R 加权数据的威布尔分布

我需要一些时间来创建事件数据，以便为仿真模型的子组生成大约200个形状/比例参数。我已经分析了数据，它最好遵循威布尔分布。 通常，我会使用FitDistripPlus包和

fitdist（x，“weibull”）

来实现这一点，但是这些数据已经使用内核匹配进行了匹配，我有一个称为

km

的权重值变量，因此需要加入权重，就我所知，

fitdist

无法做到这一点。 使用伽马分布数据而不是使用

fitdist

我使用

hsmisc

包中的

wtd.mean

和

wtd.var

函数手动进行计算，效果很好。然而，我却找不到一个类似的威布尔公式

我一直在测试一些选项，并将它们与fitdist的结果进行比较：

test_data <- rweibull(100, 0.676, 946)
fitweibull <- fitdist(test_data, "weibull", method = "mle", lower = c(0,0))
fitweibull$estimate
shape          scale
0.6981165      935.0907482

然而，虽然这些都给出了结果，但我仍然不认为我能用权重将我的数据拟合到这些数据中

编辑：我还尝试了来自

ExtDist

包的类似名称的

eWebull

（我不是100%确定它是否仍然有效，但它确实有一个加权的weibull函数！）。我收到很多关于输入不可计算（NA或无限）的错误消息。如果我使用

map

，那么

map（test\u data，test\u km，eWebull）

我会得到所有100个值的[[NULL]值。如果我仅使用test\u数据进行尝试，我会得到一长串与optimx相关的错误

我还尝试了

propagate

中的

fitdire

，它给出了

weights

应该是特定长度的错误。例如，如果两者都设置为100，我会得到一个

weights

应该是长度94的错误。如果我将其设置为94，它会告诉我长度必须是132

---

我需要能够将一组预加权平均值/var/sd等数据传递到计算中，或者拥有一个函数，可以获取数据和权重，并在计算中同时使用它们。

经过多次尝试和错误后，我将

EnvStats

包中的

eWebell

函数编辑为，而不是使用

mean（x）

和

sd（x）

，改为使用

wtd.mean（x，w）

和

sqrt（wtd.var（x，w））

。现在运行并输出加权值

library(bbmle)
m1 <- mle2(y~dweibull(shape=exp(lshape),scale=exp(lscale)),
 data=data.frame(y=test_data),
 start=list(lshape=0,lscale=0)) 

eweibull <- eweibull(test_data)
eweibull$parameters
shape       scale
0.698091    935.239277