MLE的Newton-Raphson代码-需要TRUE/FALSE时缺少值 newtonraphson
您正在从泊松分布中寻找MLE的Newton-Raphson代码-需要TRUE/FALSE时缺少值 newtonraphson,r,newtons-method,mle,R,Newtons Method,Mle,您正在从泊松分布中寻找lambda的最大似然估计。 但是,您正在求解未给出最大可能性的ftn(lambda)=0(假设参数p实际上是lambda的值) 从lambda的最大似然误差来看,是sum(X)/length(X) 您应该将ftn的导数设置为零,并求解lambda。你不需要你的newtonraphson 求解(1/lambda)*sum(X[i])-10=0,这将给出维基百科中的表达式。(10是长度(X))。不要让λ从0开始。执行类似于lambda的操作感谢您的输入。X不是真正的。你为什么
lambda
的最大似然估计。
但是,您正在求解未给出最大可能性的ftn(lambda)=0
(假设参数p实际上是lambda
的值)
从lambda
的最大似然误差来看,是sum(X)/length(X)
您应该将ftn
的导数设置为零,并求解lambda
。你不需要你的newtonraphson
求解
(1/lambda)*sum(X[i])-10=0
,这将给出维基百科中的表达式。(10是长度(X)
)。不要让λ从0开始。执行类似于lambda的操作感谢您的输入。X不是真正的。你为什么要做lambda
newtonraphson <- function(ftn, x0, tol = 1e-9, max.iter = 100) {
x <- x0
fx <- ftn(x)
iter <- 0
while ((abs(fx[1]) > tol) & (iter < max.iter)) {
x <- x - fx[1]/fx[2]
fx <- ftn(x)
iter <- iter + 1
cat("At iteration", iter, "value of x is:", x, "\n")
}
if (abs(fx[1]) > tol) {
cat("Algorithm failed to converge\n")
return(NULL)}
else {
cat("Algorithm converged\n")
return(x)}
}
X <- c(3,1,2,0,6,8,4,5,7,0)
n <- 10
lambda <- seq(0,10,0.01)
ftn <- function(p) {
for (i in 1:10){
fp <- sum(X[i])*log(lambda) - 10*lambda
dfp <- (1/lambda)*sum(X[i]) - 10
}
return(c(fp,dfp))
}
newtonraphson(ftn, 0.1, 1e-06)
Error in while ((abs(fx[1]) >= tol) & (iter <= max.iter)) { :
missing value where TRUE/FALSE needed