1.生成关于x1~N(5,3),x2~N(100,10),error~N(0,1) 2.自己定一个实际对线性回归模型,并计算得到真实的y y = 1.5+0.8x1+1.8x2+error 3.对x1,x2 进行线性拟合,当然这里也可以自写函数用最小二乘法原理,进行参数对估计 4.提取的每一个beta1,beta2 5.计算他的均方误差,计算公式
k = 100000 # 定义实验次数
beta_x1 = c() # 定义空列
beta_x2 = c()
for (i in 1:k) {
beta1 = 0.8 # 设置真实系数
beta2 = 1.8
x1 = rnorm(100,5,3) # 产生随机数
x2 = rnorm(100,100,10)
error = rnorm(100,0,1) # 产生随机误差
y = 1.5+0.8*x1+1.8*x2+error
data1 = data.frame(x1,x2,y) # 构建数据框
res = lm(y~x1+x2,data = data1)
res = summary(res)
beta1_r = (res$coefficients[2]-beta1)^2 # 取估计的系数
beta2_r = (res$coefficients[3]-beta2)^2
beta_x1 = c(beta_x1,beta1_r) # 追加成向量
beta_x2 = c(beta_x2,beta2_r)
}
MSEx1 = sum(beta_x1)/length(beta_x1) # 求MES的公式
MSEx2 = sum(beta_x2)/length(beta_x2)
message('x1的MES为:',MSEx1)
message('x2的MES为:',MSEx2)
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/187750.html原文链接:https://javaforall.cn
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
Copyright © 2013 - 2025 Tencent Cloud.
All Rights Reserved. 腾讯云 版权所有