下面以使用刀切法估计正态分布N(0,25)的方差为例来说明刀切法的实现和优势。这里,我们将样本的修正方差视为关于总体方差的一个估计量。
##1)产生随机变量x~N(0,25),产生100个样本
set.seed(206)
x<-rnorm(100,0,5)
##2)运用刀切法进行重抽样
jack<-function(x){
jackknife<-0
for(i in 1:length(x)){
jackknife[i]=length(x)*var(x)-(length(x)-1)/length(x)*sum(var(x[-i]))
}
jackknife
}
##3)计算刀切法得到的抽样方差
mean(jack(x))/length(x)
##4)全样本简单方差估计进行比较
var(x)
结果如下:
>mean(jack(x))/length(x)
[1] 23.26443
>var(x)
[1] 23.49705
由以上结果可知,刀切法得到的方差估计比全样本得到的方差估计更接近真实值。
首先,你的问题不具体,没有图。圆弧刀加工圆弧时,我做过测试,使用I/J/K编程比使用R编程准确,误差小,使用轮廓图形对照法测试。下面是圆弧刀外园倒角时计算方法:已知刀尖半径r,倒角的角度α,起点坐标A(X1,Z1)、终点坐B(X2,Z2),如下计算:
一、孔倒角时
G1 X ( X1+2r)Z
(Z1)
G2 X (X1+2(r-rCOSα) Z (Z1-(r
–r SINα)R (r )
G1 X (X2+2(r-rCOSα) Z (Z1-(r
–r SINα)
G2 X (X2) Z
(Z2-r )
G1 Z