问题标签 [power-law]

我想从 R 中带有帕累托尾的对数正态分布生成一个样本。有人可以帮我吗？谢谢。

我已经绘制了一些模拟幂律尾部数据的 ccdf 图，并希望从我的 ccdf 图中找到一条最佳拟合线。我使用了链接中的代码（http://www.net.t-labs.tu-berlin.de/~fabian/sources/plot.ccdf.R）并绘制了我的ccdf图。

但是每当我尝试使用 lm() 命令将数据拟合到线性回归时，它都会包含错误消息：

有谁知道从绘制的 ccdf 模型中获取线性回归线的方法？多谢！

我想在函数中为我的参数找到 MLE 的 95% CI，但我不知道如何。

给定函数是幂律分布

f(x)=Cx^(-mu),

我使用 R 中的 bbmle 包计算了 mu 的 MLE。

互联网上的一些人说使用配置文件可能性来做到这一点，但我不确定如何在 R 中使用，或者其他导致相同结果的方法也可以。

非常感谢并提前感谢！

更新：

所以估计的 mu 是 2.00510，我想得到它的 95% CI，这可能看起来很荒谬，因为我开始的 mu 是 2，所以 2.00510 非常接近它，但我也会将此方法应用于其他数据集我还没有遇到过，所以真的希望找到一种方法来做到这一点。

我想在对数轴上为我的一些模拟幂律尾数据绘制 CCDF 图，下面是我在法线轴上绘制 CCDF 图的 R 代码，我使用了链接上的代码：（如何绘制CCDF gragh？）

下面是 ECDF 图：

这个命令给了我CCDF图：

但是，我想在 log-log 轴上绘制我的 CCDF 图，以生成如下图所示的图：（图来自“最小化识别有机体的 Lévy 飞行行为的错误。”）

有没有办法在 R 中做到这一点？

如果是这样，如何对 CCDF 图进行线性回归？我尝试过使用下面的命令，但这对我不起作用。

非常感谢。

更新：

我使用@BondedDust 给出的代码并成功生成了CCDF 图：

以下是我如何生成数据集的代码：

使用 powerRlaw 库，一旦计算alpha和xmin，estimate_xmin脚本使用哪个公式来计算拟合值？我的意思是，假设 y=C·x^(-alpha)，我的问题是脚本如何从和计算归一化常数。alphaxmin

我有一些来自研究的数据（x和y坐标），我必须绘制它们并找到适合数据的最佳曲线。我的曲线是：

• 多项式高达 6 次；
• 幂律；
• 指数的。

我能够找到最适合多项式的

我采取最小化的程度val。

当我必须拟合幂律（在我的研究中最有可能）时，我不知道如何正确地做到这一点。这就是我所做的。我已将 log 函数应用于所有函数，x并y尝试将其与线性多项式拟合。如果误差 (val) 低于之前尝试过的其他多项式，我选择幂律函数（如果直线的 m 为负值，自然会选择）。我对么？

现在我怎样才能从线开始重建我的幂律y = mx + q以便用原始点绘制它？我还需要显示找到的功能。

我尝试过：

使用

但得到的曲线不适合数据。

我目前正在尝试使用 PyMC 来确定适合给定数据的幂律参数。我使用的 pdf 公式取自：

A. Clauset、CR Shalizi 和 MEJ Newman，“经验数据中的幂律分布”，Siam rev.，第一卷。51 号 4，第 661-703 页，2009 年。

为了生成具有特定给定参数的示例数据以测试我的代码，我使用了以下 Python 幂律包，该包实现了 Clauset 等人的方法：

https://pypi.python.org/pypi/powerlaw

如果我使用一个固定的 xmin 值（即幂律函数所适用的下限），我的代码工作得很好。但是，一旦我尝试确定 xmin 值，输出就会产生过高的 xmin 值。我已将相应的 xmin 部分注释掉：

我认为一个问题是我应该始终只考虑我的 power_law 函数中的数据 >= xmin。如果这样做，当我还确定 xmin 时，我会得到“正确”的 alpha 值，但 xmin 仍然太高。我也觉得这是一个不公平的比较，因为在 MCMC 过程中查看的数据样本大小不同，因此可能性比较也有偏差。

也许有人知道我该如何处理这个问题。

更新：我当前的代码可在此处获得： http ://www.philippsinger.info/notebooks/pl_pymc.html

我正在尝试用 powerlaw.py 拟合幂律：

我收到警告：

我还测试了这些代码示例中使用的数据，但我总是遇到同样的问题。

为什么会发生这种情况？

我需要一些有关 powerlaw 包的基本帮助（https://pypi.python.org/pypi/powerlaw）。

我有一个数据样本列表。当我使用 powerlaw.plot_pdf(data) 时，我得到一个图表（* 抱歉，由于我还没有足够的声誉，所以无法在此处上传图表）。

但是，当我尝试自己创建相同的图表时（使用此代码）：

我得到一个不同的图表。

为什么？也许我应该首先规范化数据（如果是 - 如何）？还是我错过了更重要的事情？（如果我做对了，使用 powerlaw.plot_pdf(data) 意味着在拟合之前绘制数据）。

另一种选择是获取以某种方式生成 powerlaw.plot_pdf(data) 图形的 x 轴和 y 轴的值，但也没有成功。

感谢您的热心帮助，

阿隆

Hey there I'm working on a textgenerator, that should generate millions of different texts. to make the content of each text realistic I used Zipf's Law It is working well, the word distribution is correct.

But the following next() function is executing very slow and since I want to generate millions of articles it has to be changed. (The while loop is the slow part)

Can someone help me with this?

I implemented it like this:

EDIT: I obtainded the code from : http://diveintodata.org/2009/09/13/zipf-distribution-generator-in-java/