试图将f分布拟合到向量

Question

有谁知道为什么下面的代码无法执行fitdist，错误“函数mle无法估计参数，错误代码为100”。 我在使用正态分布时遇到过这个错误;在这种情况下，解决方案是增加向量的方差（通过将其乘以100），但这对这种情况没有帮助。请注意，向量中的所有元素都是正数。谢谢。

library(fitdistrplus)
VH <- c(0.36, 0.3, 0.36, 0.47, 0, 0.05, 0.4, 0, 0, 0.15, 0.89, 0.03,  0.45, 0.21, 0, 0.18, 0.04, 0.53, 0, 0.68, 0.06, 0.09, 0.58, 0.03, 0.23, 0.27, 0, 0.12, 0.12, 0, 0.32, 0.07, 0.04, 0.07, 0.39, 0, 0.25, 0.28, 0.42, 0.55, 0.04, 0.07, 0.18, 0.17, 0.06, 0.39, 0.65, 0.15, 0.1, 0.32, 0.52, 0.55, 0.71, 0.93, 0, 0.36)
f <- fitdist(na.exclude(VH),"f", start =list(df1=1, df2=2))   

Answer 1

你在这里得到的错误实际上有点信息：

  

optim中的simpleError（par = vstart，fn = fnobj，fix.arg = fix.arg，obs = data，ddistnam = ddistname，hessian = TRUE，method = meth，lower = lower，upper = upper，... ）：无法在初始参数下评估函数

     

fitdist出错（na.exclude（VH），“f”，start = list（df1 = 1，df2 = 2））：     函数mle无法估计参数，                   错误代码100

这意味着现在出现问题，而不是在优化过程中。

猜测一下，我看了一下，发现你的数据中有一个零值（所以你所说的所有元素都是正面的声明在技术上并不正确 - 它们都是非负的 ...）。 F分布在0处具有无限值：df(0,1,2)为Inf。

如果我排除零值，我会得到答案......

f <- fitdist(na.exclude(VH[VH>0]),"f", start =list(df1=1, df2=2)) 

......第二个形状参数的估计值非常大（大约6e6，具有很大的不确定性），但似乎还不错......

par(las=1); hist(VH,freq=FALSE,col="gray")
curve(df(x,1.37,6.45e6),add=TRUE)