二项式数据的最大似然估计
提问于 2018-12-04 15:02:20
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)
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-12-04 15:31:56
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) .
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
复制相关文章
腾讯云开发者
