R语言计算，求代码

Python017

R语言计算，求代码,第1张

代码如下：

N=c(1,2,4,8,16)*500

ln=log(N)+0.6

frac=c(1:8000)

frac=1/frac                                               

s=N

for(i in 1:length(s)){

s[i]=sum(frac[1:s[i]])

}

s

ln

调试结果

这是概率论与数理统计在最大似然估计中的问题,求导过程如下：1.先求这个函数的对数似然函数,即两边同时取对数lnL(μ,塞塔）=ln∑(Xi-μ)^2/σ^2,很抱歉,电脑word没有公式编辑器,计算过程写不出来,前面的等式是复制楼主你输入的.2.这样指数部分可以拿到ln前面了.3先对μ求偏导,∑部分是连加,ln（（x1+μ）+（x2+μ）+（x3+μ）+……）是复合函数,里面（x1+μ）+（x2+μ）+……部分的导数是1,所以μ的导数就是（1/∑）*2/σ^2,4再对塞塔求偏导数,这个就比较简单了.到此就求出了导数.

当作正态处理: 凡中度及以下偏度的数据(包括重尾分布),涉及均值比较或回归系数估计的,样本量超过10个,可以当作正态处理。原因是中心极限定理。 如果实验过程是随机化顺序的,这时候这时候对均值的检验(例如使用t检验或F检验)是随机化检验方法的近似,不需要考虑正态性问题。

2.

变换为正态: 当数据严重偏离正态,或者比较的是方差(即与均值无关),这时中心极限定理帮不上忙,就最好通过数据变换转化为正态分布。 变换一般是幂变换。 分为经验法和Box-cox法(过程能力指数CpK计算时还常用Johnson变换)。 经验法就是求数据的2次方,或1/2次方,或1/4次方,或-1次方,或取Ln。看哪一种变换后近似正态。 Box-cox法是原理相同但更精确、更正式的方法。

3.

针对专门分布的方法: 例如针对相应指数族分布使用广义线性模型。