原文链接： http://tecdat.cn/?p=23777

在咱们的数理统计课程中，曾经看到了大数定律（这在概率课程中曾经被证实），证实
 

给出一组i.i.d.随机变量  ，其中有

为了直观地看到这种收敛性，咱们能够应用

> for(i in 1:20)B\[,i\]=mean_samples(i*10)> boxplot(B)

也能够直观地看到边界  （用于核心极限定理，取得极限的非进化散布）。

咱们始终在探讨教训累积散布函数的特点。

咱们曾经看到了格利理科-坎特利定理，该定理指出

为了直观地看到这种收敛。这里我应用了一个技巧可视化

取得两个矩阵之间的最大值（重量）。

+ Df=(D1+D2)/2+abs(D2-D1)/2> boxplot(B)

咱们还探讨了教训累积散布函数的逐点渐近正态性

在这里，又能够把它形象化。第一步是计算教训累积散布函数的几条轨迹

> plot(u,u)

请留神，咱们能够计算（逐点）相信带

> lines(u,apply(M,1,function(x) quantile(x,.05)> lines(u,apply(M,1,function(x) quantile(x,.95)

当初，如果咱们专一于一个特定的点，咱们能够直观地看到渐近正态性（即当咱们有一个大小为100的样本时，简直是正态的）。

> hist(y)> lines(vu,dnorm(vu,pnorm(x0)+ sqrt((pnorm(x0)*(1-pnorm(x0)))/100)

最受欢迎的见解

1.Matlab马尔可夫链蒙特卡罗法（MCMC）预计随机稳定率（SV，Stochastic Volatility） 模型

2.基于R语言的疾病制图中自适应核密度估计的阈值抉择办法

3.WinBUGS对多元随机稳定率模型：贝叶斯预计与模型比拟

4.R语言回归中的hosmer-lemeshow拟合优度测验

5.matlab实现MCMC的马尔可夫切换ARMA – GARCH模型预计

6.R语言区间数据回归剖析

7.R语言WALD测验 VS 似然比测验

8.python用线性回归预测股票价格

R语言如何在生存剖析与Cox回归中计算IDI，NRI指标