Statistics Mathematica中自定义分布的DistributionItemSet[]
我有两个自定义分布的PDF和CDF,一种为每个分布生成随机变量的方法,以及将参数拟合到数据的代码。我之前发布的一些代码: 其中一些内容如下:Statistics Mathematica中自定义分布的DistributionItemSet[],statistics,wolfram-mathematica,probability,Statistics,Wolfram Mathematica,Probability,我有两个自定义分布的PDF和CDF,一种为每个分布生成随机变量的方法,以及将参数拟合到数据的代码。我之前发布的一些代码: 其中一些内容如下: nlDist /: PDF[nlDist[alpha_, beta_, mu_, sigma_], x_] := (1/(2*(alpha + beta)))*alpha* beta*(E^(alpha*(mu + (alpha*sigma^2)/2 - x))* Erfc[(mu + alpha*sigma^2 - x)/
nlDist /: PDF[nlDist[alpha_, beta_, mu_, sigma_],
x_] := (1/(2*(alpha + beta)))*alpha*
beta*(E^(alpha*(mu + (alpha*sigma^2)/2 - x))*
Erfc[(mu + alpha*sigma^2 - x)/(Sqrt[2]*sigma)] +
E^(beta*(-mu + (beta*sigma^2)/2 + x))*
Erfc[(-mu + beta*sigma^2 + x)/(Sqrt[2]*sigma)]);
nlDist /:
CDF[nlDist[alpha_, beta_, mu_, sigma_],
x_] := ((1/(2*(alpha + beta)))*((alpha + beta)*E^(alpha*x)*
Erfc[(mu - x)/(Sqrt[2]*sigma)] -
beta*E^(alpha*mu + (alpha^2*sigma^2)/2)*
Erfc[(mu + alpha*sigma^2 - x)/(Sqrt[2]*sigma)] +
alpha*E^((-beta)*mu + (beta^2*sigma^2)/2 + alpha*x + beta*x)*
Erfc[(-mu + beta*sigma^2 + x)/(Sqrt[2]*sigma)]))/
E^(alpha*x);
dplDist /: PDF[dplDist[alpha_, beta_, mu_, sigma_], x_] :=
PDF[nlDist[alpha, beta, mu, sigma], Log[x]]/x;
dplDist /: CDF[dplDist[alpha_, beta_, mu_, sigma_], x_] :=
CDF[nlDist[alpha, beta, mu, sigma], Log[x]];
nlDist /: DistributionDomain[nlDist[alpha_, beta_, mu_, sigma_]] :=
Interval[{-Infinity, Infinity}]
nlDist /:
Random`DistributionVector[
nlDist [alpha_, beta_, mu_, sigma_], n_, prec_] :=
RandomVariate[ExponentialDistribution[alpha], n,
WorkingPrecision -> prec] -
RandomVariate[ExponentialDistribution[beta], n,
WorkingPrecision -> prec] +
RandomVariate[NormalDistribution[mu, sigma], n,
WorkingPrecision -> prec];
dplDist /:
Random`DistributionVector[
dplDist[alpha_, beta_, mu_, sigma_], n_, prec_] :=
Exp[RandomVariate[ExponentialDistribution[alpha], n,
WorkingPrecision -> prec] -
RandomVariate[ExponentialDistribution[beta], n,
WorkingPrecision -> prec] +
RandomVariate[NormalDistribution[mu, sigma], n,
WorkingPrecision -> prec]];
如果有人需要查看,我可以发布更多的代码,但我认为上面给出的方法到目前为止有很好的意义
现在,我需要一种方法将DistributionFitTest[]与这些发行版一起使用,如下所示:
DistributionFitTest[data, dplDist[3.77, 1.34, -2.65, 0.40],"HypothesisTestData"]
啊,但这不管用。相反,我会收到一条错误消息,它的开头是:
“争论
dplDist[3.77,1.34,-2.65,0.4]应为
有效的分发……”
因此,DistributionFileTest[]似乎不将这些分布识别为分布
我看不出在这种情况下使用标记集会有什么帮助,除非可以使用标记集为DistributionItemSet[]提供识别这些自定义发行版所需的内容
有人能给我一个办法让它工作吗?我想将DistributionFitTest[]用于像这样的自定义分布,或者找到一些方法来评估拟合优度
Thx--Jagra由于这个问题已经被多次提出,我认为现在是提供一些如何正确烹饪v8定制发行版的食谱的最佳时机 使用
TagSet
为您的发行版定义:
DistributionParameterQ
,DistributionParameterAssumptions
,DistributionDomain
PDF
,CDF
,SurvivalFunction
,HazardFunction
dplDist
没有DistributionDomain
定义,而nlDist
和dplDist
都没有定义
DistributionParameterQ
和DistributionParameterAssumptions
定义
我在您的定义中添加了以下内容:
dplDist /: DistributionDomain[dplDist[alpha_, beta_, mu_, sigma_]] :=
Interval[{-Infinity, Infinity}]
nlDist /:
DistributionParameterQ[nlDist[alpha_, beta_, mu_, sigma_]] := !
TrueQ[Not[
Element[{alpha, beta, sigma, mu}, Reals] && alpha > 0 &&
beta > 0 && sigma > 0]]
dplDist /:
DistributionParameterQ[dplDist[alpha_, beta_, mu_, sigma_]] := !
TrueQ[Not[
Element[{alpha, beta, sigma, mu}, Reals] && alpha > 0 &&
beta > 0 && sigma > 0]]
nlDist /:
DistributionParameterAssumptions[
nlDist[alpha_, beta_, mu_, sigma_]] :=
Element[{alpha, beta, sigma, mu}, Reals] && alpha > 0 && beta > 0 &&
sigma > 0
dplDist /:
DistributionParameterAssumptions[
dplDist[alpha_, beta_, mu_, sigma_]] :=
Element[{alpha, beta, sigma, mu}, Reals] && alpha > 0 && beta > 0 &&
sigma > 0
现在它成功了:
In[1014]:= data = RandomVariate[dplDist[3.77, 1.34, -2.65, 0.40], 100];
In[1015]:= DistributionFitTest[data, dplDist[3.77, 1.34, -2.65, 0.40],
"HypothesisTestData"]
Out[1015]= HypothesisTestData[<<DistributionFitTest>>]
[1014]中的:=数据=随机变量[dplDist[3.77,1.34,-2.65,0.40],100];
在[1015]:=DistributionFitTest[data,dplDist[3.77,1.34,-2.65,0.40]中,
“假设数据”]
Out[1015]=假设测试数据[]
不错!我想你可以在“未记录(或几乎没有记录)的功能”部分中添加这一项(如果你愿意,还可以添加更多细节)。深思熟虑,信息丰富,并揭示了引擎盖下发生的事情。我想知道谁写的教程可以提供一个关于整个主题的详细教程?它还可能包括拟合参数、矩等——所有这些都是让自定义分布尽可能无缝地与Mathematica一起工作所需要的。再次,非常感谢——JagraDoes同样适用于Loglike?基本上,您必须使用标记集来定义定制发行版上的所有可能功能吗?@jfelectron是的,同样适用于loglikelion
@Jagra“创建您自己的发行版”研讨会上的Wolfram Technology Conference 2011演示文稿现在可以从