文章/答案/技术大牛

发布

社区首页 >问答首页 >二项式数据的最大似然估计

问二项式数据的最大似然估计
EN

Stack Overflow用户

提问于 2018-12-04 23:02:20

回答 1查看 847关注 0票数 1

我需要找到二项式数据向量的最大似然估计。

像这样的人：

binvec <- rbinom(1000, 1, 0.5)

我尝试首先创建这个函数，然后使用optim()优化它。

llbinom <- function(theta, x) {return(sum(dbinom(x=x,
               size = theta[1],
               prob = theta[2],log=TRUE)))}
mybin <- optim(c(0.5,0.5),fn=llbinom,x=binvec)
mybin

我确实得到了一些结果，但也得到了一些错误消息，即NaN正在生成，函数不能在初始参数中进行评估。我根据一个适用于正态分布数据的示例构建了它，并认为我在转换它时犯了错误。

这里，我得到的原始代码：

ll <- function(theta,x) {return(-sum(dnorm(x=x,
   mean=theta[1],sd=theta[2],log=TRUE)))}
mle <- optim(c(5,3),fn=ll,x=binvec)

economics

回答 1

Stack Overflow用户

回答已采纳

发布于 2018-12-04 23:31:56

这里有几个问题。

看起来您缺少了一个负号(除非您设置了控制参数fnscale=-1，否则默认情况下fnscale=-1会最小化，因此需要定义一个负日志似然函数)。
size参数必须是整数
从数据中估计size参数是不寻常的，也是技术上的挑战(如果您想要阅读这项技术，通常使用N-混合模型来完成:例如，参见unmarked包)；通常假设试验的次数是已知的。所以我会尝试

llbinom <- function(theta, x) {return(
   -sum(dbinom(x=x,
               size = 1,
               prob = theta[1],log=TRUE)))}
mybin <- optim(c(0.5),fn=llbinom,x=binvec)

要做到这一点有很多理由(数值)；如果你真的只需要找到单个二项分布样本x (独立观测，在s试验中成功的概率相同)的概率，那么解析解就是sum(x)/sum(s) .

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/53622728

复制

相似问题

问二项式数据的最大似然估计
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问二项式数据的最大似然估计EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问二项式数据的最大似然估计
EN