R中均匀分布的极大似然估计导致了荒谬的结果
我想使用R中均匀分布的极大似然估计导致了荒谬的结果,r,statistics,mle,R,Statistics,Mle,我想使用mle函数来获得aUnif(a,b)分布中a和b的估计值。但我得到的荒谬的估计值不接近1和3 library(stats4) set.seed(20161208) N <- 100 c <- runif(N, 1, 3) LL <- function(min, max) { R <- runif(100, min, max) suppressWarnings((-sum(log(R)))) } mle(minuslogl = LL, start =
mle
函数来获得aUnif(a,b)
分布中a
和b
的估计值。但我得到的荒谬的估计值不接近1和3
library(stats4)
set.seed(20161208)
N <- 100
c <- runif(N, 1, 3)
LL <- function(min, max) {
R <- runif(100, min, max)
suppressWarnings((-sum(log(R))))
}
mle(minuslogl = LL, start = list(min = 1, max = 3), method = "BFGS",
lower = c(-Inf, 0), upper = c(Inf, Inf))
你知道发生了什么事吗?提前谢谢你 我首先要指出你的代码哪里错了。
dunif
而不是runif
。您可以定义:
LL <- function (a, b) -sum(dunif(x, a, b, log.p = TRUE))
偏导数w.r.t.a
/b
始终为负/正,且不能为0
当我们施加框约束时,数值方法变得可行:
-Inf我首先要指出您的代码哪里是错误的。
您需要dunif
而不是runif
。您可以定义:
LL <- function (a, b) -sum(dunif(x, a, b, log.p = TRUE))
偏导数w.r.t.a
/b
始终为负/正,且不能为0
当我们施加框约束时,数值方法变得可行:-Infmle
不是一个基本的R函数。LL
应该是你的对数似然函数吗?因为runif
绝对不应该出现在你的对数似然函数中。@lmo:library(stat4)@Dason:好吧,这就是我理解R中mle函数的方式。我做错了吗?另一件事是,该代码适用于其他发行版,如Poisson和gamma。@Lola-是的,你做得不对。你能包括你正在使用的库的名称吗mle
不是一个基本的R函数。LL
应该是你的对数似然函数吗?因为runif
绝对不应该出现在你的对数似然函数中。@lmo:library(stat4)@Dason:好吧,这就是我理解R中mle函数的方式。我做错了吗?另一件事是,该代码适用于其他发行版,如Poisson和gamma。@Lola-是的,你做得太错了。
( n / (a - b), n / (b - a) )
-(b - a) ^ 2 (b - a) ^ 2
(b - a) ^ 2 -(b - a) ^ 2
## 100 samples
set.seed(20161208); x <- runif(100, 1, 3)
# range(x)
# [1] 1.026776 2.984544
## using `optim`
nll <- function (par) log(par[2] - par[1]) ## objective function
gr_nll <- function (par) c(-1, 1) / diff(par) ## gradient function
optim(par = c(0,4), fn = nll, gr = gr_nll, method = "L-BFGS-B",
lower = c(-Inf, max(x)), upper = c(min(x), Inf), hessian = TRUE)
#$par
#[1] 1.026776 2.984544 ## <- reaches boundary!
#
# ...
#
#$hessian ## <- indeed singular!!
# [,1] [,2]
#[1,] -0.2609022 0.2609022
#[2,] 0.2609022 -0.2609022
## using `stats4::mle`
library(stats4)
nll. <- function (a, b) log(b - a)
mle(minuslogl = nll., start = list(a = 0, b = 4), method = "L-BFGS-B",
lower = c(-Inf, max(x)), upper = c(min(x), Inf))
#Error in solve.default(oout$hessian) :
# Lapack routine dgesv: system is exactly singular: U[2,2] = 0