1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Quản trị Rủi ro Định lượng bằng R
Connected

Bài tập

Phương pháp đồ họa để đánh giá tính chuẩn

Trong video, bạn đã học cách vẽ biểu đồ tần suất (histogram) với 20 cột thể hiện mật độ xác suất của dữ liệu FTSE, và cách thêm một phân phối chuẩn vào biểu đồ hiện có dưới dạng đường màu đỏ:

> hist(ftse, nclass = 20, probability = TRUE)
> lines(ftse, dnorm(ftse, mean = mu, sd = sigma), col = "red")

Như bạn thấy, dnorm(x, mean, sd) tính hàm mật độ xác suất (PDF) của dữ liệu x với trung bình mẫu và độ lệch chuẩn đã tính; cách làm này được gọi là phương pháp moment (method-of-moments).

Cuối cùng, để ước lượng mật độ của dữ liệu x, hãy dùng density(x). Lệnh này tạo ra ước lượng mật độ nhân (KDE) theo phương pháp phi tham số, không giả định gì về phân phối nền.

Các biểu đồ gợi ý rằng dữ liệu có đuôi nặng hơn phân phối chuẩn, dù bạn sẽ học các kiểm định đồ họa và số học tốt hơn ở những bài tiếp theo.

Trong bài này, bạn sẽ khớp một phân phối chuẩn cho lợi suất log của chỉ số Dow Jones giai đoạn 2008–2009 và so sánh dữ liệu với phân phối đã khớp bằng biểu đồ tần suất và biểu đồ mật độ. Đối tượng djx chứa dữ liệu Dow Jones đã được nạp vào không gian làm việc của bạn.

Hướng dẫn

100 XP
  • Tính trung bình và độ lệch chuẩn (sd()) của dữ liệu djx và gán lần lượt cho mu và sigma.
  • Vẽ biểu đồ tần suất của djx với 20 cột để biểu diễn mật độ xác suất của dữ liệu.
  • Điền các hàm lines() và dnorm() để thêm đường mật độ chuẩn cho djx dưới dạng đường màu đỏ vào biểu đồ tần suất.
  • Vẽ ước lượng mật độ nhân cho djx bằng density().
  • Dùng cùng lệnh lines() như trên để thêm đường mật độ chuẩn cho djx dưới dạng đường màu đỏ vào KDE.