如何在fitdistrplus中用尺度和位置参数拟合t分布
在fitdistrplus中，可以使用尺度和位置参数来拟合t分布。t分布是一种常用的概率分布，适用于小样本情况下的统计推断。
尺度参数（scale parameter）用于控制t分布的离散程度，即尾部的厚度。较大的尺度参数会使分布更加扁平，尾部更厚。较小的尺度参数会使分布更加陡峭，尾部更薄。
位置参数（location parameter）用于控制t分布的中心位置。它表示分布的均值，可以使分布在水平方向上平移。
在fitdistrplus中，可以使用以下代码来拟合t分布：
library(fitdistrplus)
# 生成一组样本数据
data <- rt(n = 100, df = 10)
# 定义t分布的概率密度函数
dt <- function(x, df, mean, sd) {
(gamma((df + 1) / 2) / (sqrt(df * pi) * gamma(df / 2))) *
(1 + ((x - mean) ^ 2 / (df * sd ^ 2))) ^ (-(df + 1) / 2)
}
# 定义t分布的对数似然函数
logLik_t <- function(params) {
df <- params[1]
mean <- params[2]
sd <- params[3]
sum(log(dt(data, df, mean, sd)))
}
# 初始参数值
start_params <- c(df = 10, mean = mean(data), sd = sd(data))
# 拟合t分布
fit <- fitdist(data, "t", start = start_params, method = "BFGS", lower = c(0, -Inf, 0))
# 输出拟合结果
summary(fit)在上述代码中，首先使用rt函数生成了一个t分布的样本数据。然后定义了t分布的概率密度函数dt和对数似然函数logLik_t。接下来，使用fitdist函数拟合t分布，其中指定了初始参数值start_params、拟合方法method为BFGS，并设置了参数的取值范围lower。
最后，使用summary函数输出拟合结果，包括参数估计值、标准误差、置信区间等信息。
腾讯云提供了云计算相关的产品和服务，例如云服务器、云数据库、云存储等。具体可以参考腾讯云的官方网站（https://cloud.tencent.com/）获取更详细的产品介绍和相关链接。
相关·内容
如何使用fitdistrplus来估计t分布的位置和尺度参数？我知道我需要提供初始值(总体上它工作得很好)，但在这个包中只允许使用df。你有什么解决方案吗？
非常感谢。
浏览 44提问于2016-07-30得票数 2
2回答
因此，我读到过关于使用MLE在R中拟合student-t的文章，但似乎总是位置和尺度参数是最感兴趣的。我只想将学生t(维基百科所描述的)拟合到通常被认为是像标准正态分布一样分布的数据，这样我就可以假设平均值为0，标度为1，我该怎么做呢？
浏览 0提问于2016-05-23得票数 0
1回答
为了为我的数据集拟合几种概率分布，我尝试了使用car和MASS包的几种分布，例如对于泊松分布：
require(car); require (MASS)
#Data set
X1 <- rnorm(100, 175, 7)
Y1 <- rbinom(100,1, 0.35)
##Fitting Poisson:
poisson <- fitdistr(Y1, "Poisson")
qqp(Y1, "pois", poisson$estimate)
但是，如果我的选项是二项式分发，MASS包不支持这种分发，那么我使用fitdistrplus包：
浏览 3提问于2017-01-27得票数 1
回答已采纳
2回答
我试图用均匀分布来拟合一组数据。这就是我尝试过的基于正态分布拟合的方法。我不确定这个实现是否正确？你能告诉我。
import matplotlib.pyplot as plt
from scipy.stats import uniform
mu, std = uniform.fit(data)
plt.hist(data, normed=True, alpha=0.6, color='#6495ED')
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = uniform.pdf(x, mu, std)
浏览 1提问于2014-10-06得票数 2
回答已采纳
2回答
假设我有一个变量x，它是使用以下方法生成的：
x <- rgamma(100,2,11) + rnorm(100,0,.01) #gamma distr + some gaussian noise
head(x,20)
[1] 0.35135058 0.12784251 0.23770365 0.13095612 0.18796901 0.18251968
[7] 0.20506117 0.25298286 0.11888596 0.07953969 0.09763770 0.28698417
[13] 0.07647302 0.17489578 0.02594517 0.
浏览 27提问于2017-08-07得票数 7
回答已采纳
1回答
有人知道为什么直方图叠加中的t分布只是一条水平线吗？fit.std中的警告()来自于dof的etimation，这可能导致无限的可能性-参见Fernandez & Steel (1999)。
library(zoo)
library(rugarch)
data(sp500ret)
g= zoo(sp500ret$SP500RET, as.Date(rownames(sp500ret)))
(fit.std = fitdistr(g,"t"))
mu.std = fit.std$estimate[["m"]]
lambda = fit.std$est
浏览 0提问于2017-03-29得票数 0
回答已采纳
我现在使用包fitdistrplus来构造Gamma分布，我的问题是如何提取拟合的值来计算根均方误差？谢谢你的帮助。
library(fitdistrplus)
Sev = c(1.42,5.15,2.5,2.29,12.36,2.82,1.4,3.53,1.17,1.0,4.03,5.26,1.65,1.41,3.75,1.09,
3.44,1.36,1.19,4.76,5.58,1.23,2.29,7.71,1.12,1.26,2.78,1.13,3.87,15.43,1.19,
4.95,7.69,1.17,3.27,1.44,1.05,3.94,1.58,2.29,2.
浏览 0提问于2018-12-22得票数 1
回答已采纳
为了简要介绍背景知识，我习惯于描述火灾大小的分布，该分布假定遵循对数正态分布(小火灾多，大火灾少)。对于我的特定应用程序，我只对落入特定大小范围(> min，< max)的fires感兴趣。因此，我正在尝试将对数正态分布拟合到两端都已被审查的数据集。本质上，我希望找到对数正态分布(µ和sigma)的参数，在审查之前最适合完全分布。考虑到我只看了分布的一部分，我可以拟合分布吗？
我做了一些实验，但被难住了。下面是一个例子：
# Generate data #
D <- rlnorm(1000,meanlog = -0.75, sdlog = 1.5)
# Censor data
浏览 2提问于2013-06-06得票数 4
回答已采纳
1回答
用MLE获得标准化T分布的自由度
、、、、
首先，我事先感谢大家阅读这篇文章。
我试图在一系列数据上拟合标准化的T-学生分布(即T-学生的标准差= 1)，即:我想通过极大似然估计来估计自由度。
我需要实现的一个示例可以在我创建的以下(简单) Excel文件中找到：
在Excel文件中，我有一个图像，其中包含与标准化T学生分布的逻辑似然函数计算相对应的公式。这个公式是从一本金融书籍(金融风险管理的要素-彼得克里斯托弗森)中提取出来的。
到目前为止，我已经用R试过了：
copula.data <- read.csv(file.choose(),header = TRUE)
z1 <- copula.data[,1]
libra
浏览 1提问于2016-05-18得票数 0
2回答
我一直在研究gamlss软件包来拟合半参数模型，并在ga()函数中发现了一些奇怪的东西。即使模型被指定为具有伽马分布，并使用REML拟合，模型的输出也是高斯的，用GCV拟合。
例子：
library(mgcv)
library(gamlss)
library(gamlss.add)
data(rent)
ga3 <- gam(R~s(Fl)+s(A), method="REML", data=rent, family=Gamma(log))
gn3 <- gamlss(R~ga(~s(Fl)+s(A), method="REML"), data=re
浏览 1提问于2022-04-13得票数 1
1回答
我有一个数据集，其中观察来自高度不同的群体。每个组可能有一个大不相同的分布，所以我尝试使用fitdistrplus中的fitdist找到最佳分布，然后使用gamlss包中的gamlssML找到最佳参数。
我的问题是在这一步之后转换数据。对于某些分布，如Box-Cox t，我可以找到使用BCT系数对数据进行规范化的方程，但对于许多这些分布，我却找不到。
gamlss是否有一个在拟合后对数据进行规范化的功能？它们的文档只为少数发行版提供转换。
非常感谢
浏览 15提问于2022-09-15得票数 0
回答已采纳
1回答
将数据点拟合到累积分布
、、、、
我正在尝试将gamma分布拟合到我的数据点，我可以使用下面的代码来实现这一点。
import scipy.stats as ss
import numpy as np
dataPoints = np.arange(0,1000,0.2)
fit_alpha,fit_loc,fit_beta = ss.rv_continuous.fit(ss.gamma, dataPoints, floc=0)
我想使用许多这样的小伽马分布来重建一个更大的分布(更大的分布与这个问题无关，只是为了证明我为什么要拟合cdf而不是pdf)。
为了实现这一点，我想要将累积分布(而不是pdf )拟合到较小的分布数据。-M
浏览 32提问于2013-09-17得票数 24
我想对我拥有的一些数据点进行对数皮尔逊III拟合。然而，每次我尝试这样做时，我都会收到错误消息，我真的不知道该怎么办。也许我应该补充说，我只是在几天前才开始使用R，所以，我不是它的专家。
重要的代码部分，没有导入内容的部分等等如下：
pIIIpars<-list(shape=1, location=1, scale=1)
dPIII<-function(x, shape, location, scale) PearsonDS::dpearsonIII(x, shape=1, location=1, scale=1, params=pIIIpars, log=FALSE)
pP
浏览 1提问于2013-02-21得票数 2
2回答
为了用一个分布来拟合实数(x)的数据集，我们可以使用如下或分布的MASS：
fitdistr(x, "gamma")
或
fitdistr(x2, "t")
如果我认为我的数据集应该通过伽马分布和t分布的总和来拟合，那该怎么办？
P(X) = Gamma(x) + t(x)
我可以在R中使用最大似然拟合来拟合概率分布的混合参数吗？
浏览 4提问于2011-06-27得票数 5
我有一个线性模型，我试着用内源变量中的一个很好的离群值来拟合数据，而不是在外生空间。我研究过，在这种情况下，基于M-估计的RLM估计是很好的.
当我以如下方式将RLM与我的数据相匹配时：
import numpy as np
import statsmodels.formula.api as smf
import statsmodels as sm
modelspec = ('cost ~ np.log(units) + np.log(units):item + item') #where item is a categorical variable
results = sm
浏览 4提问于2014-02-03得票数 3
回答已采纳
我想在单个图中比较不同分布与我的数据的拟合程度。fitdistrplus包中的qqcomp函数几乎完成了我想要做的事情。然而，我唯一的问题是，它主要是使用基本R图编写的，而我所有的其他图都是用ggplot2编写的。我基本上只想自定义qqcomp图，使其看起来像是在ggplot2中创建的。 从文档(https://www.rdocumentation.org/packages/fitdistrplus/versions/1.0-14/topics/graphcomp)中我了解到，通过设置plotstyle="ggplot"，这是完全可能的。然而，如果我这样做，绘图上没有显示任何
浏览 47提问于2019-12-30得票数 3
我有一组数据，是在地震中判给申索人的申索赔偿的百分比，即判给的价值/申索价值。我想要对这些百分比值的分布进行建模，并使用R中的fitdistr函数来拟合具有1个自由度的t分布。
fitdistr返回的m和s值为：
98.82907933(0.08574821)
和
2.87906212(0.10310584).
现在我的分布的公式是什么？当我输入索赔赔偿的值时，允许我计算百分比值的函数？它是标准t分布的pdf吗？
浏览 3提问于2014-04-17得票数 1
2回答
当我想要指定自由度(df)、均值和方差时，如何从R中的t分布中抽样？例如，如何从具有8df、均值= 4和方差= 16的t分布中进行抽样？我想我必须以某种方式使用非中心性参数，但我不确定如何使用。
浏览 2提问于2013-07-25得票数 6
回答已采纳
3回答
我从R中的fitdist()包中知道了fitdistrplus函数，但是我不能用它来预测高斯分布。我可以预测正常，逻辑，威布尔等。我如何使用它的高斯？还有其他方法可以预测吗？
浏览 0提问于2016-11-08得票数 -1
回答已采纳
1回答
所以，我有一个离散的数据集，my_dat，我试图拟合一条曲线，以便能够生成基于my_dat的随机变量。我在连续数据上使用fitdistrplus取得了很大的成功，但是尝试将它用于离散数据时有很多错误。
表设置：
library(fitdistrplus)
my_dat <- c(2,5,3,3,3,1,1,2,4,6,
3,2,2,8,3,4,3,3,4,4,
2,1,5,3,1,2,2,4,3,4,
2,4,1,6,2,3,2,1,2,4,
5,1,2,3,2)
我首先看一下数据的直方图：
浏览 8提问于2017-10-19得票数 2
2回答
以下是我的代码：
library(fitdistrplus)
s <- c(11, 4, 2, 9, 3, 1, 2, 2, 3, 2, 2, 5, 8,3, 15, 3, 9, 22, 0, 4, 10, 1, 9, 10, 11,
2, 8, 2, 6, 0, 15, 0 , 2, 11, 0, 6, 3, 5, 0, 7, 6, 0, 7, 1, 0, 6, 4, 1, 3, 5,
2, 6, 0, 10, 6, 4, 1, 17, 0, 1, 0, 6, 6, 1, 5, 4, 8, 0, 1, 1, 5, 15, 14, 8, 1,
3, 2, 9, 4, 4, 1,
浏览 1提问于2018-08-25得票数 6
1回答
我使用library( fit Fitdistrplus)包来拟合数据，如下所示： set.seed(100)
x1<-rlnorm(500,1,3)
f.x1<-fitdist(x1,distr = "lnorm",method = "mme")
plot(f.x1) 以下是绘图结果：enter image description here 我的问题是: x1数据实际上是用rlnorm生成的，但是经过拟合后，pp图并不是那么完美，如何解释这一点？ 谢谢。光明
浏览 15提问于2020-04-30得票数 0
1回答
我试图将我的数据拟合成某种概率分布，这样我就可以根据分布生成随机数。下面是数据点的样子，x轴在数据值后面，y轴是概率。
它们看起来像一个偏正态分布，平均值在10^-4左右。该地块的数据实际上是从原始数据集中绑定的。我尝试使用scipy.stats库来适应原始数据的倾斜正常，但是fit根本不起作用。
我在想，是否有人知道如何将这个适合任何PDF格式？我的图中的数据如下(不能发布原始的原始数据，因为它太大了)：
x = [2.0030289496413441e-07, 6.021220996561269e-07, 1.8100138940039783e-06, 5.441006563882086
浏览 0提问于2018-07-16得票数 0
1回答
我正在将SAS代码转换为R，在SAS单变量过程中使用直方图和中点有一个使用对数正态分布的特征。结果是一个包含以下变量的表，
EXPPCT -由可选拟合分布确定的直方图间隔中估计的种群百分比(这里是对数正态分布)
OBSPCT -直方图区间变量值的百分比
变量名
MIDPT -直方图间隔中点
在应用分布时，SAS中有一个选项可以考虑zeta、theta和sigma参数的MLE。
现在我想出了在R中做这件事的方法，我唯一的问题是，当这三个参数在SAS中被估计时，我唯一的问题是可能性估计。R给了我不同的价值。
我在R中使用了下面的MLE。
library(fitdistrplus)
set.
浏览 1提问于2015-09-09得票数 0
1回答
R中的伽马分布下限
、、、
我想将伽马分布拟合到由338个元素组成的数据集中，具有固定的低阈值(我使用的是R)。为了表示这个下限，我想使用带有三个参数的伽马，加上位置。这是我的密码：
library(FAdist)
library(fitdistrplus)
fit <- fitdist(mydata,"gamma3",start=list(1,1,mythreshold))
每次运行代码时，我都会得到相同的错误：
<simpleError in optim(par = vstart, fn = fnobj, fix.arg = fix.arg, obs = data, gr = gr
浏览 0提问于2016-12-26得票数 2
回答已采纳
我试着做一个直方图的拟合，但没有任何运气。有一堆关于如何在正态概率密度函数中做到这一点的信息，但对于其他类型的pdf却没有。
import pylab as py
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import exponpow
# Fit procedure
eigfit=[]
for i in range(0,len(eigenvals1)):
if eigenvals1>=4.3:
eigfit.append(eigenvals1[i])
b = exponpow.fi
浏览 0提问于2013-12-14得票数 1
我想要定义我自己的发行版，用它来拟合我的每月降水数据，从现在起称为“月”。我正在使用“lmomco”函数来帮助我定义发行版，但无法使它工作。例如，我定义了广义极值(gev)分布，如下所示：
dgev<-pdfgev #functions which are included in lmomco
pgev<-cdfgev
qgev<-quagev
由于"fitdistrplus“需要参数"start”(由所需分布的初始参数值组成)，因此我估计这些初始值如下：
lmom=lmoms(month,nmom=5) #from lmomco package
浏览 8提问于2015-04-27得票数 7
回答已采纳
我正在尝试将一个发行版与我的数据(ssdist；ssi是值)相匹配，但是我一直被抛出下面的错误代码，我不知道为什么。值得注意的是，错误只抛给pois和nbinom，它们是我认为最适合数据的发行版。
错误：：fitdist(ss$ssiss$name == s，distr = "nbinom")：函数mle无法估计参数，错误代码为100
这是我的代码：
ssdist <- read_excel(here("Data/Raw/ssdist.xlsx")) %>%
verify(has_all_names("name", "s
浏览 5提问于2022-05-19得票数 0
回答已采纳
1回答
用ggplot2制作拟合图
、、、、
用fitdistrplus软件包中的fitdist函数对正态分布进行拟合。使用denscomp、qqcomp、cdfcomp和ppcomp，我们可以分别绘制histogram against fitted density functions、theoretical quantiles against empirical ones、the empirical cumulative distribution against fitted distribution functions和theoretical probabilities against empirical ones，如下所示。
set
浏览 0提问于2015-07-27得票数 11
给定一组数据值，我试图获得描述数据的最佳理论分布。经过几天的研究，我想出了以下python代码。
import numpy as np
import csv
import pandas as pd
import scipy.stats as st
import math
import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
def fit_to_all_distributions(data):
dist_names = ['fatiguelife&#
浏览 3提问于2018-08-17得票数 5
回答已采纳
2回答
我正在尝试将一些数据拟合到R中，到目前为止，我认为我做的工作还不错。我的数据集如下(来源： x<-c(1:35)
y<-c(221,88,76,203,233,228,288,498,428,443,570,640,1145,1326,1598,
529,2076,2249,2116,2795,2853,2470,2989,2648,4480,4670,4821,
3957,3780,3612,3491,4492,4401,3651,3815)
data<-data.frame(x,y)
fitG =
function(x,y,mu,sig,scale){
浏览 91提问于2020-03-30得票数 0
1回答
我正在尝试将t分布与我所拥有的一些数据相匹配。为了测试它，我首先尝试从一个固定的发行版中生成一个样本，并尝试将其放入其中。下面是我正在使用的代码。
samp = t.rvs(loc=0, scale=0.6, df=1.3, size=150)
param = t.fit(samp)
x = linspace(-5,5,100)
pdf_fitted = t.pdf(x,loc=param[0],scale=param[1],df=param[2])
pdf = t.pdf(x,loc=0,scale=0.6,df=1.3)
title('Student\'s t Di
浏览 2提问于2016-03-17得票数 2
回答已采纳
我在Python中使用statsmodels.formulas.api.quantreg()进行分位数回归。我发现，在拟合分位数回归模型时，可以选择指定回归系数的置信区间的显着性水平，而置信区间结果出现在拟合的摘要中。
用什么统计方法来生成回归系数的置信区间？它似乎没有文档化，而且我已经仔细研究了quantile_regression.py和summary.py的源代码，以便在没有运气的情况下找到它。有人能解释一下这件事吗？
浏览 6提问于2015-01-28得票数 2
回答已采纳
我正在尝试拟合我的数据的多个分布，以找到最适合的，从库( fit Fitdistrplus)中找到最佳匹配。我使用库中的dgamma3 (FAdist)。如何为每个分发设置start参数？ library(FAdist)
library(fitdistrplus)
x <- rnorm(30,5,1)
fitdist(x, distr = 'gamma3',start = list(meanlog=0,sdlog=1)) 下面是错误： $start.arg
$start.arg$meanlog
[1] 0
$start.arg$sdlog
[1] 1
$fix.a
浏览 27提问于2021-07-14得票数 0
1回答
我对python的编码很陌生，我希望从理论上知道的数据集中获取参数，这些数据很可能是t分布的。我尝试的第一个方法是使用t.fit()。为了再次检查结果，我还使用了st.stats.describe()，并注意到我得到了不同的结果。我还使用t.stats()来获取"mvsk“时刻。我不知道不同的函数是做什么的，什么结果值得信任。这些参数稍后将用于蒙特卡罗模拟。有人能解释一下不同的方法吗?我做错了什么？
import numpy as np
from scipy.stats import norm,t
import scipy.stats as st
import pandas as pd
浏览 0提问于2019-04-04得票数 0
我一直在使用amt包中的现有函数random_steps。我需要从我的数据中产生一个与观测值相匹配的伽马分布，然后从这些值中进行采样，以便为我提供可能的替代方案。问题是观察值的范围是0到53，但生成的值是0到522。显然，这个函数给我的值不仅是不可信的，而且是不可能的。
我不想翻阅源代码()来寻找要修复的东西，所以我希望有人能给我一个解脱，这样我就可以把amt抛在脑后。然而，我在其他地方找不到解决方案。当然，有一种简单的方法可以使用现有的值来生成分布，然后从中采样？
这些是在数据中观察到的值(左)和由random_steps生成的值的密度图(右)。
我的数据集有200多万行，这给我带来了
浏览 0提问于2021-03-08得票数 0
1回答
给出了指数分布形式如下：
expon.pdf(x) = lambda * exp(- lambda*x)
然而，fit功能需要：
fit(data, loc=0, scale=1)
而rvs功能需要：
rvs(loc=0, scale=1, size=1)
问题1:为什么是外部位置变量？我知道指数只是更一般分布(伽马)的特定形式，但为什么包括未被传播的信息呢？甚至伽马也没有位置参数。
问题2:是否符合条件(.)以与输入变量相同的顺序。我的意思是如果我这么做了：
t = fit([....]) , t will have the form t[0], t[1]
我应该把t解释为形状，t解释为刻度
浏览 7提问于2013-07-23得票数 6
回答已采纳
如果您拟合一个例如Thomas Cluster模型(例如使用kppm )，它将适合一个具有X个数的集群的模型。有没有一种方法可以提取每个X集群的中心估计在哪里？例如，如果具有500个点的ppp上的最佳拟合模型的平均数量为250个点，我们预计从数据中估计会有2个簇。这两个星团的中心坐标是多少？ 非常感谢
浏览 22提问于2020-12-10得票数 0
2回答
library(VGAM)
library(fitdistrplus)
fitdist(u_NI$k_u, 'truncpareto',
start = list(lower=1,
upper=42016,
shape=1)) -> fit.k_u
length(u_NI$k_u) = 637594
我发现了一个错误：
<simpleError in optim(par = vstart, fn = fnobj, fix.arg = fix.arg, obs
浏览 10提问于2022-02-05得票数 0
回答已采纳
我试图使t-分布符合我的数据，但无法做到这一点。我的第一次尝试是
fitdistr(myData, "t")
有41个警告，都说NaNs是生产出来的。我不知道怎么会涉及对数。因此，我对数据做了一些调整，使所有数据都大于0，但我仍然存在相同的问题(虽然警告减少了9个.)。sstdFit()也存在同样的问题，会产生NaNs。
因此，我尝试使用我在堆栈溢出和CrossValidated上看到的适配者：
fitdist(myData, "t")
然后我得到
Error in mledist(data, distname, start, fix.arg, ...) :
&
浏览 1提问于2015-05-27得票数 3
回答已采纳
如何使用具有预定均值和标准差的scipy.stats.t.fit()来拟合t分布？
问题是，我有一个标准化的数据集，使用mean=0和std=1，我只想得到t分布的df。但是当我执行scipy.stats.t.fit(data)时，它输出df, loc, scale，loc&sclae不一定等于0&1。
我该如何解决这个问题呢？谢谢!
浏览 6提问于2016-08-17得票数 5
回答已采纳
我正在对一些数据拟合Pareto分布，并且已经估计了这些数据的最大似然估计。现在我需要从它创建一个fitdist (fitdistrplus库)对象，但我不确定该如何做。我需要一个fitdist对象，因为我想创建qq，密度等图的函数，如密集。有人能帮帮忙吗？ 我首先计算MLEs的原因是因为fitdist没有正确地这样做-即使我给出了正确的MLEs作为起始值，估计值也总是放大到无穷大(见下文)。如果之前手动给fitdist我的参数的选择是不可能的，那么fitdist中有没有一种优化方法可以正确地估计pareto参数？ 我没有发布原始数据的权限，但这里是在原始数据上使用伽马分布/帕累托分布的ML
浏览 78提问于2020-10-20得票数 0
回答已采纳
1回答
我试图找到的发行版。我试过用fitdistrplus包
data <- data.matrix(Book1)
descdist(data, discrete = FALSE)
但是得到这个错误：
下降错误(数据，离散=假)：数据必须是数字向量
浏览 3提问于2016-01-26得票数 1
1回答
我们正在使用glmmTMB包执行beta混合效应回归分析，如下所示：
mod = glmmTMB::glmmTMB(data = data,
formula = rating ~ par1 + par2 + par3 +
(1|subject)+(1|item),
family = glmmTMB::beta_family())
接下来，我们想要运行一个模型比较--类似于用于‘lm’对象的‘step’函数。到目前为止，我们从MuMIn包中找到了“疏浚”函数
浏览 15提问于2022-09-02得票数 0
我想对我的数据是否符合特定的分布函数进行直观的评估。为此，我使用R生成分位数-分位数(Q-Q)图。分布函数非常具体，没有出现在概率分布的标准列表中，因此我编写了自己的R函数来描述它。它在下面的代码中称为'DistFunc‘，由两个伽马函数的比率组成。
简而言之，我在代码中所做的就是从文件'DistributionEstimate.txt‘中读取数据，该文件包含两列。列1是x值，列2是y值。变量'a‘和'b’是我之前在另一个程序中使用该分布函数对数据的最小二乘拟合确定的最佳拟合参数。然后，我定义了DistFunc，并尝试使用qqmath函数绘制Q-Q图。
问题出现
浏览 5提问于2014-05-24得票数 2
1回答
来自
zipf的概率质量函数是：
zipf.pmf(k，a) = 1/(zeta(a) * k**a)为k >= 1。
zipf以a作为形状参数。
上面的概率质量函数是以“标准化”形式定义的。若要移动分布，请使用loc参数。具体来说，zipf.pmf(k，a，loc)与zipf.pmf(k，a)完全等价.
但是a 和 k 指的是什么呢？“形状参数”是什么意思？
此外，在scipy.stats.zipf.interval中有一个alpha参数。
.interval()方法的描述很简单：
包含分发部分alpha %的范围的端点。
alpha 参数是什么意思？是“置信区间”吗？
浏览 5提问于2017-03-22得票数 2
回答已采纳
我是R的新手，我发现使用boot函数生成参数化的bootstrap示例有点困难。我已经计算了威布尔分布的mle参数，现在我需要生成500个重复。
到目前为止，我已经这样做了。
#givenData is of this form---> int [1:2546] 69 49 40 33 33 .....
library("boot")
library("MASS")
library("fitdistrplus")
library("actuar")
statFunc = function(d, i)
{
d2 =
浏览 0提问于2015-10-07得票数 1
1回答
我使用不同的python来适应数据集中的密度函数。此数据集由从1秒开始的正时间值组成。
我测试了来自scipy.statistics和powerlaw库的不同密度函数，以及使用scipy.optimize的函数curve_fit()测试自己的函数。
到目前为止，当拟合下列修正的幂律函数时，我得到了最好的结果：
def funct(x, alpha, x0):
return((x+x0)**(-alpha))
我的代码如下：
bins = range(1,int(s_distrib.max())+2,1)
y_data, x_data = np.histogram(s_distrib,
浏览 5提问于2020-04-02得票数 0
1回答
给定正态分布的均值和方差，我想从任意给定的分布中生成随机数。例如:β，Gamma或泊松分布在Matlab中。
如果给我一个数字，0.1，我想在这里生成随机数。因此，我将把这个数字作为我的平均值，有一个预先定义的方差，比如0.75/1/2。
那么，我如何从matlab中给我的任何分布中用这个均值和方差进行抽样呢？
浏览 1提问于2013-12-04得票数 0
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
