如何评估 R 中方程的 error/uncertainty？
How to evaluate the error/uncertainty of an equation in R?
我有一个四列的数据框 (https://www.dropbox.com/s/hho5sgwjhlk4185/data.csv?dl=0)。我根据其他列填充了 rtp 列，使用等式 0.03385*(pp**2)*(mv**0.94500)*(cc**(-0.03047))。现在，我想看看这个方程式的不确定性，但我不知道该怎么做。我应该使用伪数据集还是 monte carlo 的形式？如果是，我该如何对 rtp 列执行此操作？我用R.
据我了解您的 data.csv table，每个样本都有一行。因此，如果我理解正确的话，您已经拥有了所有具有正确分布的样本。
您计算了这些样本的 rtp 列。然后，如果你想要 rtp 的分布（标准误差，置信区间），直接从 rtp 样本值中获取它！ :
dat <- read.csv("data.csv")
mean(dat$rtp)
# [1] 0.008637943
median(dat$rtp)
# [1] 0.005488155
sd(dat$rtp)
# [1] 0.01236283
quantile(dat$rtp, c(0.025, 0.975))
# 2.5% 97.5%
# 0.0007099517 0.0436855541
就这么简单。这与您在 MCMC 示例上执行的原理完全相同，但是您已经在每一行中都有示例，因此无需使用 MCMC 生成它们。
我有一个四列的数据框 (https://www.dropbox.com/s/hho5sgwjhlk4185/data.csv?dl=0)。我根据其他列填充了 rtp 列，使用等式 0.03385*(pp**2)*(mv**0.94500)*(cc**(-0.03047))。现在，我想看看这个方程式的不确定性，但我不知道该怎么做。我应该使用伪数据集还是 monte carlo 的形式？如果是，我该如何对 rtp 列执行此操作？我用R.
据我了解您的 data.csv table，每个样本都有一行。因此，如果我理解正确的话，您已经拥有了所有具有正确分布的样本。
您计算了这些样本的 rtp 列。然后，如果你想要 rtp 的分布（标准误差，置信区间），直接从 rtp 样本值中获取它！ :
dat <- read.csv("data.csv")
mean(dat$rtp)
# [1] 0.008637943
median(dat$rtp)
# [1] 0.005488155
sd(dat$rtp)
# [1] 0.01236283
quantile(dat$rtp, c(0.025, 0.975))
# 2.5% 97.5%
# 0.0007099517 0.0436855541
就这么简单。这与您在 MCMC 示例上执行的原理完全相同，但是您已经在每一行中都有示例，因此无需使用 MCMC 生成它们。