R语言 复习笔记（3）Density Estimation_integrated square error

Basic Gaussian Simulation
set.seed(5003)： 设置种子值
rnorm(n = 100, mean = 10, sd = 10)： 正太分布/高斯分布，n是样本数，mean是均值，sd是标准差。

geom_histogram： ggplo画直方图


1.2 Reproducible RGN
identical： 判断两个list，是否元素一一相等。


1.3 Log likelihood
sum(log(dnorm(norm_data_ll, mean = x, sd = 10))： log likelihood 极大似然估计的r语言写法

ggplot画图前要先建data frame

2.1 Basic exploratory data analysis
invisible： 让不该显示的，不显示
paste0： 将字符串连接起来
hist(probability = TRUE)： 这个是输出密度，默认是输出frequence

2.2 kernel density estimation

par(mfrow = c(2, 2))： 画板管理，可以画2行，每行2个图

2.3 Probability Calculation
approxfun： Interpolation Functions插值函数，
integrate： 在有限或无限区间上一元函数的自适应求积


2.4 MLE 最大似然估计
-sum(log(dnorm(height_data$Height_m, mean = mu, sd = sigma)))： 负对数似然估计公式
mle(NNL)： 这里注意里面放的是负的对数似然估计

3.1 Integrated square error
seq(from = 0.01, to = 1, length.out = 20)： 从0.01到1，取20个
density(observations, bw = x, n = 512, from = -3, to = 3)： 512个数据，从-3到3。这个是用来验证核密度函数的。


which.min()： 取最小的值的index