Nakagami 분포의 로그 가능성은 무한합니다. R

[60,80] $에있는 내 데이터 세트의 정규화 된 막대 그래프를 Nakagami 분포에 맞추고 있습니다. 우선 다음과 같은 MLE 코드를 VGAM 패키지의 dnaka을 사용하여 규모와 형태 매개 변수를 추정 한 :Nakagami 분포의 로그 가능성은 무한합니다. R

: 다음

ll <- function(par) { 
    if(par[1]>0 & par[2]>0) {return(-sum(log(dnaka(x, scale = par[1], shape = par[2]))))} # m=shape, ohm or spread = scale 
    else return(Inf) 
} 
mle = optim(c(1000,1), ll)

, 나는 다음과 같은 코드를 통해 추정 된 매개 변수에 따라 로그 우도 값을 추정하고

lik = sum(log(dnaka(x, shape = mle$par[1], scale = mle$par[2])))

그러나 log-likelihood 값 lik는 -Inf입니다. 나는이 무한한 값이 나카가미 분포의 PDF 방정식에서 exp (.) 용어로 인한 것임을 이해한다. [60,80] $에서 데이터 세트 $ x \에 대한 Nakagami 분포에 대한 유한 로그 가능도 값을 추정하는 방법이 있습니까? 고맙습니다.

출처

2017-10-12 Muaz Khan

scale = 1.5 및 shape = 1 데이터를 시뮬레이션 사용? 이 분포에는 분포가 거의 없기 때문에 이상한 결과를 얻는 것은 놀라운 일이 아닙니다. 내가 뭔가를 놓치지 않는 한, 이것은 나에게 의미가 없다. 또한 shape 매개 변수는'shape> = 0.5'에 대해 정의되어 있으므로 로그 가능성 함수가 올바르지 않습니다. –

원래 질문에 대한 내 의견을 참조하십시오. 여기

는 작업 예제를 사용하면 범위 60

set.seed(2017); 
x <- rnaka(10^4, scale = 1.5, shape = 1); 

ll <- function(par) { 
    if (par[1] >= 0.5 && par[2] > 0) { 
     return(-sum(log(dnaka(x, scale = par[1], shape = par[2])))); 
    } 
    else return(Inf); 
} 

mle <- optim(c(0.5, 1), ll); 

mle$par; 
#[1] 1.4833965 0.9938022 

ll(mle$par); 
#[1] 7946.478

출처

2017-10-12 07:17:08

Nakagami 분포의 로그 가능성은 무한합니다. R

답변

관련 문제