问题标签 [mle]

请检查，是否合适。

我这里有两个向量：

这是我的代码：

这是一个很好的拟合吗？我还可以使用这个 x 和 y 的最大似然估计来估计 a、b 和 k 吗？可以给我一些在 r 中做 MLE 的代码吗？我需要比较 NLS 和 MLE。真的很感激帮助。谢谢

我刚刚从 alpha(shape parameter)=5 和 lambda(rate parameter)=5 的 gamma 密度模拟了 100 个随机观测值：

x=rgamma(100,shape=5,rate=5)

现在，我想用一个函数来计算 alpha 和 lambda 的最大似然估计，该函数将返回两个参数并使用这些观察结果。

任何提示将不胜感激。谢谢你。

我正在尝试使用 R 中使用 optimx 包的收入估算的最大似然法来估计参数。我已经定义了函数，并且我提供了具有 23 个元素的初始参数向量。在 23 个向量中，第 21 个向量的值被限制为 1。

经过几次迭代，它说达到了收敛，当我试图找出参数值时，它给了我所有参数的“NA”。我的代码是

我得到的输出是

我尝试过使用其他优化包，例如 maxLik、maxBFGS、optim。出于某种原因，那里也没有收敛。如果您需要用于编译的数据集，请告诉我。

我正在尝试使用包优化似然函数maxLik，如下所示。

但是，我不断收到以下错误消息：

我该如何解决？甚至可能吗？还有什么其他R功能可以用来优化这个？

我正在尝试使用 Scala 的微风库估计数据集的参数（Dirichlet 分布）。我已经有一个工作 python (pandas/dataframes) 和它的 R 代码，但我很好奇如何在 Scala 中做到这一点。我也是 Scala 的新手。

我似乎无法让它工作。我想在语法上我没有正确的东西。

我尝试使用的代码在这里：https ://github.com/scalanlp/breeze/blob/master/math/src/main/scala/breeze/stats/distributions/Dirichlet.scala#L111

根据上面的代码： ExpFam[T,I] 接受两个参数 T 和 I。我不知道 T 和 I 是什么。T 可以是密集矩阵吗？

我正在做的是：

此外，如果有一个像这样的数据矩阵 DenseMatrix((1.0, 2.0, 3.0),(4.0, 5.0, 6.0)) 如何在 Scala 中估计参数（Dirichlet）。

我试图通过使用来加速我的 MATLAB 代码parfor，但是，我做错了。我的代码相当简单，我使用 MATLAB 的内置函数通过对均值 ( ) 和方差 ( )mle使用不同的初始猜测来拟合一些数据。是我的概率密度函数。mmvvonestagepdf2

这是代码片段：

我收到的错误是：

“parfor 中的变量 pd 无法分类。”

在 中mle2，我使用“optimx”作为优化器。我想对参数使用下限和上限。我怎样才能做到这一点？

例如：

或者：

谢谢

我想并行化一些使用 MATLABmle例程进行参数拟合的 MATLAB 代码。我进行并行化的原因是我想对mle同一数据集执行多个不同猜测的例程。

初始模拟表明，并行化代码比串行版本（约 500 秒）多花费 200-400 秒，具体取决于我适合的数据集（到时间，我只是在代码的开头和结尾）tic。toc我使用parfor不正确吗？

我是 R 新手，并根据我所知道的其他语言自学了我对 R 的了解。我目前处于学生研究职位，必须使用 R 来找到给定似然函数的最大似然估计：

其中 g、m_i、x_ij、n_ij 和 mu_i 是已知的。我必须最大化theta_i，但我不确定如何，因为我主要是自学成才。但是，我确实知道我应该有六个估计的 theta 值。我曾尝试在网上进行有关使用 mle 的研究，但我对统计数据的了解并不远，无法了解网站在谈论什么。任何帮助找出我做错了什么将不胜感激。我不确定如何附加 excel 文件，所以很抱歉无法包含数据表。

在尝试自学并与教授合作时，我们收到此错误：

do.call("minuslogl", l) 中的错误：找不到函数 "minuslogl"

以下是我到目前为止完成的代码：

理解全球治理指标的方法很困难（http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1682130）。他们通过使用“未观察到的组件模型”来估计真正的治理价值。

1）如果我能够设置 MLE 函数来估计 alpha、beta 和 sigma，我真的可以重现他们在权重电子表格中报告的估计（http://info.worldbank.org/governance/wgi/ index.aspx#doc-sources）？或者这是不可能的，因为他们使用单独的指标而不是 WGI 的平均源数据？

2）他们声明他们在他们的符号中抑制了时间下标以保持简单。但是如果我想计算 MLE 函数，我是不是只输入一年的指标，然后所有年份都重复这个过程？或者我是否使用所有年份的所有指标执行一毫升？

非常感谢您的帮助。

编辑：

我现在能够估计代表性指标的 alpha、beta 和 sigma。现在我必须回归治理预测的非代表性指标（变量模型中的错误）：

非代表性指标 ~ 预估治理

因此，我必须计算加权预估计治理（等式 2）和标准误差（等式 3）（见上文）。

这是等式 2 和 3 的我的 r 代码：

权重 <- (SigmaMatrix)^(-2) / (1 + rowSums((SigmaMatrix)^(-2), na.rm=T))

gpre <- rowSums(rep(weights, each=nrow(x_nam))*((x_nam[,1:7]-AlphaMatrix)/BetaMatrix), na.rm=T)

sd <- (1 + rowSums((SigmaMatrix)^-2, na.rm=T))^(-1/2)

根据论文，对于我的 eiv 回归，我必须计算可靠性——如果我理解正确的话：

1-variance(u(j))/variance(gpre(j)) 其中“uj 只是方程 (3) 中给出的 gj 的条件均值的方差，并且因为 V[g*j] 是可观察到的”

我的问题：

我是否正确翻译了 R 中的方程？我如何获得 u(j) 和 gpre(j) 的方差，因为等式 2 和 3 给出了每个国家/地区的数字？

谢谢大家！