次の形式のモデルがあります:y =x+ノイズ。'y'とノイズの分布を知っているので、'x'の分布が欲しいです。そこで、Rでディストリビューションをデコンボリューションしようとしました。2つのパッケージ(deconとdeamer)が見つかり、どちらの方法でもほぼ同じになるはずだと思いましたが、DeconPdfでデコンボリューションすると、正規分布のようなものが得られる理由がわかりません。 deamerKEでデコンボリューションすると、一様分布になります。コード例は次のとおりです。
library(fitdistrplus) # for rweibull
library(decon) # for DeconPdf
library(deamer) # for deamerKE
set.seed(12345)
y <- rweibull(10000, shape=5.780094, scale=0.00204918)
noise <- rnorm(10000, mean=0.002385342, sd=0.0004784688)
sdnoise <- sd(noise)
est <- deamerKE(y, noise.type="Gaussian",
mean(noise), sigma=sdnoise)
plot(est)
estDecon <- DeconPdf(y, sdnoise, error="normal", fft=TRUE)
plot(estDecon)
編集(ジュリアン・シュティルネマンに応えて):
再パラメータ化についてはよくわかりません。私の実際の問題は次のとおりです。理論的にはf(RT)= g(識別時間)+ h(選択時間)として記述できる反応時間(RT)があります。ここで、f、g、hはこれらの時間値の変換です。データセットに「RT」と「識別時間」の値があります。そして、私は選択時間または多分h(選択時間)に興味があります。カーネル密度推定を使用すると、ワイブル分布が1 / RT値に最もよく適合し、正規分布が1 /(識別時間)に最もよく適合することがわかりました。そのため、問題を1 / RT = 1 /(識別時間)+ h(選択時間)またはy = x +ノイズ(ノイズを1 /(識別時間)と見なした)と書くことができます。これらの反応時間をシミュレートすると、次のパラメーターを使用して次の分布が得られました。
y <- rweibull(10000, shape=5.780094, scale=0.00204918)
noise <- rnorm(10000, mean=0.002385342, sd=0.0004784688)
再パラメータ化とはどういう意味ですか?スケールパラメータなどに異なる値を使用していますか?