다음을 수행하는 최선의 방법을 모색 중입니다. 나는 R에 내장 된 계산적으로 무거운 모델을 가지고있다. (코어에서 MLE를 사용한다.)이 모델을 사용하기 위해 프런트 엔드 GUI를 제공하고 싶다. 모델에 대한 입력은 특히 간단하며 두 개의 숫자 목록 만 있고 모델은 다양한 매개 변수를 내 보냅니다. 기본적으로 GUI 구성 요소는 사용자가 파일을 업로드하고,
이 질문이 다 빠지면 사과드립니다. 나는 특정 통계 함수에 대한 최적의 매개 변수를 찾기 위해 R의 mle2() 함수를 활용하려는 ; 그래디언트 디센트를 사용한다고 가정합니까? 그래서 이렇게 내 전화를 가지고 : 내 우도 함수는 특히 A1, B1 필요 r = mle2(minuslogl = likelihood,
start = list(a1=0.1,b
내가 내 자기 회귀 모델 parametere 추정에 다음 코드를 사용하는 것을 시도하고있다 : Call:
ar(x = file[, 1], aic = TRUE, order.max = NULL, method = "mle")
Coefficients:
1 2 3 4 5 6 7 8
-2.3811 -3.3336 -4.3599 -4.866
포아송 분포가 GLM에 적용되는 최대 우도 추정 프레임 워크 내에서 작동하는 방식을 이해하기 위해 자체 함수를 작성하려고합니다. 다음은 내가 maxLike 입력 n <- 10000 # sample size
b0 <- 1.0 # intercept
b1 <- 0.2 # coefficient
x <- runif(n=n, min=0, max=1.5) # ge
R의 최대 가능성에 문제가 있습니다. 귀하가 저를 도울 수 있기를 바랍니다. 코드에서 Nt는 해당 볼륨에 대해 관찰 된 클레임 수와 vt를 나타냅니다. 처음에는 포아송 거리를 가정합니다. 그래서 나는 뮬을 가지고 람다를 추정했고 0.10224를 얻었다. 그런 다음 fitdistr로 람다를 추정하려고 시도한 결과 1022.4였습니다. 이 두 기능의 차이점은
음의 로그 가능성을 직접 최소화하여 일부 비율 데이터에 맞는 누적 표준 곡선에 대한 최대 우도 파라미터 (MLE)를 얻고 싶습니다. glm 사용). 내가 para<- optim(c(0.1, 0.1), nll)$par
나는 다음과 같은 오류를 얻은 MLE 매개 변수에 실제로 가까운 초기 값을 사용하는 경우, x <- c(-0.250, -0.056, 0.1
mm/d 단위로 제공되는 강수량 데이터에 대해 정확한 기상 데이터 분석을 수행하고 있습니다. 필자는 maximum likelihood method를 사용하여 일반화 된 Pareto 분포의 매개 변수를 추정하기 위해 임계치 초과 접근법을 사용하고 있습니다. 목표는 일일 강수량에 대한 몇 가지 반환 수준 (즉, 2, 5, 10, 20, 50, 100 년 이벤트
mle() 메소드를 사용하여 R에서 여러 예측 변수가있는 로짓 회귀를 손으로 계산합니다. 아래의 함수 calcLogLikelihood에서 로그 가능성을 계산하는 데 필요한 추가 인수를 전달하는 데 문제가 있습니다. 음의 로그 가능성을 계산하는 기능은 다음과 같습니다. # Read in data
data <- read.csv("data.csv")
# c