田茂再《多元统计分析 》书中代码汇总Word格式文档下载.docx

田茂再《多元统计分析 》书中代码汇总Word格式文档下载.docx

《田茂再《多元统计分析 》书中代码汇总Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《田茂再《多元统计分析 》书中代码汇总Word格式文档下载.docx（22页珍藏版）》请在冰豆网上搜索。

ylab="

EstimatedandnormalDensity"

main="

AsymptoticDistribution,

N=5"

col="

blue"

xlim=c（-2,2））

par（new=TRUE）

dat=rnorm（100000,0,1/2）

plot（density（dat）,col="

red"

"

axes=FALSE）

1.6厚尾分布

curve（dnorm（x）,-5,5,xlab="

X"

ylab="

Y"

distributioncomparison"

xaxp=c（-5,5,2）,ylim=c（0,0.4）,col="

）

curve（dcauchy（x,0,1）,-5,5,add=TRUE,xaxp=c（-5,5,2）,ylim=c（0,0.4）,col="

legend（"

topright"

c（"

Gaussian"

"

Cauchy"

）,pch=c（16,16）,col=c（"

text.col=c（"

）,bty="

n"

abline（v=c（-2,-1,1,2））

text（-2.1,0.39,"

-2f"

adj=c（0,-0.1））

text（-1.1,0.39,"

-f"

text（0.9,0.39,"

f"

text（1.9,0.39,"

2f"

1.6.1广义双曲分布

library（Runuran）

#为广义双曲分布产生分布函数目标

distr1<

-udghyp（lambda=0.5,alpha=1,beta=0,delta=1,mu=0）

#制造生成器目标；

利用PINV（逆）方法

gen1<

-pinvd.new（distr1）

#产生大小为10000的样本

x1<

-ur（gen1,10000）

#概率密度函数

dx1<

-ud（gen1,x1）

#累积分布函数

fx1<

-up（gen1,x1）

o1=order（x1）

#为HYD产生分布目标

distr2<

-udghyp（lambda=1,alpha=1,beta=0,delta=1,mu=0）

gen2<

-pinvd.new（distr2）

x2<

-ur（gen2,10000）

dx2<

-ud（gen2,x2）

fx2<

-up（gen2,x2）

o2=order（x2）

#画图

op<

-par（mfrow=c（1,2））

plot（sort（x1）,dx1[o1],type="

main="

pdfofGH,HYPandNIC"

xlim=c（-5,5）,

xaxp=c（-5,5,2）,ylim=c（0,0.52）,col="

black"

lines（sort（x2）,dx2[o2],type="

lines（sort（x3）,dx2[o3],type="

GH"

NIC"

HYP"

）,pch=c（16,16,16）,

col=c（"

）,text.col=c（"

"

plot（sort（x1）,fx1[o1],type="

cdfofGH,HYPandNIC"

xlim=c（-5,5）,xaxp=

c（-5,5,2）,ylim=c（0,1）,col="

lines（sort（x2）,fx2[o2],type="

lines（sort（x3）,fx2[o3],type="

topleft"

NIG"

）,pch=c（16,16,16）,col=

c（"

）,

bty="

par（op）

1.6.2学生t分布

图1-5

curve（dt（x,3）,-5,5,xlab="

pdfoft-distribution"

xaxp=c（-5,5,2）,ylim=c（0,0.42）,col="

curve（dt（x,6）,-5,5,add=TRUE,xaxp=c（-5,5,2）,ylim=c（0,0.42）,col="

curve（dt（x,30）,-5,5,add=TRUE,xaxp=c（-5,5,2）,ylim=c（0,0.42）,col="

t3"

t6"

t30"

）,pch=c（16,16,16）,col=c（"

curve（pt（x,3）,-5,5,xlab="

cdfoft-distribution"

xaxp=c（-5,5,2）,ylim=c（0,1）,col="

curve（pt（x,6）,-5,5,add=TRUE,xaxp=c（-5,5,2）,ylim=c（0,1）,col="

curve（pt（x,30）,-5,5,add=TRUE,xaxp=c（-5,5,2）,ylim=c（0,1）,col="

图1-6

curve（dt（x,1）,2.6,3.8,xlab="

tailcomparison-t-distribution"

xaxp=c（3,3.5,1）,ylim=c（0,0.04）,col="

curve（dt（x,3）,2.6,3.8,add=TRUE,xaxp=c（3,3.5,1）,ylim=c（0,0.04）,col="

curve（dt（x,9）,2.6,3.8,add=TRUE,xaxp=c（3,3.5,1）,ylim=c（0,0.04）,col="

curve（dt（x,45）,2.6,3.8,add=TRUE,xaxp=c（3,3.5,1）,ylim=c（0,0.04）,col="

deeppink"

curve（dnorm（x）,2.6,3.8,add=TRUE,xaxp=c（3,3.5,1）,ylim=c（0,0.04）,col="

grey"

points（x=3.2,y=dt（3.2,1）,cex=0.8,pch=1,col="

text（x=3.21,y=dt（3.2,1）,"

t1"

cex=0.8,col="

points（x=3.2,y=dt（3.2,3）,cex=1,pch=1,col="

text（x=3.21,y=dt（3.2,3）,"

points（x=3.2,y=dt（3.2,9）,cex=1,pch=1,col="

text（x=3.21,y=dt（3.2,9）,"

t9"

points（x=3.2,y=dt（3.2,45）,cex=1,pch=1,col="

text（x=3.21,y=dt（3.2,45）,"

t45"

points（x=3.2,y=dnorm（3.2）,cex=1,pch=1,col="

text（x=3.21,y=0,"

curve（（abs（x））^（-2）,1.2,1.5,xlab="

tailcomparison-approximation"

xaxp=c（1.2,1.5,6）,ylim=c（0,0.7）,col="

curve（（abs（x））^（-4）,1.2,1.5,add=TRUE,xaxp=c（1.2,1.5,6）,ylim=c（0,0.7）,col="

curve（（abs（x））^（-10）,1.2,1.5,add=TRUE,xaxp=c（1.2,1.5,6）,ylim=c（0,0.7）,col="

points（x=1.35,y=（abs（1.36））^（-2）,cex=0.8,pch=1,col="

text（x=1.36,y=（abs（1.35））^（-2）,"

points（x=1.35,y=（abs（1.36））^（-4）,cex=1,pch=1,col="

points（x=1.35,y=（abs（1.36））^（-10）,cex=1,pch=1,col="

text（x=1.36,y=（abs（1.35））^（-10）,"

1.6.3拉普拉斯分布

#为拉普拉斯分布产生分布函数目标

-udlaplace（location=0,scale=1）

#密度

-udlaplace（location=0,scale=1.5）

-ud（gen2,x