R 给定分布（而不是样本）中幂律的最大似然估计
Maximum Likelihood Estimate for power law in R given distribution (instead of samples)
我有一个数据框，其 x-y 值表示值及其计数，例如(1, 1000), (2, 100), (3, 10), 等等。我想使用 MLE 将幂律拟合到这个分布中。
我可以使用 power.law.fit 或 poweRlaw 库，但这些库似乎采用特定的数据样本而不是表示值及其计数的 x-y 值。
是否有任何其他图书馆可以完成这项工作？谢谢！
您可以使用 poweRlaw 包 - 它只是有点笨重。只需将您的值和计数扩展到一个向量中，例如
dd = data.frame(x=1:3, counts = 3:1)
x = rep(dd$x, dd$counts)
library(poweRlaw)
m = displ$new(x)
我有一个数据框，其 x-y 值表示值及其计数，例如(1, 1000), (2, 100), (3, 10), 等等。我想使用 MLE 将幂律拟合到这个分布中。
我可以使用 power.law.fit 或 poweRlaw 库，但这些库似乎采用特定的数据样本而不是表示值及其计数的 x-y 值。
是否有任何其他图书馆可以完成这项工作？谢谢！
您可以使用 poweRlaw 包 - 它只是有点笨重。只需将您的值和计数扩展到一个向量中，例如
dd = data.frame(x=1:3, counts = 3:1)
x = rep(dd$x, dd$counts)
library(poweRlaw)
m = displ$new(x)