在 Rstudio 中使用约翰逊分布进行均值比较

Question

我必须使用约翰逊分布来查看修改偏度值时的均值有何不同（下面代码中的 0.3）：

library(moments)
library(SuppDists)

k <- 500

parms <-JohnsonFit(c(0, 1, .3, 6))
sJohnson(parms)
poblacion <- rJohnson(1000, parms)

mu.pob <- mean(poblacion)
sd.pob <- sd(poblacion)

p <- vector(length=k)
for (i in p){
  muestra <- poblacion[rJohnson(1000, parms)]
  p[i] <- t.test(muestra, mu = mu.pob)$p.value
}

a_teo = 0.05
a_emp = length(p[p<a_teo])/k
sprintf("alpha_teo = %.3f <-> alpha_emp = %.3f", a_teo, a_emp)

如果我将 .3 更改为 1，我会得到不同的平均值和标准差值，但我会得到完全相同的 alpha 经验值：1.000。我的代码有什么问题吗？

Answer 1

您的代码中有一些错误。

• 而不是

  for(i in p)

  ，应该是

  for(i in seq.int(k))

  ；
• 您采样/重新采样的方式，

  poblacion[rJohnson(1000, parms)]

  ，是错误的。索引

  rJohnson

  不是整数，并且不会索引

  ppoblacion

  。正确的方法应该是下面

  for

  循环中的任何一种方法。
• 虽然你对

  a_emp

  的计算没有错，但太复杂了，请参阅等效的

  mean(p < a_teo)

  。

这是更正后的完整代码。

library(moments)
library(SuppDists)

set.seed(2024)

k <- 500

parms <-JohnsonFit(c(0, 1, .3, 6))
# sJohnson(parms)
poblacion <- rJohnson(1000, parms)

mu.pob <- mean(poblacion)
sd.pob <- sd(poblacion)

p <- numeric(k)
for(i in seq.int(k)){
  # muestra <- sample(poblacion, 1000, TRUE)
  muestra <- rJohnson(1000, parms)
  p[i] <- t.test(muestra, mu = mu.pob)$p.value
}

a_teo <- 0.05
a_emp <- length(p[p<a_teo])/k
mean(p < a_teo)
#> [1] 0.042
sprintf("alpha_teo = %.3f <-> alpha_emp = %.3f", a_teo, a_emp)
#> [1] "alpha_teo = 0.050 <-> alpha_emp = 0.042"

^{创建于 2024-03-10，使用 reprex v2.1.0}