Question

我想知道在数组中给出拟合参数时如何在R中进行最大似然估计。当参数数量很大时需要这样做。所以基本上，为了适应数据x的正态分布，我想做类似下面的事情

LL <- function(param_array) {
   R = dnorm(x, param_array[1], param_array[2])
  -sum(log(R))
}

mle(LL, start = list(param_array = c(1,1)))

（而不是http://www.r-bloggers.com/fitting-a-model-by-maximum-likelihood/第一部分中的原始代码）如果我运行上面的代码，我将收到错误

dnorm中的错误（x，param_array [1]，param_array [2]）：参数缺少“param_array”，没有默认

有人能告诉我如何以正确的方式实现我想要的目标吗？

Answer 1

stats4::mle不是一个长函数，您可以在R控制台中检查它：

> stats4::mle

请注意start的处理方式：

start <- sapply(start, eval.parent)
nm <- names(start)

案例1

如果你这样做：

LL <- function(mu, sigma) {
   R = dnorm(x, mu, sigma)
  -sum(log(R))
}

mle(LL, start = list(mu = 1, sigma = 1))

你得到：

nm
#[1] "mu"  "sigma"

此外，

formalArgs(LL)
#[1] "mu"  "sigma"

案例2

如果你这样做：

LL <- function(param_array) {
   R = dnorm(x, param_array[1], param_array[2])
  -sum(log(R))
}

mle(LL, start = list(param_array = c(1,1)))

你得到了

nm
#[1] NULL

但

formalArgs(LL)
#[1] param_array

问题

LL内的stats::mle函数评估是将nm与LL的形式参数进行匹配。在案例1 中，匹配没有困难，但在案例2 中您没有匹配，因此您将无法评估LL。

那么，如果他们有50个参数，人们会怎么做？他们是手工打字吗？

在仔细思考之后，这不是一个虚假的论点吗？如果你真的有50个参数，使用数组真的可以节省你的工作吗？

首先，在您的函数LL中，您必须指定param_array[1]，param_array[2]，...，param_array[50]，即您仍然需要手动输入50个参数进入正确的位置。在指定start时，您仍然需要按元素键入长度为50的向量元素，对吧？与不使用数组而不是列表相比，这不是相同的工作量吗？

具有参数数组的MLE函数

1 个答案: