0

从gamlss.dist页面exGAUSS：

心理学家经常使用前高斯分布来模拟响应时间 (RT)。它是通过添加两个随机变量来定义的，一个来自正态分布，另一个来自指数。参数mu和sigma是正态分布变量的均值和标准差，而参数nu是指数变量的均值。

以下是我们应该如何估计参数：

library(gamlss)
y <- rexGAUS(100, mu = 300, nu = 100, sigma = 35)
m1 <- gamlss(y ~ 1, family = exGAUS)
m1

不幸的是，估计值相差甚远：

Family:  c("exGAUS", "ex-Gaussian") 
Fitting method: RS() 

Call:  gamlss(formula = y ~ 1, family = exGAUS) 

Mu Coefficients:
(Intercept)  
      302.9  
Sigma Coefficients:
(Intercept)  
      3.496  
Nu Coefficients:
(Intercept)  
       4.63

从 CRAN 中消失的包 retimes仍然可以从

https://cran.r-project.org/src/contrib/Archive/retimes/retimes_0.1-2.tar.gz
它有一个功能mexgauss：

library(retimes)
mexgauss(y)

给出：

       mu     sigma       tau 
319.42880  55.51562  85.94403

哪个更近。

4

1 回答 1

3

sigma在模型输出中，对和确实的估计nu似乎很遥远。这是因为exGaus()默认情况下对这两个参数都使用日志链接。从文档中，显示默认值：

exGAUS（mu.link = “身份”，sigma.link = “log”，nu.link = “log”）

输出显示模型比例的结果，因此这两个参数的估计值以对数比例给出。

如果我们对结果求幂sigma，nu然后我们得到的估计看起来更合理，更接近我们的预期。

# estimated sigma should be close to 35
exp(3.496)
#> [1] 32.98325

# estimated nu shoud be close to 100
exp(4.63)
#> [1] 102.5141

由reprex 包于 2021-10-11 创建 (v2.0.0 )

于 2021-10-11T19:37:28.383 回答