Question

我是R的初学者，并在尝试使用optim函数时遇到错误。

我有一个我想要最大化的似然等式，所以我实现了以下代码：

>datafile=read.delim("clipboard")

> log.lik=function(theta, x, mu){
+ b=theta[1]
+ beta=theta[2]
+ tau=theta[3]
+ result=function(b,beta, tau){(-sum(x)/b)-sum(log(-beta*(x-tau)))-sum(log(integrate(exp(-x/b)/(1+exp(-beta(x-tau)))), lower=1500, upper=Inf))}
+ return(result)
+ }
> estimate=c(1,1,1)
> model=optim(par=estimate, fn=log.lik, control=list(fnscale=-1), x=datafile, mu=1500)

一切正常，直到我得到以下错误消息的optim函数： optim中的错误（par = estimate，fn = log.lik，control = list（fnscale = -1）,: 不能强迫类型＆＃39;关闭＆＃39;到＆＃39; double＆＃39;

类型的向量

有人会知道这里可能出现什么问题吗？任何帮助将不胜感激！

数据文件只是csv格式的一列模拟财务损失。当我在这里输出datafile变量时，我得到了一个样本：

       X1946774
1      34949037
2     734018898
3     393502463
4     388573133
5      93213300
6      74982868
7      55322550
8      10828207
9       4530577
10      3786748
11      2041762
12    342745985
13    292313639
14    259569928
15    143871771
16     53691635
17     24489644
18     20506718
19     14281945

包含评论更改的已编辑代码：

 > log.lik=function(theta,x,mu){
    + b=theta[1]
    + beta=theta[2]
    + tau=theta[3]
    + integrand<-function(x,b,beta,tau){exp(-x/b)/(1+exp(-beta*(x-tau)))}
    + result<-(-sum(x)/b)-sum(log(-beta*(x-tau)))-sum(log(integrate(integrand, lower=mu, upper=Inf)))
    + return(result)
    + }
    > model=optim(par=estimate, fn=log.lik, control=list(fnscale=-1), x=datafile, mu=1500)

Answer 1

评论太长了。

首先，您仍然错误地使用integrate(...)。此函数返回一个列表（阅读文档!! ）。此列表的$value元素是不可或缺的。为了找到f从a到b的积分，请使用：

integrate(f,a,b,...)$value

可悲的是，这是你遇到的最少的问题。从根本上说，你采取了太多的捷径。你不能把一些代码放在一起 - 你需要注意数学。

例如，您是否将integrand(...)函数的值绘制为theta的初始值，范围为(mu,Inf) ??如果你有，你会看到被积函数在这个范围内是0，因为mu=1500和b=1和exp(-1500/1)在数字上为0;因此积分为0，积分的对数未定义。此外，您的目标函数包括术语log(-beta*(x-tau))，但对于数据集中所有beta=tau=1的{{1}}，-beta*(x-tau) < 0，并且日志未定义。

为了记录，我没有对你的问题进行投票（因为我觉得这种做法令人反感......）但是你真的需要努力理解你的对数似然函数是否正确，以及何时＃＆＃ 39;已经这样做了，仔细看看你的初步估计。

在R上的似然方程上使用optim函数时出错

1 个答案: