计算 Beta 函数参数的标准误差答案

【问题标题】：calculate Standard Error of parameter of Beta Function计算 Beta 函数参数的标准误差
【发布时间】：2014-02-26 15:32:00
【问题描述】：

我正在学习 R 使用一本名为“使用 R 发现统计数据”的书。这很棒，但似乎跳过了某些领域。

所以，我在 R 中有一个函数，它计算以下 pdf beta function 的参数 a, b：

我的函数返回从 500 个样本中找到的以下参数：

  [1] 1.028316 2.095143 #a b

我正在尝试计算参数的标准误差。

我想知道如何在 R 中实现这一点？

据我在网上可以找到，standard errors 是根据样本计算的，而不是参数。所以，我已经实现了，在这里：

    stderr <- function(x) sqrt(var(x)/length(x))

提前致谢。

【问题讨论】：

您的链接显示了如何计算平均值的标准误差。但是，由于您似乎错过了一些统计背景，我认为您应该先在 stats.stackexchange.com 上询问如何在理论上做到这一点，然后再考虑实施。

标签： r standard-error

【解决方案1】：

我不确定您使用哪个函数来拟合数据的 beta 分布，但 MASS 包中的 fitdistr 函数为 shape1 和 shape2 参数提供了标准错误值beta 分布：

# Obtain data to fit
set.seed(144)
data <- rbeta(500, 1, 2)

# Fit and output result
library(MASS)
fit <- fitdistr(data, "beta", start=list(shape1=0.5, shape2=0.5))
fit
#     shape1      shape2  
#   1.0596902   2.0406073 
#  (0.0602071) (0.1284133)

这里，shape1 的标准误差为 0.060，shape2 的标准误差为 0.128。您可以通过fit$sd 获取这些值。

【讨论】：

我已经编写了自己的函数，但这非常有用。它返回的参数比我的稍微准确。