在 R 中同时估计两个数据集的威布尔分布参数

编程问答 2022-05-10

问题描述

我正在尝试估计 3 参数威布尔分布的参数（转换参数 beta= -0.5）。问题是我必须同时拟合两组数据。使用 nlc（见下面的代码），我能够单独估计每组数据的分布参数，但不能同时估计。 GAMMA 类似于共享参数（估计的 GAMMA 在两个 nlc 估计中必须相同）。

我的数据如下所示：

x = seq(from =0,to =10,by =1)
y = c(0.1315,0.2368,0.2631,0.1578,0.0000,0.0526,0.0000)
z = c(0.3684,0.3157,0.2105,0.0789,0.0263,0.0000)

这是我的代码

# WEIBULL FUNCTION WITH ALPHA_GS and beta=-0.5
weibull_GS = function(x,GAMMA,ALPHA_GS){
  (GAMMA/ALPHA_GS)*(((x-(-0.5))/ALPHA_GS)^(GAMMA-1))*exp(-((x-(-0.5))/ALPHA_GS)^GAMMA)
}

#ESTIMATE ALPHA_GS
nlc <- nls.control(maxiter=100)
n <- nls(y ~ weibull_GS(x,ALPHA_GS),control="nlc",start = list(GAMMA=2,ALPHA_GS=3),trace=T,model=F)

summary(n)

# WEIBULL FUNCTION WITH ALPHA_GA beta=-0.5
weibull_GA = function(x,ALPHA_GA){
  (GAMMA/ALPHA_GA)*(((x-(-0.5))/ALPHA_GA)^(GAMMA-1))*exp(-((x-(-0.5))/ALPHA_GA)^GAMMA)
}

# ESTIMATE ALPHA_GA
nlc <- nls.control(maxiter=100)
m <- nls(z ~ weibull_GA(x,ALPHA_GA),ALPHA_GA=3),model=F)

summary(m)

解决方法

您正在做的是使用威布尔分布的密度函数 y = f(x) + error 拟合非线性回归模型 f。这与将威布尔分布拟合到样本中无关。

如果这确实是您想要做的，以下是回答您的问题的方法：

f <- function(x1,x2,GAMMA,ALPHA_GS,ALPHA_GA){
  c(weibull_GS(x1,ALPHA_GS),weibull_GA(x2,ALPHA_GA))
}
Sample <- c(y,z)
nls(Sample ~ f(x,x,ALPHA_GA),......)
distributiondistributionmodel-fittingnlsrrweibull