问题标签 [gamma-distribution]

我遇到了与 dmartin 上一篇文章相同的问题，但提出的解决方案不适用于我的数据集。

试图适应：

我将我的 R 版本上传到 R-3.1.0 for Windows（32/64 位），以便运行 glmmADB 包作为对交互因素应用事后测试的一种方式。

在此之前，我在以前的 R 版本中使用 glmer，它至少对 glmer 运行良好，它给了我以下输出：

由于我对栖息地和污名类型的每个级别之间的差异以及相互作用感兴趣，我ghlt从以下位置申请multicomp：

并且：
错误：pwrssUpdate 在 (30) 次迭代中没有收敛

从这里，我切换到 R最新版本进行安装glmmADMB，并收到消息：
警告消息：在 checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to blend with max|grad | = 0.00436052 (tol = 0.001)

我按照 Ben Bolker 的说明（对 dmartin 的回应）尝试使用
control=glmerControl(optimizer="bobyqa") 进行改装，但
警告消息：1：在 checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 模型未能收敛到 max|grad| = 52.2329 (tol = 0.001) 2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 模型未能收敛: 具有 1 个负特征值的退化 Hessian

有什么想法吗？

谢谢！

在论坛搜索后，我没有找到类似的问题。如果我错过了，请告诉我。我真的很感激。

我需要使用给定的形状和比例参数以及 R 中的下限/上限从伽马分布中生成 N 个（可以是 10000 个或更多）样本点。

我知道如何通过“for循环”来做到这一点，但是效率不高。

这效率不高。

任何更有效的解决方案都会受到赞赏。

在论坛搜索后，我没有找到类似的问题。如果我错过了，请告诉我。我真的很感激。

我需要为 R 中的任何给定形状和比例值绘制截断伽马的 pdf 、 cdf 和分位数函数。但是，我得到了一些形状和比例值的错误。

我的代码：

我的理解是，对于某些 gamma 的 pdf，其截断的 gamma 分布不存在？

任何帮助，将不胜感激！

搜索论坛后，我没有找到类似的问题。如果你找到了，请告诉我。我真的很感激。

我需要从截断的伽马分布中生成 1000 个样本点均值，在 R 中具有 1000 个不同的形状和比例值。

我的以下代码有效，但速度很慢。如何提高性能？

for 循环非常慢并且需要很长时间。

任何更好的解决方案将不胜感激。谢谢 ！

搜索论坛后，我没有找到类似的问题。如果你找到了，请告诉我。我真的很感激。

在 R 中，我需要检查函数 Gammad 和 Truncate（来自 lib distr 和 truncdist）的返回值。

这意味着如果他们无法生成 Gammad 和 Truncate pdf，则可以返回失败值或异常，以便我可以处理它。

谢谢 ！

我正在尝试以数值方式计算边际可能性（边缘化一个正参数）。我使用 Gamma 分布作为该参数的先验。在这里，我查看了两个特定参数设置的 Gamma 分布行为：

我得到以下结果：

然后我尝试了以下方法来获得更紧密的 Gamma 分布：

结果：

我很困惑。随着分布越来越紧密，高度应该越来越高，否则面积不会整合到 1。我错过了什么吗？还是有任何数字问题？谢谢！

我有一个变量，我想将其转换为具有已知形状和速率参数的伽马分布。如何将变量转换为 R 中的伽马分布？我研究了 dgamma、pgamma 和 qgamma 函数，但我不知道是否有任何函数可以满足我的要求。

这是一个小例子：

注意：我意识到这个例子使用了正态分布的数据（它不适合伽马分布），但我需要将变量重新调整为原始的伽马分布。

我密切关注这本书（http://nbviewer.ipython.org/github/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/blob/master/Chapter2_MorePyMC/MorePyMC.ipynb），但发现自己尝试使用 Pymc 解决我自己的问题时遇到问题。

我从下订单的客户那里得到了一堆订单值，它们看起来很像 Gamma 分布。我正在运行 AB 测试，想看看订单值的分布如何变化 - 输入 Pymc。我按照书中的示例进行操作，但发现它并没有真正为我工作 - 第一次尝试是这样的：

查看prior_a 和prior_b 的轨迹平均值，我看到大约3.97/3.98 的值，当我查看这些先验的统计数据时，我看到了类似的故事。但是，在定义先验后，在先验上调用rand()方法会给我我期望的值（100 到 400 之间）。基本上，更新阶段之一（我对观察阶段最不确定）正在做一些我没想到的事情。

经过一段时间的努力，我找到了这个页面（http://matpalm.com/blog/2012/12/27/dead_simple_pymc/）并决定采用不同的方法：

因此，我们不是直接寻找 Gamma 分布，而是寻找参数（我认为）。这似乎是一种享受，因为它给了我正确数量级的痕迹值。但是，现在我可以为测试组和 beta 绘制 alpha 样本的直方图，但这并不是我真正想要的。我希望能够绘制从先验和我提供的值计算的每个测试组的“类伽马”分布。正如 AB 测试示例所示，我还希望能够绘制一个“增量”。我觉得第二个示例中的确定性变量将是我最好的选择，但我真的不知道构建它的最佳方法。

长话短说 - 我从 Gamma 分布中提取数据，我想进行 AB 测试。我对数据有一个伽玛先验视图，但如果这更容易的话，我可以相信我有一个正常的先验视图。我想以一种明智的方式用我收集的数据更新相同的先验，并绘制分布和它们之间的差异。

干杯，

马特

我正在寻找与 gamfit in boost 等效的功能。任何人都知道它是否在 boost 库中实现了类似 gamfit 的功能？

谢谢

我有一个带有观察变量的数据框和运行数千行的日期戳 [Var1, DD, MM, YYYY]。我需要为每年的观察变量拟合分布[指数或伽马]，并获得每年的相关参数。

在 Matlab 中，它只是

所以我会在变量param的数据中获取每年的参数。

那么R中有什么东西可以做到这一点吗？

谢谢，