该错误来自函数fitdistrplus:::checkparamlist，该函数由fitdist调用，以确保传递给start的列表中的名称与传递给distr的函数中的参数名称匹配。当你在start中传递一个像ppp这样的向量作为参数时，checkparamlist会通过附加一个整数来重命名向量的每个元素。这意味着参数名称变为"pp1", "pp2", "pp3"，依此类推，直到"pp10"。由于没有传入名为pp的参数，因此抛出错误。
由于这个问题，我不确定是否有一种方法来估计fitdist中的矢量化参数，但幸运的是，在这种情况下，我们可以很容易地自己拟合分布。
因为我们知道分布的平均值是
x1c 0d1x的数据
方差是

的
(Reference)
然后我们知道，如果我们有一个样本dd，如果pp完全符合分布，以下函数将返回0：

objective <- function(pp) {
  abs(mean(dd) - sum(pp)) + abs(sum(pp * (1 - pp)) - var(dd))
}

字符串
为了演示这一点，让我们从rpoibin中取一个更大的示例

set.seed(123)

dd  <- poibin::rpoibin(100000, pp=seq(0.1, 0.5, length.out=10))
ppp <- runif(10)

型
现在，我们找到优化目标函数的值集：

pp_opt <- optim(par = ppp, objective)$par

pp_opt
#>  [1] 0.45594175 0.08754997 0.54250499 0.28056432 0.30363457 0.28354584
#>  [7] 0.17861750 0.21109410 0.41562763 0.23920435

型
我们可以通过绘制直方图并将dpoibin的输出与pp参数的计算值叠加来确认这是一个很好的拟合：

hist(dd, freq = FALSE, breaks = 0:11 - 0.5)
points(0:10, poibin::dpoibin(0:10, pp = pp_opt), col = "red")

型

请注意，pp的最佳值可能有许多解，我们不应该期望得到seq(0.1, 0.5, length.out = 10)。首先，顺序并没有什么不同。我们可以看到pp_opt的均值和方差与seq(0.1, 0.5, length.out = 10)非常相似，这是拟合分布的关键

mean(seq(0.1, 0.5, length.out = 10))
#> [1] 0.3
mean(pp_opt)
#> [1] 0.2998285

sum((1 - pp_opt) * pp_opt)
#> [1] 1.930687
sum((1 - seq(0.1, 0.5, length.out = 10)) * seq(0.1, 0.5, length.out = 10))
#> [1] 1.937037

型
一般来说，由于排序以及无限多个集合具有相同分布和计算方差的事实，不可能从给定样本中精确地恢复pp。
创建于2023-07-18，使用reprex v2.0.2