Wolfram mathematica n使用包含随机变量的函数最小化

我想知道是否有可能将mathematica中的NMINIMIMIZE用于包含随机变量的目标函数？例如，我有一个函数，其参数遵循分布（正态和截断正态）。我想将它的直方图与我所拥有的数据相匹配，并构建一个目标函数，现在我需要最小化它（因此，目标函数取决于参数的mus和sigmas，需要确定）。如果我运行我的代码，会出现一条错误消息：它声称正态分布的参数需要为正（如果我手动插入目标函数的mus和sigmas的数字，我不会得到错误消息）。 所以，我想知道NMinimize是否不可能处理非解析函数。 谢谢 这里，我给你一个示例代码（请注意，原来的函数更复杂）

---

listS和listT都是事件时间的列表。我想将我的统计模型的时间曲线（这里是一个非常简单的曲线，它由一个截断的正态分布组成）拟合到我的数据中。 为此，我比较了生存曲线，需要最小化最小二乘和。 我的问题是NMinimize函数似乎不起作用。（请注意，原始目标函数由一个更复杂的函数组成，其参数为随机变量）

（*两个列表都应该是时间列表*）

---

错误消息是：“RandomVariate:：realprm:正态分布[mu，0.9]中位置1处的参数mu预计为实数。>>”

有一个专门的站点，我们大多数人都搬到了那里。如果你愿意，我们也可以把问题移过去。n最小化[objectiveF[mu，.9]，{{mu，.4}}不是正确的结构。尝试类似nmimimize[objectiveF[mu，.9]，{mu，.2,1.2}这样的方法。另外，可能需要通过objectiveF[mu_？NumberQ…]：=，将objectiveF限制为仅数值参数。。。最后，您可能会考虑记忆objectiveF，因为它的评估成本可能相对较高。也可以在一个或多个地方使用Compile来进一步提高速度。rcollyer：是的，请将它移动到mathematica的专用站点！丹尼尔：谢谢你的评论，我会试试。。。

SurvivalS[listeS_, x_] := Module[{res, survivald},
survivald = SurvivalDistribution[listeS];
res = SurvivalFunction[survivald, x];
res]
Residuum[listeT_, listeS_] := 
Table[(SurvivalS[listeT, listeT[[i]]] - SurvivalS[listeS, listeT[[i]]]), {i,
 1, dataN}];
LeastSquare[listeT_, listeS_] := 
Total[Function[x, x^2] /@ 
Residuum[listeT, 
 listeS]];(* objective function, here ist is the sum of least square *)

objectiveF[mu_, sigma_] := 
Piecewise[{{LeastSquare[listeT, listeS[mu, sigma]], mu > 0 && sigma > 0}}, 
20 (1 + (sigma + mu)^2)];

pool = 100; (* No. points from MonteCarlo *)

listeS[mu_, sigma_] := RandomVariate[TruncatedDistribution[{0, 1}, NormalDistribution[mu, sigma]],pool];(* simulated data *)
listeT = Sort[RandomVariate[TruncatedDistribution[{0, 1}, NormalDistribution[.5, .9]],60]]; (* list of "measured" data *)
dataN = Length[listeT];
NMinimize[objectiveF[mu, .9], {{mu, .4}}]