所以我读过关于使用MLE在R中拟合student-t但是看起来似乎是位置和比例参数是最重要的。我只是想让学生t(如维基百科所描述的)适合通常被认为像标准法线一样分布的数据,所以我可以假设平均值是0而且比例是1.我怎么能这样做?
答案 0 :(得分:1)
如果你"假设"你的位置和比例参数,你不是"拟合"对数据的分配,您只是假设数据遵循某种分布。
"拟合"对某些数据的分配意味着找到适当的"这个分布的参数使它准确地"模拟您的数据。最大似然估计是一种基于某些数据找到参数点估计的方法。
适合像student-t这样的经典发行版的最简单方法是使用MASS包中的fitdistr函数,它使用MLE。
假设您有一些数据:
library("MASS")
# generating some data following a normal dist
x <- rnorm(100)
# fitting a t dist, although this makes little sense here
# since you know x comes from a normal dist...
fitdistr(x, densfun="t", df=length(x)-1)
请注意,student-t密度由位置m
,比例s
和自由度df参数化。 df未调整,但是根据数据设置。
fitdistr的输出包含m和s的拟合值。如果将输出存储在对象中,则可以通过编程方式访问有关拟合的各种信息。
现在的问题是,拟合t dist是否是你真正想做的事情。如果数据是正常的,为什么你想要适合t dist?
答案 1 :(得分:-1)