- n / 2+ }else if(n == 1){+ print("运算成功") + break+ }else{+ n <- 3 * n + 1+ } +.

题目2.5显然，这道题可以通过写一个一个的向量形式的数据最终形成一个表格。> num <- c(1:5)> name <- c("张三", "李四", "王五", "赵六", "丁一")> sex <- c("女", "男", "女", "男", "女")> age <- c(14, 15, 16, 14, 15)> height <- c(156, 165, 157, 162, 159)> weight <- c(42.

准备：关于按照题目生成一个5阶的Hilbert矩阵，我一开始是这么做的：> n = 5> i <- (1:n)> j <- (1:n)> hij <- 1/(i+j-1)> H <- matrix(hij,nrow = 5,ncol = 5)> H结果如下：[,1] [,2] [,3] [,4] [,5][1,] 1.0000000 1.0000000 1.0000000 1.000.