使用bbmle包（R）中的函数mle2（）获取指数分布和幂律分布的参数

以下是mydata的一部分：

原始数据非常大，所以我上传了20行的一部分数据

x <- [7.6,2.2,1.1,4.7,8.6,7.5,7.5,29.9,5.0,3.0,2.4,1.5,14.9,3.9,3.7,3.2,5.0,1.7,2.9,2.3]

这些功能正确吗？ 使用mle2（）获取参数：

#get the parameter u of power law
s1 <- mle2(pl,start = list(u=2),data = list(x))
summary(s1)
#get the parameter lamda of exponential distribution
s2 <- mle2(ex,start = list(β=2),data = list(x))
summary(s2)

#获取幂律的参数u
s1与您可能期望的差不多。您还没有指定数据的条件分布，所以我将假设为正态分布。（考虑到这一点，您也可以使用
nls（）
——最小二乘法是正态、同方差响应的最大似然估计），尽管
mle2
提供了更多使用优化器等的空间。）

我将使用公式界面，如果你的模型不太复杂的话，这很方便

幂律
指数型
。。。其中，
start
中的元素是任何合理的起始值。鉴于您的上述数据，这些方法应该在数据的子集上合理地工作。然而，它们在1000万次观测中可能表现不佳。我会考虑使用< /P>
glm(y~x,family=gaussian(link="log"),data=mydata)

拟合指数曲线和

glm(y~log(x),family=gaussian(link="log"),data=mydata)

拟合幂律曲线。
x=[0.8,0.9,1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9]x=[0.8,0.9,1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9]，我的数据是这样的，但我的数据长度是1000万。还有一个问题，A、mu和logsd可以是我在开始列表中输入的任何数字？你可能认为mydata是data.frame，有两列，分别命名为x和y？你能编辑你的问题以包含这些信息吗？很抱歉我对mydata的描述不好，我在问题描述中上载了部分mydata，请再看一看，谢谢！
  mle2(y~dnorm(mean=B*exp(-beta*x),sd=exp(logsd),
     start=list(B=...,beta=...,logsd=...),
     data=mydata)  

glm(y~x,family=gaussian(link="log"),data=mydata)

glm(y~log(x),family=gaussian(link="log"),data=mydata)