【统计模拟及其R实现】分层抽样法 / 条件期望法 习题答案（超详细）

课本：统计模拟及其R实现 - 肖枝红,朱强 武汉大学出版社

参考资料：方差缩减技术-条件期望法

目录

1. 分层抽样法

2. 条件期望法

1. 分层抽样法

题目1：如何通过分层抽样法得到  的一个模拟估计量？

算法：

① 将抽样区间划分为 [0,0.5] 和 [0.5,1]，以0.5的概率从[0,0.5]中抽取随机变量，以0.5的概率从[0.5,1]中抽取随机变量 -  getVal()

② 利用①中生成的随机变量，使用模拟法估计该定积分的值

代码：

getVal = function() { # 分层抽样法得到随机变量
  u = runif(1)
  if (u < 0.5) {
    result = runif(1, min=0, max=0.5)
  } else {
    result = runif(1, min=0.5, max=1)
  }
  result
}

f = function(x,y) exp((x+y)^2)

t1 = function(n) {
  u1 = 0; u1[2] = 0
  u2 = 0; u2[2] = 0
  for (i in 1:n) {
    u1[i] = getVal()
    u2[i] = getVal()
  }
  result = mean(f(u1,u2))
  err = sqrt(var(f(u1,u2))/n)
  
  print(result)
  print(err)
}

t1(10000)

题目2：试利用分层抽样法估计  ，其中 W1 W2 是独立同分布的weibull（威布尔）分布，其密度函数为：

思路：

根据之前学过的知识，生成连续型随机变量的主要方式有：逆变换法、筛选法，其中筛选法暂时想不到好的g(x)，故采用逆变换法.

逆变换法需要先求解f(x)的分布函数，然后令其等于U，并反解出X，之后就可利用U来模拟生成X的值.

后续再按照普通的期望估计方法来求出期望估计值.

代码：

getU = function(){ # 实现分层抽样
  u = runif(n)
  if (n<0.5) {
    result = runif(1,min=0,max=0.5)
  } else {
    result = runif(1,min=0.5,max=1)
  }
  result
}

transF = function(u) (-log(1-u))^(2/3)

getVal = function() {
  u = getU()
  result = floor(transF(u))
  result
}

f = function(w1,w2) (w1+w2)^(5/4) 

t10 = function(n) {
  # 初始化u1 u2
  u1 = 0; u1[2] = 0
  u2 = 0; u2[2] = 0
  
  for (i in 1:n) {
    u1[i] = getVal()
    u2[i] = getVal()
  }
  result = mean(f(u1,u2))
  err = sqrt(var(f(u1,u2))/n)
  
  print(result)
  print(err)
}

t10(10000)

结果：

估计值：2.0855

标准误差：0.004

2. 条件期望法

题目1：X和Y是相互独立的随机变量，其分布函数分别为F和G，均值为ux uy，对给定的t，估计

解：

先产生随机变量X，在X = x的条件下，产生Y的随机变量；

创建序列P用于储存模拟概率，当Y > t，则直接记p = 0，如果为其他，则令 p = reX(t - Y) 反解出p；

模拟的结果为序列P的均值，标准误差为

题目2：

*注：MSE估计改为标准误差.

思路：同上一题.

代码：

t6 = function(n) {
  y = rnorm(n,1,1)
  z = 1-pnorm(1,y,2) # 最后的2是替代了pnorm((1-y)/2)的快捷办法
  result = mean(z)
  err = sqrt(var(z)/n)
  
  print(result)
  print(err)
}
t61(10000)