R 用极大似然估计法确定日计数数据分布的峰值
我试图通过点计数来估计迁徙期的峰值丰度日期。之前的一项研究使用了以下方法: 将截短正态分布拟合为每5天的诱捕密度。使用迭代算法获得分布平均值(对应于估计的峰值通过)及其标准误差的最大似然估计 我可以解决大部分的问题,但我可能只停留在最简单的问题上。我的数据采用以下格式:一列表示日期,一列表示该日期的计数 在其他程序中,我可以使用分发日期和计数作为分发频率。这将使我能够根据计数进行分配 然而,我不知道如何在R中实现这一点。FitDisr或dnorm等函数只允许向量字符串 有没有函数可以让我有一个频率向量和一个感兴趣的变量向量,并用它来拟合分布 数据如下所示: 总人数(总人数) 年度统计日R 用极大似然估计法确定日计数数据分布的峰值,r,distribution,data-fitting,R,Distribution,Data Fitting,我试图通过点计数来估计迁徙期的峰值丰度日期。之前的一项研究使用了以下方法: 将截短正态分布拟合为每5天的诱捕密度。使用迭代算法获得分布平均值(对应于估计的峰值通过)及其标准误差的最大似然估计 我可以解决大部分的问题,但我可能只停留在最简单的问题上。我的数据采用以下格式:一列表示日期,一列表示该日期的计数 在其他程序中,我可以使用分发日期和计数作为分发频率。这将使我能够根据计数进行分配 然而,我不知道如何在R中实现这一点。FitDisr或dnorm等函数只允许向量字符串 有没有函数可以让我有一个频
112 13780
122 76727
123 55458
125 36746
126 30079
127 20715
其中112-127是一年中的一天,其余的是计数
谢谢您愿意发布一个可复制的小示例吗?我已经在上面添加了几行数据。后来我找到了fit.dist(),它可能可以工作,但不能与当前版本的R一起运行