Question

我正在尝试在 R 中实现 beta-几何概率模型（如this whitepaper中所述），其中涉及求解具有两个未知参数的方程。在示例中，他们使用Excel执行此操作，在alpha = beta = 1处启动值并将其约束为alpha > 0.0001 < beta。

我几乎在 R 中实现了这一点，但我似乎无法让任何解算器为我工作。请帮忙。

RFiddle here

# probability mass function
P = function (alpha, beta, t) {  
    out = numeric(length=length(t))
    for (i in seq_along(t)) {
        if (t[i]==1) {
            out[i] = alpha / (alpha + beta)
        } else {
            out[i] = ((beta + t[i] - 2) / (alpha + beta + t[i] - 1)) * P(alpha, beta, t[i] - 1)
        }
    }
    out
}

# survival probability function
S = function(alpha, beta, t) {
    if (t==1) {
        1 - P(alpha, beta, t=t)
    } else {
        S(alpha, beta, t - 1) - P(alpha, beta, t=t)
    }
}

# log likelihood function
LL = function(alpha, beta=1, t, n) {
    sum(n * log(P(1,1,t))) + (sum(n[1:length(n)-1]) * log(S(alpha, beta, t=t[length(t)])))
}

# make some test data
n = c(239L, 2650L, 1063L, 1014L, 473L, 1304L)
t = 1:6

# log likelihood
LL(alpha=1, beta=1, n=n, t=t)

# use numerical optimization to find values of alpha and beta
optim(c(1,1), fn=LL, n=n, t=t)

require(stats4)
mle(LL, start=list(alpha=1, beta=1), t=t, n=n)

Answer 1

默认情况下，optim会最小化，但您希望最大化LL。此外，您希望使用L-BFGS-B之类的方法，它使用绑定信息：

optim(c(1, 1), function(x) -LL(x[1], x[2], n=n, t=t), method="L-BFGS-B",
      lower=c(0.0001, 0.0001))
# $par
# [1]    0.0001 9679.3562
# 
# $value
# [1] 17075.64
# 
# $counts
# function gradient 
#       87       87 
# 
# $convergence
# [1] 0
# 
# $message
# [1] "CONVERGENCE: REL_REDUCTION_OF_F <= FACTR*EPSMCH"

我们可以验证我们已经改进了对数可能性：

LL(1, 1, n=n, t=t)
# [1] -27659.45

LL(0.0001, 9679.3562, n=n, t=t)
# [1] -17075.64

在约束条件下使用两个参数解决最大可能性

1 个答案: