我尝试使用“fitdistplus”包中的“fitdistr”函数将GEV分布调整到数据集。我在解释另一个数据集的p值结果时也遇到了麻烦。来自“gofstat”函数的“chisqpvalue”返回空向量。
先谢谢你了。
我尝试了以下脚本:
library(fitdistrplus)
library(evd)
x <- c(11, 6, 3, 3, 4, 4, 5, 9, 4, 16, 8, 9, 7, 8, 16, 11, 5, 8, 9, 4, 17, 6, 7, 7, 6, 6)
par <- list(loc = 0.0, scale = 1.0, shape = 0)
fitX <- fitdist(abs(x), "gev",start=par)
resultX <- gofstat(fitX)
它返回以下消息:函数mle无法估计参数,错误代码为100
当我从数据集中删除一些值时,它会运行我们的错误:
x <- c(11, 6, 3, 3, 5, 9, 4, 16, 8, 9, 7, 8, 16, 11, 5, 8, 9, 4, 17, 6, 7, 7, 6, 6)
par <- list(loc = 0.0, scale = 1.0, shape = 0)
fitX <- fitdist(abs(x), "gev",start=par)
resultX <- gofstat(fitX)
我认为问题可能是我选择的起始参数。但是,有没有一个正确的方法来估计它?
我的另一个问题是关于p值的结果。在下面的示例(另一个数据集)中,代码正在运行,拟合GEV分布,但p值(chisqpvalue)结果为Null
x <- c(10, 21, 7, 17, 18, 16, 17, 12, 22, 19, 12, 49, 11, 9)
par <- list(loc = 0.0, scale = 1.0, shape = 0)
fitX <- fitdist(abs(x), "gev",start=par)
resultX <- gofstat(fitX)
1条答案
按热度按时间frebpwbc1#
使用
bbmle::mle2
,它更灵活一点,可以让我们在对数尺度上拟合尺度参数,这样我们就可以避免麻烦:使用这些起始值足以让
fitdist
成功: