如果遇到多元方程的求解，就需要利用rootSolve包的函数multiroot()来解方程组。multiroot()用于对n个非线性方程求解n个根，其要求完整的雅可比矩阵，采用Newton-Raphson方法。其调用格式为:
multiroot(f, start, maxiter = 100,
rtol = 1e-6, atol = 1e-8, ctol = 1e-8,
useFortran = TRUE, positive = FALSE,
jacfunc = NULL, jactype = "fullint",
verbose = FALSE, bandup = 1, banddown = 1,
parms = NULL, ...)
f指定所要求解的函数由于使用的是牛顿迭代法，因而必须通过start给定根的初始值，其中的name属性还可以标记输出变量的名称maxiter是允许的最大迭代次数rtol和atol分别为相对误差和绝对误差，一般保持默认值即可ctol也是一个用于控制迭代次数的标量，如果两次迭代的最大变化值小于ctol,那么迭代停止，得到方程组的根。
例如，己知某种保险产品在一个保单年度内的损失情况如下所示，其中给出了不同损失次数下的保单数，我们对损失次数的分布进行估计。已知分布类型是泊松(Poisson ) ,其样本均值即为参数λ的矩估计。
标准正态分布下mean=0，sd=1 95%置信区间为[mean-1.96*sd,mean+1.96*sd] 即左侧概率和为97.5%的数据减去左侧概率和为2.5%的数据，期间的数据概率即为95%的置信区间。那为什么是1.96倍呢，先看两个函数dnorm 中的 d 表示 density ， norm 表示正态分布，这个函数是正态分布的 概率密度(probability density)函数 。 给定x，μ和σ后， dnorm() 这个函数返回的就是会返回上面的这个公式的值，如果是标准正态分布，dnorm(n,mean=0,sd=1)输出就是当取n时的概率值，就是正态分布图当x=n时y的值。 pnorm函数中的p表示Probability，它的功能是，在正态分布的PDF曲线上，返回从负无穷到q的积分，其中这个q指的是一个Z-score，x=(mean+Z-score*sd)时的Z-score。现在我们大概就可以猜测出pnorm(0)的值是0.5，因为在标准正态分布曲线上，当Z-score等于0时，这个点正好在标准正态分布曲线的正中间，那么从负无穷到0之间的曲线面积就是整个标准正态分布曲线下面积的一半，pnorm(n,mean=0,sd=1)输出从负无穷到mean+sd*n的概率总和 用的最多的是3倍sd,相当于在正态分布落在3倍sd区间的概率为99.73002%，落在1.96倍sd区间的概率为95.00042% 那怎么求标准正态分布下0.975%，0.025%对应的Z-score呢，利用qnorm函数，非标准正态下不能这么求，因为qnorm函数输入的是分位值。或者查询正态分布表。 rnorm()函数的功能用于生成一组符合正态分布的随机数，在学习各种统计学方法时，rnorm这个函数应该是最常用的，它的参数有n,mean，sd，表示随机生成n个正态分布均值为mean标准差为sd时的一组数据，如下所示： 当出现如图所示的分布，近似正态分布，但是左右胖瘦不太一致时，这是现实中普遍存在的分布情况，如高通量测序过程中的碱基GC分布，这种情况求95%区间的方法 -先求取左侧部分的sd,但是要补足右侧对称的数据 -同样求右侧部分的sd,同时补足左侧对称的数据 -用最高密度值时max_gc值加减1.96倍左右侧的sd 做出效果如图从第一行开始，N直到pai，都是赋值语句。其中x1和x2是长度为N，类型为十进制小数的向量。runif是生成一个随机数，取值在-1到1之间。for循环语句生成具体的两个向量，即x1和x2，其中的每个数都用runif来生成。
紧接之后的if语句用来计数n，其条件为如果对于数值x1[i]和x2[i]，如果点（x1[i]，x2[i]）位于单位圆内，n就加1。一共循环N次。
最后就得出值pai = 4*n/N。
看下来不像是一个参数值估计程序。
