我从 R 中的标准正态分布创建了一个大小为 n=20 的 iid 随机样本。我有一个 m=10^5 场景的蒙特卡罗模拟。我试图找出样本的过度峰度介于 -1.5 和 1.5 之间的概率。到目前为止,我有这个代码:
set.seed(1234)
n<-10
m<-10^5
sample.normal<- rep(0,m)
for(i in (1:m)){
x<-rnorm(n,0,1)
sample.normal[i]<-kurtosis(x,na.rm=FALSE)-3
}
#finding p(-1.5<y2<1.5)
y<-sample.normal
Z<-ecdf(y)
Z(1.5)-Z(-1.5)
但是,现在我想将样本大小更改为 n=10 和 n=200 之间的值范围,以显示随着样本大小的增加,更多值介于 -1.5 和 1.5 之间。所以我想在 10,20,30,40....200 处计算 Z(1.5)-Z(-1.5) (记住 m=10^5)(我最终用更大的样本量证明了这一点, 过度峰态趋向于零的标准正态) 我如何使用循环或不同的方法来做到这一点?任何建议,将不胜感激。