统计学-R语言-6.3

这篇具有很好参考价值的文章主要介绍了统计学-R语言-6.3。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


前言

本篇文章是最后一个介绍参数估计的章节。


总体方差的区间估计

研究一个总体时,推断总体方差 使用的统计量为样本方差 。研究两个总体时,所关注的参数是两个总体的方差比( 统计学-R语言-6.3,r语言,开发语言),用于推断的统计量则是两个样本的方差比( 统计学-R语言-6.3,r语言,开发语言)。

总体方差的区间估计(一个总体方差的估计)

估计一个总体的方差或标准差假定条件:
假设总体服从正态分布(原理与总体均值、总体比例区间估计不同)
样本方差的抽样分布服从自由度为n-1的 统计学-R语言-6.3,r语言,开发语言分布,用 统计学-R语言-6.3,r语言,开发语言分布构造总体方差的置信区间统计学-R语言-6.3,r语言,开发语言分布不是对称分布,无法由点估量±估计误差得到总体方差的置信区间
统计学-R语言-6.3,r语言,开发语言
统计学-R语言-6.3,r语言,开发语言
统计学-R语言-6.3,r语言,开发语言
例题:
一家食品生产企业以生产袋装食品为主,现从某天生产的一批食品中随机抽取了25袋,测得每袋重量如下表所示。已知产品重量的分布服从正态分布。以95%的置信水平建立该种食品重量方差的置信区间
统计学-R语言-6.3,r语言,开发语言
sigma.test(x, sigma=1, sigmasq=sigma"2, alternative=c(“two.sided”, “less”, “greater”), conf level=0. 95,)函数用于总体方差的检验。参数x为向量;sigma为假设的总体标准差,默认为1; sigmasq为假设的总体方差; alternative确定备择假设的形式,默认为"two. sided";conf.1eve指定置信水平,默认为0.95。
食品重量方差的置信区间(使用sigma.test函数)

load("C:/example/ch5/example5_2.RData")
library(TeachingDemos)
sigma.test(example5_2$食品重量,conf.level=0.95)$conf.int

统计学-R语言-6.3,r语言,开发语言

总体方差的区间估计(两个总体方差比的估计)

在实际问题中经常会遇到比较两个总体方差的题,比如,希望比较用两种不同方法生产的产品性能的稳定性,比较不同测量工具的精确度,等等
由于两个样本的方差比服从F(n1-1,n2-1)分布,因此可用F分布构造两个总体方差比 统计学-R语言-6.3,r语言,开发语言的置信区间,其原理可用下图来表示
统计学-R语言-6.3,r语言,开发语言
统计学-R语言-6.3,r语言,开发语言
统计学-R语言-6.3,r语言,开发语言
统计学-R语言-6.3,r语言,开发语言
例题:
(数据: example5_4. RData)为估计两种方法组装产品所需时间的差异,分别对两种不同的组装方法各随机安排12个工人,每个工人组装一件产品所需的时间如下表所示。假定两种方法组装产品的时间服从正态分布,求以95%的置信水平建立两种方法组装产品所需时间方差比的置信区间。

函数var.test(x,y, ratio=1,alternative=“two.sided”)用于两个总体方差比的检验,参数x和y为向量 ;ratio为假设的两个总体方差比,默认为1。
两种方法组装产品所需时间方差比的置信区间

load("C:/example/ch5/example5_4.RData")
var.test(example5_4$方法一,example5_4$方法二,alternative="two.sided")$conf.int

统计学-R语言-6.3,r语言,开发语言


总结

以上三篇文章就是对参数估计的介绍。文章来源地址https://www.toymoban.com/news/detail-808503.html

到了这里,关于统计学-R语言-6.3的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 统计学-R语言-2.1

    上篇文章介绍了统计学-R语言的介绍,本篇文章介绍如何安装R软件。 可以登录官网,https://www.r-project.org/,点击此处跳转。 点进去下滑找到China,之后找任意一个链接地址进行下载即可。 我点的是第二个,进入后在红框中选择自己对应得版本进行下载。 第一次安装点击红框处

    2024年02月02日
    浏览(30)
  • 统计学-R语言-2.2

    本篇文章是将上篇得软件安装完,对其部分功能进行介绍。 在我们日常练习时会有.RData文件导入,并对其进行分析,下面是两种方导入.RData文件。 直接找到自己下载的.RData文件,双击进行打开即可。 上面得工具栏中找到文件。 在里面找到打开程序脚本,找到你所保存的.R

    2024年02月02日
    浏览(34)
  • 统计学-R语言-5.3

    本篇文章即为概率与分布的最后一篇文章。 分位数函数是累积分布函数的反函数。 p-分位数是具有这样性质的一个值:小于或等于它的概率为p。 根据定义,中位数即50%分位数。 分位数通常用于置信区间的计算,以及与设计试验有关的势函数的计算。 下面给出一个置信区间

    2024年01月18日
    浏览(48)
  • 统计学-R语言-6.1

    本篇文章将开始介绍参数估计的相关知识。 在调查居民对延迟退休态度的例子中,每个爱民区居民的态度称为(这个调查问题中的)个体(element, individual, unit),而所有爱民区居民对这个问题的观点称为总体(population) 总体是包含所有要研究的个体的集合。 由于包含的个体数有限

    2024年01月19日
    浏览(37)
  • 统计学-R语言-4.1

    安装完R软件之后就可以对其进行代码的编写了。 如果对数据分析有些特殊需要,已有的R包或函数不能满足,可以在R中编写自己的函数。函数的定义格式如下所示: 该式中, functionname是函数名称; function指明该对象为函数类型;a1,a2,为函数中涉及的参数; expression是函数

    2024年01月16日
    浏览(36)
  • 统计学-R语言-4.3

    本篇介绍的是数值型数据怎么进行数据可视化,本篇介绍的有直方图、茎叶图、箱线图。 直方图(Histogram)用于描述连续型变量的频数分布,实际应用中常用于考察变量的分布是否对称;是否服从某种分布类型,如正态分布 直方图以矩形的面积表示各组段的频数或频率, 各

    2024年01月16日
    浏览(43)
  • 统计学-R语言-7.1

    本章主题是假设检验(hypothesis testing)。与参数估计一样,假设检验也是对总体参数感兴趣,如比例、比例间的差异,均值、均值间的差异等, 估计的主要任务是找出参数值等于几, 假设检验的兴趣主要是看参数的值是否等于某个特定值,或者比较两组数据, 在数学推导上,

    2024年01月21日
    浏览(37)
  • 统计学-R语言-4.5

    本篇文章将继续对数据的类型做介绍,本片也是最后一个介绍数据的。 掌握描述多变量数据的分析方法:多维列联表、复式条形图、并列箱线图、点带图、多变量散点图(重叠散点图和矩阵式散点图)。 除了一维表、二维表,在实际中更多的是多维表,也就是多个变量交叉

    2024年02月01日
    浏览(49)
  • 统计学-R语言-4.4

    上一篇文章介绍的是单变量数据,本篇将介绍双变量数据。 描述分类数据对分类数据的描述方法:二维表、复式条形图。 描述分类型数据对数值型数据的描述方法:箱线图。 描述数值型数据对数值型数据的描述方法:散点图、相关系数。 二维表(two-dimensional table)是两个变

    2024年01月19日
    浏览(41)
  • 统计学-R语言-7.2

    本篇将继续上篇文章进行介绍。 小样本的检验 假定条件 小样本(n30) 总体服从正太分布 检验统计量的选择与总体方差是否已知有关 已知样本,均值经标准化后服从标准正态分布: 单样本t检验的效应量通常使用 Cohen的d统计量来度量,计算公式为: 该效应量表示样本均值与假

    2024年01月21日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包