Verteilungsfitting unter Verwendung verschiedener Kriterien in R

-2

Betrachten Sie mich, um ein Student zu sein, der eine routinemäßige Forschungsstudie durchführt.Verteilungsfitting unter Verwendung verschiedener Kriterien in R

Gibt es einen einfachen, geradlinig Weg und Zugang zu finden (oder zu implementieren) Verteilung in R Einpassen der folgenden Schätzungen verwenden:

Kolmogorov-Smirnov Mindestabstand schätzt
Cramér-von-Mises-Mindestabstand schätzen
Anderson-Darling-Mindestabstand
Maximum Likelihood Schätzung Schätzung

Ich habe mich in Tonnen von Dokumentation und Referenzhandbüchern auf verschiedenen R-Paketen verloren.

Die Frage bezieht sich mehr auf die Verwendung von R-Softwaresystem als auf Statistiken selbst, deshalb habe ich es hier bei SO gefragt.

Quelle

2016-11-30 konstunn

Verstehen Theorie und Metriken zu Verteilungen ist eine ziemlich technische Studie. Der Grund, warum Sie verloren gehen, ist, dass Sie keine theoretische Grundlage für das Lesen der verfügbaren Dokumentation haben. Sie sollten erklären, welches Niveau an mathematischer Raffinesse Sie besitzen (zum Beispiel wie kompetent Sie in der realen Analyse sind) und die Moderatoren bitten, diese Frage zu CrossValidated.com oder vielleicht http://math.stackexchange.com/ zu migrieren. Ich zähle 135 Treffer auf CV.com für eine Suche nach 'distance metrics distributions' –

Betrachten Sie mich als Student, ich habe keine Erfahrung in der realen Analyse. Ich habe meine Frage bearbeitet, um diese Informationen hinzuzufügen. – konstunn

Nun, als Student habe ich nie einen echten Analysekurs genommen und das, was ich verstehe, kommt von willkürlicher Selbsterziehung. Wenn Sie eine "obere Abteilung" Mathe-Major sind, wäre das eine Sache, und wenn ein "Unterabteilung" Biologie-Student eine ganz andere Sache. Ich denke immer noch, dass die Frage im falschen Forum sitzt, egal wie hoch dein mathematisches Niveau ist. –

library(fitdistrplus) 

# normally distributed sample 
x1 = rnorm(100) 

# Kolmogorov-Smirnov mimimum distance method 
fitdist(x1, "mge", distr="norm", gof="KS") 

# Cramer-von Mises 
fitdist(x1, "mge", distr="norm", gof="CvM") 

# Anderson-Darling 
fitdist(x1, "mge", distr="norm", gof="AD") 

# Maximum Likelihood estimate 
fitdist(x1, "mle", distr="norm")

Die Dinge scheinen ziemlich einfach zu sein.

Quelle

2016-12-01 06:36:57 konstunn

Bevor Sie den Vorgang ablehnen, erläutern Sie bitte kurz, warum Sie den Vertrag ablehnen. – konstunn

Ich bin nicht der Downvoter, weder hier noch oben, aber ich kann gewiß Downvotes verstehen, die abgegeben wurden. Der Code in dieser "Antwort" wurde einfach kopiert und dann von einer früheren Version Ihrer Frage entfernt, was es noch rätselhafter macht, dass Sie diese auf einer Website für Programmierfragen gepostet haben, wenn die Antwort in der Paketdokumentation bereits leicht zu finden war. –

Es war nicht so einfach, das für mich als Neuling in R zu finden. Wenn Sie weiter zurückblicken, können Sie auch sehen, dass die ersten Versionen meiner Frage den Code nicht enthalten. Es war eine kleine Herausforderung für mich, dies herauszufinden. – konstunn

Verteilungsfitting unter Verwendung verschiedener Kriterien in R

Antwort

Verwandte Themen