Аналитическое решение
Для нормального распределения X ~ N(mu, 0.2)
. Мы хотим найти mu
, такое, что Pr (X < -0.13) = y
.
Вспомните свой предыдущий вопрос и мой ответ там: Определите нормальное распределение с учетом его квантильной информации. Здесь у нас есть кое-что попроще, поскольку есть только один неизвестный параметр и одна квантильная информация.
Снова начнем со стандартизации:
Pr {X < -0.13} = y
=> Pr { [(X - mu) / 0.2] < [(-0.13 - mu) / 0.2] } = y
=> Pr { Z < [(-0.13 - mu) / 0.2] } = y # Z ~ N(0,1)
=> (-0.13 - mu) / 0.2 = qnorm (y)
=> mu = -0.13 - 0.2 * qnorm (y)
Теперь позвольте atanh(rh1) = mu => rh1 = tanh(mu)
, вкратце, аналитическое решение:
tanh( -0.13 - 0.2 * qnorm (y) )
Численное решение
Это проблема поиска корня. Сначала мы создаем следующую функцию f
и стремимся найти ее корень, то есть rh1
, чтобы f(rh1) = 0
.
f <- function (rh1, y) pnorm(-0.13, atanh(rh1), 0.2) - y
Самый простой метод поиска корня - метод деления пополам, реализованный uniroot
в R. Я рекомендую вам прочитать Решение Uniroot в R, чтобы узнать, как мы должен работать с ним вообще.
curve(f(x, 0.5), from = -1, to = 0.1); abline (h = 0, lty = 2)
Мы видим, что между (-0.2, 0)
есть корень, поэтому:
uniroot(f, c(-0.2, 0), y = 0.5)$root
# [1] -0.129243
person
Zheyuan Li
schedule
12.01.2017