带加权数据的 Weibull 分布
Weibull distribution with weighted data
我有时间处理事件数据，我需要为模拟模型的子组生成大约 200 个 shape/scale 参数。我分析过数据，它最好服从威布尔分布。
通常，我会使用 fitdistrplus 包和 fitdist(x, "weibull") 来这样做，但是这个数据已经使用内核匹配进行了匹配，我有一个权重值变量叫做 km ，所以需要合并一个权重，它据我所知，这不是 fitdist 可以做的事情。
使用我的伽马分布数据而不是使用 fitdist 我使用 hsmisc 包中的 wtd.mean 和 wtd.var 函数手动进行了计算，效果很好。然而，我却找不到类似的威布尔公式。
我一直在测试一些选项并将它们与 fitdist 结果进行比较：
test_data <- rweibull(100, 0.676, 946)
fitweibull <- fitdist(test_data, "weibull", method = "mle", lower = c(0,0))
fitweibull$estimate
shape scale
0.6981165 935.0907482
我首先测试了这个：The Weibull distribution in R (ExtDist)
library(bbmle)
m1 <- mle2(y~dweibull(shape=exp(lshape),scale=exp(lscale)),
data=data.frame(y=test_data),
start=list(lshape=0,lscale=0))
这给了我 lshape = -0.3919991 和 lscale = 6.852033
我试过的另一件事是 EnvStats 包中的 eweibull。
eweibull <- eweibull(test_data)
eweibull$parameters
shape scale
0.698091 935.239277
然而，虽然这些给出了结果，但我仍然认为我无法将我的数据与权重放入其中任何一个。
编辑：我还尝试了 ExtDist 包中的类似名称 eWeibull （我不是 100% 确定它仍然有效，但确实有一个 weibull 函数，它需要一个权重！ ).我收到很多关于输入不可计算（NA 或无限）的错误消息。如果我用 map 来做，那么 map(test_data, test_km, eWeibull) 我得到所有 100 个值的 [[NULL]。如果我仅使用 test_data 进行尝试，我会收到一长串与 optimx 相关的错误。
我也试过 propagate 中的 fitDistr，它给出的错误是 weights 应该是一个特定的长度。例如，如果两者都设置为 100，我会得到一个错误，即 weights 的长度应为 94。如果我将其设置为 94，它会告诉我它的长度必须为 132。
我需要能够将一组预先加权的 mean/var/sd 等数据传递到计算中，或者有一个函数可以获取数据和权重并在计算中同时使用它们。
经过反复试验，我将 EnvStats 包中的 eweibull 函数编辑为使用 mean(x) 和 sd(x)，而不是使用 [=14] =] 和 sqrt(wtd.var(x, w))。现在运行并输出加权值。
我有时间处理事件数据，我需要为模拟模型的子组生成大约 200 个 shape/scale 参数。我分析过数据，它最好服从威布尔分布。
通常，我会使用 fitdistrplus 包和 fitdist(x, "weibull") 来这样做，但是这个数据已经使用内核匹配进行了匹配，我有一个权重值变量叫做 km ，所以需要合并一个权重，它据我所知，这不是 fitdist 可以做的事情。
使用我的伽马分布数据而不是使用 fitdist 我使用 hsmisc 包中的 wtd.mean 和 wtd.var 函数手动进行了计算，效果很好。然而，我却找不到类似的威布尔公式。
我一直在测试一些选项并将它们与 fitdist 结果进行比较：
test_data <- rweibull(100, 0.676, 946)
fitweibull <- fitdist(test_data, "weibull", method = "mle", lower = c(0,0))
fitweibull$estimate
shape scale
0.6981165 935.0907482
我首先测试了这个：The Weibull distribution in R (ExtDist)
library(bbmle)
m1 <- mle2(y~dweibull(shape=exp(lshape),scale=exp(lscale)),
data=data.frame(y=test_data),
start=list(lshape=0,lscale=0))
这给了我 lshape = -0.3919991 和 lscale = 6.852033
我试过的另一件事是 EnvStats 包中的 eweibull。
eweibull <- eweibull(test_data)
eweibull$parameters
shape scale
0.698091 935.239277
然而，虽然这些给出了结果，但我仍然认为我无法将我的数据与权重放入其中任何一个。
编辑：我还尝试了 ExtDist 包中的类似名称 eWeibull （我不是 100% 确定它仍然有效，但确实有一个 weibull 函数，它需要一个权重！ ).我收到很多关于输入不可计算（NA 或无限）的错误消息。如果我用 map 来做，那么 map(test_data, test_km, eWeibull) 我得到所有 100 个值的 [[NULL]。如果我仅使用 test_data 进行尝试，我会收到一长串与 optimx 相关的错误。
我也试过 propagate 中的 fitDistr，它给出的错误是 weights 应该是一个特定的长度。例如，如果两者都设置为 100，我会得到一个错误，即 weights 的长度应为 94。如果我将其设置为 94，它会告诉我它的长度必须为 132。
我需要能够将一组预先加权的 mean/var/sd 等数据传递到计算中，或者有一个函数可以获取数据和权重并在计算中同时使用它们。
经过反复试验，我将 EnvStats 包中的 eweibull 函数编辑为使用 mean(x) 和 sd(x)，而不是使用 [=14] =] 和 sqrt(wtd.var(x, w))。现在运行并输出加权值。