R：使用fitdistrplus来拟合离散数据直方图上的曲线

问题描述：

所以我有这个离散数据集合my_dat，我试图拟合曲线以便能够根据my_dat生成随机变量。我在连续数据上使用fitdistrplus取得了巨大成功，但尝试将其用于离散数据时出现了许多错误。R：使用fitdistrplus来拟合离散数据直方图上的曲线

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)

我看看数据的直方图第一：

hist(my_dat)

由于数据的离散，我决定尝试二项分布或负二项分布，以适应，这是我遇到麻烦：在这里我尝试定义每个：

fitNB3 <- fitdist(my_dat, discrete = T, distr = "nbinom") #NaNs Produced 
fitB3 <- fitdist(my_dat, discrete = T, distr = "binom")

我收到两个错误：

fitNB3似乎运行，但指出，“公司生产的NaN” - 任何人都可以让我知道为什么是这样？
fitB3根本没有运行，并提供给我以下错误：“start.arg.default（data10，distr = distname）中的错误：分发binom的未知起始值。” - 任何人都可以指出为什么这不起作用？我不清楚提供起始数字，因为数据是离散的（我试图在fitdist函数中使用start = 1，但我收到另一个错误：“fitdist中的错误（my_dat，discrete = T，distr =”binom“，start = 1 ）：该函数MLE未能估计参数，错误代码100"

我一直在纺纱我的车轮上这一段时间，但我会采取对这些错误的任何反馈

答

请勿在离散数据上使用hist，因为它不会执行您认为正在执行的操作。

比较plot(table(my_dat))与hist(my_dat) ...然后思考你之前做过多少错误的印象。如果你必须使用hist，请确保你指定了中断，不要依赖为连续变量设计的默认值。
```
hist(my_dat) 
lines(table(my_dat),col=4,lwd=6,lend=1) 
```
无论你的模型可以适合作为这两个分布从0，而不是1开始，并与你有值的大小，P（0）不会是可忽略小。
我在运行代码时没有遇到任何适合负二项式的错误。
您有相关配件二项式是您需要提供的参数，这是所谓的size（n）和prob（P）的初始值，所以你需要说的这个问题是这样的：
```
fitdist(my_dat, distr = "binom", start=list(size=15, prob=0.2)) 
```
但是，您将会遇到新的问题！优化器假定参数是连续的，并且将在size上失败。

在另一方面，这可能是一件好事，因为未知ň MLE不是很乖，特别是当p小。

通常，对于二项式，预计您会知道n。在这种情况下，p估计可以做如下：
```
fitdist(my_dat, distr = "binom", fix.arg=list(size=20), start=list(prob=0.15)) 
```
然而，随着固定ñ，最大似然估计是在任何情况下简单 - 你不需要为一个优化。

如果你真的不知道n，有很多比MLE更好的估计值，但这不在这个问题的范围之内。

R：使用fitdistrplus来拟合离散数据直方图上的曲线

相关推荐