In primo luogo, si potrebbe voler guardare FAdist package. Tuttavia, non è così difficile andare rweibull3
-rweibull
:
> rweibull3
function (n, shape, scale = 1, thres = 0)
thres + rweibull(n, shape, scale)
<environment: namespace:FAdist>
e simile, da dweibull3
a dweibull
> dweibull3
function (x, shape, scale = 1, thres = 0, log = FALSE)
dweibull(x - thres, shape, scale, log)
<environment: namespace:FAdist>
così abbiamo questo
> x <- rweibull3(200, shape = 3, scale = 1, thres = 100)
> fitdistr(x, function(x, shape, scale, thres)
dweibull(x-thres, shape, scale), list(shape = 0.1, scale = 1, thres = 0))
shape scale thres
2.42498383 0.85074556 100.12372297
( 0.26380861) ( 0.07235804) ( 0.06020083)
Modifica: Come menzionato nel commento, appaiono vari avvisi quando si cerca di adattare la distribuzione ione in questo modo
Error in optim(x = c(60.7075705026659, 60.6300379017397, 60.7669410153573, :
non-finite finite-difference value [3]
There were 20 warnings (use warnings() to see them)
Error in optim(x = c(60.7075705026659, 60.6300379017397, 60.7669410153573, :
L-BFGS-B needs finite values of 'fn'
In dweibull(x, shape, scale, log) : NaNs produced
Per me in un primo momento è stato solo NaNs produced
, e che non è la prima volta quando la vedo così ho pensato che non è così significativo dal momento che le stime erano buone. Dopo alcune ricerche sembrava essere un problema abbastanza popolare e non riuscivo a trovare né la causa né la soluzione. Un'alternativa potrebbe essere l'utilizzo del pacchetto stats4
e della funzione mle()
, ma sembra che abbia anche qualche problema. Ma io posso offrire di utilizzare una versione modificata di code da danielmedic che ho controllato un paio di volte:
thres <- 60
x <- rweibull(200, 3, 1) + thres
EPS = sqrt(.Machine$double.eps) # "epsilon" for very small numbers
llik.weibull <- function(shape, scale, thres, x)
{
sum(dweibull(x - thres, shape, scale, log=T))
}
thetahat.weibull <- function(x)
{
if(any(x <= 0)) stop("x values must be positive")
toptim <- function(theta) -llik.weibull(theta[1], theta[2], theta[3], x)
mu = mean(log(x))
sigma2 = var(log(x))
shape.guess = 1.2/sqrt(sigma2)
scale.guess = exp(mu + (0.572/shape.guess))
thres.guess = 1
res = nlminb(c(shape.guess, scale.guess, thres.guess), toptim, lower=EPS)
c(shape=res$par[1], scale=res$par[2], thres=res$par[3])
}
thetahat.weibull(x)
shape scale thres
3.325556 1.021171 59.975470
Forse, se hai fatto un [esempio riproducibile] (http://stackoverflow.com/questions/5963269/ how-to-make-a-great-r-reproducible-esempio) che dimostra la tua domanda/problema, alla gente sarebbe più facile rispondere. Nello specifico, come appare 'x [[6]]'. Come minimo, post 'str (x [[6]]' o preferibilmente i risultati di 'dput (x [[6]])'. – Andrie
Non è possibile utilizzare la distribuzione 'weibull' integrata disponibile in R, perché è una distribuzione weibull a due parametri Si deve calcolare la funzione di densità di probabilità personalizzata (3 parametri) e usarla invece. – dickoa