问题标签 [beta-distribution]

我正在应用 GP 回归来预测风电场的功率输出。我在 Matlab 中使用 GPML 工具箱。我使用 beta 可能性作为限制 GP 预测的一种方式（涡轮机具有最大功率输出，但 GP 不知道这一点并且经常高估功率输出）。这极大地改善了结果，但是当我尝试在整个数据集（非常大）上运行它时出现了我的问题，因为我需要使用内置的稀疏近似。

从文档来看，似乎支持使用带有 beta 似然性和拉普拉斯推理的 apxsparse，但是每当我运行它时，它都会失败，因为矩阵“不是正定的”有人知道为什么会这样吗？我在下面包含了我的代码；实现稀疏的代码被注释掉了，它运行良好，当你尝试包含它时，我得到了上述错误。

如果有人知道更好并且知道这不受支持，请告诉我。

如果专家提供有关最佳猜测估计（众数或均值）以及特定参数的上限和下限的信息，我如何使用这些信息来估计伽马分布的参数？

• 例如，最佳猜测估计 = 15,355，界限为 ±25%

那么，伽马分布的参数应该是 (64, 239.92)

谢谢，

我正在尝试使用以下代码使用包来拟合一个膨胀的 Beta 回归混合模型：gamlss

但是我收到以下错误：

我相信错误来自nlme::lme()被调用gamlss::re()以适应随机效应的函数，因为当我不包含这部分代码时它可以正常工作。我也许可以使用gamlss::random()而不是gamlss::re()来拟合随机效应，但是这些函数的帮助页面指出，当响应变量的正态假设不能满足re()时应该使用这些函数。 有人可以帮我弄清楚如何解决这个问题吗？

我的数据表有 60 条记录* 3 个字段，其中：
每条记录代表一个时间戳（t=1 到 t=60）
对于每个时间戳，我们有 2 个字段——基于大约 500 圈的成功和失败计数。例如，
对于 t =1，有 430 次成功和 70 次失败
对于 t =2，有 410 次成功和 80 次失败，依此类推。
我的目标是：
1.在单个图中创建并直观地比较 60 个时间戳的密度函数。
2.计算每个 t 的真实成功率 >=0.85 的概率。
如何在 R 中一次性对所有时间戳执行此操作，而无需运行相同的函数（见下文）60 次？
单个案例 t=0 的示例，其中有 430 次成功和 70 次失败

我得到了一个函数（混合了 beta 分布）：

我的任务是绘制 f(x) 的密度。

这是我的代码：

只是想知道这是否是正确的方法？我怎样才能使用密度函数来做到这一点？谢谢！

为了从 beta 发行版中采样，我编写了该代码：

该代码几乎适用于aand的所有值b。事实是，当a和b太接近 0 或 1 时，代码不再起作用。例如，对于a=0.00015and b=0.00020，R 给出的Faand的值为Fb1。由于这两个值相同，因此代码不再起作用。但是这些值应该是不同的，因为pbeta(a, alpha, beta, log=TRUE)是不同的 pbeta(b, alpha, beta, log=TRUE)。

我的问题是，有没有办法找到Faand的真正价值Fb？

我想使用 pymc3 进行贝叶斯分析。我的一个参数具有 Beta 分布，a=28.78, b=0.98, loc=-0.22, scale= 0.32。有谁知道如何在 pymc3 模型中定义 4 参数 Beta 分布？就像是：

正则化不完全 beta 函数 I(x,a,b) 是随机变量分布 Beta(a,b) 的 CDF。我有一个问题，需要计算其逆（分位数函数）wrt 参数 a 和 b 的偏导数。你知道有什么 R 函数可以做到这一点吗？谢谢！

我必须从Beta Pert Distribution开始生成一些随机值，其中

我正在使用https://commons.apache.org/proper/commons-math/来计算它。

这是我得到的输出：

生成的值似乎具有范围[0,...,1]。

如何自定义生成值的范围，比如说，[150, 3900]？

在 Excel 中，我使用BETA.INV 函数

我可以做这样的事情来转换样本数据并在一定范围内得到结果[min,..., max]，但我希望 Apache commons-math 库中有一个合适的方法。