3 매개 변수와 이블 분포 피팅 R

Question

저는 R에서 일부 데이터 분석을 해왔고 데이터를 3 매개 변수와 이블 분포에 맞추는 방법을 찾으려고합니다. 나는 2 매개 변수 Weibull로 그것을하는 방법을 찾았지만, 3 매개 변수로 그것을하는 방법을 찾기에 관해 짧게 왔습니다.

y <- fitdistr(x[[6]], 'weibull') 

x[[6]] 내 데이터의 부분 집합이고, I는 결합의 결과를 저장하고 여기서 Y는 : I가 fitdistr를 사용하여 데이터 MASS 패키지() 함수에 맞게 어떻게 여기

이다.

Answer 1

먼저, FAdist package을보고 싶을 것입니다. 그래서 우리는이 dweibull3에서 유사

> rweibull3 
function (n, shape, scale = 1, thres = 0) 
thres + rweibull(n, shape, scale) 
<environment: namespace:FAdist> 

및 dweibull

> dweibull3 
function (x, shape, scale = 1, thres = 0, log = FALSE) 
dweibull(x - thres, shape, scale, log) 
<environment: namespace:FAdist> 

이

> x <- rweibull3(200, shape = 3, scale = 1, thres = 100) 
> fitdistr(x, function(x, shape, scale, thres) 
     dweibull(x-thres, shape, scale), list(shape = 0.1, scale = 1, thres = 0)) 
     shape   scale   thres  
    2.42498383  0.85074556 100.12372297 
( 0.26380861) ( 0.07235804) ( 0.06020083) 

편집 : 그러나, 그 rweibull3에서 rweibull에 가서 열심히하지로 의견에 언급 된, distribut에 맞게하려고 할 때 다양한 경고가 나타납니다 이런 식으로 나를 위해

Error in optim(x = c(60.7075705026659, 60.6300379017397, 60.7669410153573, : 
    non-finite finite-difference value [3] 
There were 20 warnings (use warnings() to see them) 
Error in optim(x = c(60.7075705026659, 60.6300379017397, 60.7669410153573, : 
    L-BFGS-B needs finite values of 'fn' 
In dweibull(x, shape, scale, log) : NaNs produced 

의 이온은 처음 만 NaNs produced을, 그리고 그것이 내가 그래서 그 추정이 좋은 때문에 그렇게 의미가 아니라고 생각 그것을 볼이 처음이 아니다. 어떤 검색을 한 후에는 꽤 인기있는 문제인 것 같았고 원인이나 해결책을 찾지 못했습니다. 하나의 대안은 stats4 꾸러미와 mle() 기능을 사용할 수 있지만, 역시 약간의 문제가있는 것 같았습니다. http://stackoverflow.com/questions/5963269/ (당신은 [재현 예]를 만든 경우 아마도

thres <- 60 
x <- rweibull(200, 3, 1) + thres 

EPS = sqrt(.Machine$double.eps) # "epsilon" for very small numbers 

llik.weibull <- function(shape, scale, thres, x) 
{ 
    sum(dweibull(x - thres, shape, scale, log=T)) 
} 

thetahat.weibull <- function(x) 
{ 
    if(any(x <= 0)) stop("x values must be positive") 

    toptim <- function(theta) -llik.weibull(theta[1], theta[2], theta[3], x) 

    mu = mean(log(x)) 
    sigma2 = var(log(x)) 
    shape.guess = 1.2/sqrt(sigma2) 
    scale.guess = exp(mu + (0.572/shape.guess)) 
    thres.guess = 1 

    res = nlminb(c(shape.guess, scale.guess, thres.guess), toptim, lower=EPS) 

    c(shape=res$par[1], scale=res$par[2], thres=res$par[3]) 
} 

thetahat.weibull(x) 
    shape  scale  thres 
3.325556 1.021171 59.975470