我正在尝试为某些Claim数据找到最合适的分布。然后，我想为每个索赔数据拟合广义线性模型，并为copula拟合应用概率积分变换。 这就是为什么必须以最佳方式拟合边缘的原因。 我尝试了Kolmorogov Smirnov测试，但是我不确定我的代码，因为与某些参考数据相比，我没有得到正确的值= /
<pre><code>
#1. log normal
mulog<-mean(log(Y))
varlog<-var(log(Y))
sdlog<-(sqrt(var))
ks.test(Y,"plnorm",meanlog=mulog,sdlog= sdlog)
#2. gamma
scaleG=var(Y)/mean(Y)
shapeG = mean(Y)/scaleG
ks.test(Y,"pgamma",scaleG,shapeG)
#3. norm
m<-mean(Y)
s<-sqrt(var(Y))
ks.test(Y,"pnorm",m,s)
</code></pre>
如何获得Weibull或Poisson或t学生分布的MLE值？ 使用R包“ fitdist）不能为我提供真实数据的正确值，对吗？
正常拟合是直接的，但是我没有得到正确的Gamma和Log Normal结果。