##########d dimenziós abszolút folytonos eloszlású vektorok koordinátáinak függetlenségvizsgálata ##########Az összefüggő példák: #1. független st. exponenciálisokból összeállított vektor, amellett a feltétel mellett, hogy kisebbek egy "v" vágásnál. #2-5. equicorrelated Gaussian, the Farlie–Gumbel–Morgenstern, Frank/Ali–Mikhail–Haq and the Clayton/Gumbel–Barnett copula #peremeloszlások: normális, exponenciális, Pareto és Cauchy ##########Próba #Független U(0,1)-ekből összeállított vektor 1024 részre vágja az egységkockát #Megnézzük, hogy a mintaelemek öszloponkénti rangszámai/(mintaelemszám+1) mely részekbe hányszor esnek. #Megnézzük ezek együttes eloszlását. #A logszkórt vesszük. #Ezt K-szor megismételjük és vesszük a logszkórok átlagát, maximumát, kvantiliseit ###########Kell a plyr, Copula, mc2d,parallel, mass csomag d=5 #a dimenzió n=100 #a minta elemszáma K=2000 #a kocka különböző feldarabolásainak száma (ez n=10000 d=10-re 20000, n=1000-re d=10-re 2000, eddig ez volt legalább még bizonytalan) ####A kocka különböző feldarabolásainak eltárolása nagyv=list() #a feldarabolások listája probv=list() #valószínűségek listája (a rangszám milyen valószínűséggel esik a rendezett minta két eleme közé) print(date()) for (i in 1:K){ a=sort(runif(d)) nagyv[[i]]=a b=rep(n,(d+1)) b[1:d]=floor((n+1)*a) c=rep(0,(d+1)) c[2:(d+1)]=floor((n+1)*a) probv[[i]]=(b-c)/n } print(date()) # érdemes elmenteni a máshol is használható dolgokat save(nagyv,file=paste("nagyv_",d,"dim_K_",K,".RData",sep="")) save(probv,file=paste("probv_",d,"dim_K_",K,".RData",sep="")) #az alábbi függvény azt számolja meg, hogy mintabeli vektorok elemei, a vágás rendezett mintája által meghatározott mely szakaszokba esnek cc=rep(0,n*(d+1)) dim(cc)=c(n,(d+1)) besorolas=function(x,b){ c=cc c[,1:d]=sapply(c(1:d), function(i){rowSums((x