最新R语言马尔科夫链蒙特卡洛MCMC分析报告 附代码数据Word文档格式.docx

1、 we want to simulate fromFF, a （cumulative） distribution function. Ingredients :目标：我们想要从FF中模拟一个（累积）分布函数。 成分：1.累积分布函数FF的倒数F-1F-1，又名分位数函数。2.从统一（0,1）分布产生随机数，这是（0,1）（0,1）上的随机数。 想法：如果我们在（0,1）（0,1）上生成数字uiui，那么变换的数字F-1（ui）F-1（ui）根据FF分配。这是一个被称为“概率积分变换”的理论结果，抽样方法被称为“逆变换抽样”。下面的R代码包含一个关于使用这种方法从N（0,1）中产生10,000万

2、个数字的R。#示例1：逆CDF方法#3rm（list=ls（）# clear memory# Generate 10,000 uniform numbersu=runif（10000）# Apply the quantile normal functionz=qnorm（u）# histogramhist（z,breaks=100,probability=T）curve（dnorm,-5,5,add=T,col=blue,lwd=2）box（）# Summary statisticsmedian（z）# median# 1 -0.02004848quantile（z,c（0.025,0.975

3、）# 95% probability interval# 2.5% 97.5% # -1.933969 1.936913mean（z）# mean# 1 -0.01259031sd（z）# standard deviation# 1 0.9970053# Generate one uniform and map it to a normal random number set.seed（123）u0=round（runif（1）,digits=2）# Generate a single uniform on （0,1）print（u0）# 1 0.29z0=round（qnorm（u0）,di

4、gits=2）# Transform it using the normal quantile functionprint（z0）# 1 -0.55curve（pnorm,-5,5,ylab=CDF,xlab=z, xaxt=n, yaxt=,lwd=2,cex.lab=1.5）# plotaxis（side=2, at=c（u0,0,1）,cex.axis=1.5）axis（side=1, at=c（z0,-5,5）,cex.axis=1.5）abline（v=z0,lty=2,col=）; abline（h=u0,lty=2,col=）points（z0,u0,col=red,pch=20

5、,cex=2）# Generate one uniform and map it to a normal random number （again with a different seed）set.seed（12345）u0=round（runif（1）,digits=2）# Generate a single uniform on （0,1）print（u0）# 1 0.72z0=round（qnorm（u0）,digits=2）# Transform it using the normal quantile functionprint（z0）# 1 0.58axis（side=2, at=c（u0,0,1）,cex.axis=1.5）axis（side=1, at=c（z0,-5,5）,cex.axis=1.5）abline（v=z0,lty=2,col=MCMC简介# Generate one uniform and map it to a normal rand