Question

考虑到R中的拟合模型（即类的对象＆＃39; lm＆＃39;，＆＃39; glm＆＃39;，＆＃39; merMod＆＃39;等），我试图想象如何计算新数据集的概率。

也就是说，我希望通过将模型拟合到数据集A获得的参数估计值下的数据集B的概率（密度）。我知道如何一般地执行此操作，但我想知道一个简单的预先存在的函数是否可以在R中这样做。有一个简单的功能吗？

This question非常相似，但我想在R中执行此操作。

Answer 1

对于线性回归模型lm，您可以使用以下函数来确定和可视化似然，假设线性模型拟合的残差是正态分布的（这些函数是从this R Blogger Post改编而来的;理由该程序可以在this post）中找到：

log_lik <- function(beta0, beta1, mu, sigma) {
  ## beta0 and beta1 require intial guesses
  R <- y - x * beta1 - beta0
  R <- dnorm(R, mu, sigma, log=T)
  return(-sum(R))
}
library(stats4)
fit <- mle(log_lik, start=list(beta0=4, beta1=2, mu = 0, sigma=1))
summary(fit)
## mu will be your estimated likelihood
## sigma will be uncertainty

对于glm，this post in Cross Validated为可能性提供用户定义的R函数。

（ps：如果你能提供一个涉及lm，glm之一的特定例子，那就太好了。如果你只是想知道这些模型，Cross Validated，Mathematics，或数据科学可能是更好的地方。）

拟合模型下新数据集的概率（密度）

1 个答案: