🍉CSDN小墨&晓末:https://blog.csdn.net/jd1813346972

   个人介绍: 研一｜统计学｜干货分享
         擅长Python、Matlab、R等主流编程软件
         累计十余项国家级比赛奖项，参与研究经费10w、40w级横向

该篇文章主要展示了应用fGARCH包进行(标准)有偏正态分布；有偏学生t分布；有偏广义误差分布的概率密度，分布函数，分位数 模拟等。

1 （标准）有偏正态分布的概率密度、分布函数、分位数模拟

1.1 有偏正态分布的概率密度模拟

  运行程序：

library(fGarch)
x1<-rsnorm(100)                                #随机生成100个样本
plot(x1,dsnorm(x1))

  运行结果：

1.2 有偏正态分布的分布函数模拟

  运行程序：

plot(x1,psnorm(x1))

  运行结果：

1.3 有偏正态分布的分位数模拟

  运行程序：

plot(x1,qsnorm(psnorm(x1)))

  运行结果：

1.4 分布模拟

  运行程序：

snormFit(x1) # 分布拟合

  运行结果：

## $par
##       mean         sd         xi 
## -0.2501958  0.8629489  1.1334867 
## 
## $objective
## [1] 126.8028
## 
## $convergence
## [1] 0
## 
## $iterations
## [1] 22
## 
## $evaluations
## function gradient 
##       33      112 
## 
## $message
## [1] "relative convergence (4)"

2 （标准）有偏学生t分布的概率密度、分布函数、分位数模拟

2.1 有偏学生t分布的概率密度模拟

  运行程序：

x2<-rsstd(100)                 #随机生成100个样本
data.frame(x2,dsstd(x2))[1:6,] #计算概率密度并展示部分数据
plot(x2,dsstd(x2))

  运行结果：

##           x2 dsstd.x2.
## 1 -0.1495190 0.4771599
## 2 -1.0836976 0.2366773
## 3 -0.2211325 0.4909757
## 4 -1.2288359 0.1607428
## 5  0.6813840 0.2429493
## 6 -0.3467604 0.5091114

2.2 有偏学生t分布的分布函数模拟

  运行程序：

data.frame(x2,psstd(x2))[1:6,]       #计算分布函数并展示部分数据
plot(x2,psstd(x2))

  运行结果：

##           x2  psstd.x2.
## 1 -0.1495190 0.50157326
## 2 -1.0836976 0.08475630
## 3 -0.2211325 0.46689365
## 4 -1.2288359 0.05617424
## 5  0.6813840 0.80365501
## 6 -0.3467604 0.40398769

2.3 有偏学生t分布的分位数模拟

  运行程序：

plot(x2,qsstd(psstd(x2)))

  运行结果：

2.4 分布拟合

  运行程序：

sstdFit(x2)                     #分布拟合

  运行结果：

## $minimum
## [1] 118.1468
## 
## $estimate
##        mean          sd          nu          xi 
##  0.06964977  0.83348301 10.50162889  1.53832070 
## 
## $gradient
##          mean            sd            nu            xi 
##  2.317790e-05 -3.623768e-05 -3.058243e-07 -1.904855e-05 
## 
## $code
## [1] 1
## 
## $iterations
## [1] 25

3 （标准）有偏广义误差分布的概率密度、分布函数、分位数模拟

3.1 有偏广义误差分布的概率密度模拟

  运行程序：

x3<-rsged(100)                 #随机生成100个样本
data.frame(x3,dsged(x3))[1:6,] #计算概率密度并展示部分数据
plot(x3,dsged(x3))

  运行结果：

##            x3 dsged.x3.
## 1  0.16139770 0.3515725
## 2  0.73639382 0.2517904
## 3  0.05175242 0.3669333
## 4  0.25669157 0.3369094
## 5  1.39325501 0.1372854
## 6 -1.53710781 0.1177475

3.2 有偏广义误差分布的分布函数模拟

  运行程序：

plot(x3,psged(x3))

  运行结果：

3.3 有偏广义误差分布的分位数模拟

  运行程序：

plot(x3,qsged(psged(x3)))

  运行结果：

3.4 分布拟合

  运行程序：

sgedFit(x3)                   #分布拟合

  运行结果：

## $par
##      mean        sd        nu        xi 
## 0.2094775 0.9627933 2.4036400 1.3220748 
## 
## $objective
## [1] 136.4951
## 
## $convergence
## [1] 0
## 
## $iterations
## [1] 16
## 
## $evaluations
## function gradient 
##       27       82 
## 
## $message
## [1] "relative convergence (4)"