文書の過去の版を表示しています。
モーメント法・最尤法
データの与え方。
X.raw <- c(1,0,1,0,0,1,1,1,0,1,0,1,1,0,1,0,0,0,1,1,0,0,1,1,1,0,0,1,0,0,1,0)
点推定と区間推定。
n <- length(X.raw) p.hat <- sum(X.raw)/n var.p.hat <- p.hat*(1-p.hat)/n cat("\n", "Point Estimate of p:", p.hat, "\n", "Sample Variance Estimate of p:", var.p.hat, "\n", '95% Confidence Interval:', p.hat-pnorm(1-0.25)*sqrt(var.p.hat), "<=p<=", p.hat-pnorm(0.25)*sqrt(var.p.hat), "\n", "\n")
ベイズ法
データの与え方。
DATA list {n=32, x=c(1,0,1,0,0,1,1,1,0,1,0,1,1,0,1,0,0,0,1,1,0,0,1,1,1,0,0,1,0,0,1,0)
モデルと事前分布と初期値の指定。
MODEL model { for ( i in 1:n ) { x[i] ~ dbin(p,1) } p ~ dgamma(2,3) # objective prior # p ~ dgamma(1,1) # flat prior } INIT list {p=0.5}
ここから先の手順はこのマニュアルに頼る。
ブートストラップ法
点推定は、モーメント法・最尤法と同じ。データの与え方も同じ。信頼区間の作り方は、
n <- length(X.raw) B <- 100000 p.boot <- NULL for( b in c(1:B) ) { X.boot <- sample(X.raw,size=n, replace=TRUE) p.boot <- append(p.boot, sum(X.boot)/n) } hist(p.boot) quantile(p.boot, probs=c(0.025, 0.975)) cat("\n", "Point Estimate of p:", p.hat, "\n", "Bootstrap Variance Estimate of p:", var(p.boot), "\n", '95% Bootstrap Confidence Interval:', quantile(p.boot, probs=0.025), "<=p<=", quantile(p.boot, probs=0.975), "\n", "\n")