問題タブ [weibull]

次の問題の検出力を計算したいと思います。ワイブル分布に従う 2 つのグループを比較することに興味があります。したがって、グループ A には 2 つのパラメータ (形状 par = a1、スケール par = b1) があり、2 つのパラメータにはグループ B (a2、b2) があります。対象の分布からランダム変数をシミュレートすることにより (たとえば、異なるスケールと形状パラメーター、つまり a1=1.5*a2 と b1=b2*0.5 を仮定するか、またはグループ間の違いが形状またはスケール パラメーターのいずれかにあると仮定します)、対数を適用します。 a1=a2 かつ b1=b2 (または、b1=b2 であることがわかっている場合は a1=a1) かどうかをテストし、テストの検出力を推定する尤度比テスト。

質問は、完全なモデルの対数尤度とは何か、および a) 正確なデータを持ち、b) 間隔打ち切りデータの場合に R でそれをコーディングする方法ですか?

つまり、縮小モデル (a1=a2、b1=b2 の場合) の場合、正確なデータと間隔打ち切りデータの対数尤度は次のようになります。

a1!=a2、b1!=b2 の場合、2 つの異なる観測スキームを考慮した場合、つまり 4 つのパラメーターを推定する必要がある場合 (または、形状パラメーターの違いを調べたい場合は、 3 つのパラメータを推定する必要があります)?

別々のグループに対して 2 つの対数尤度を構築し、それを合計して推定することは可能ですか (つまり、LL.full<-LL.group1+LL.group2 )?

間隔打ち切りデータの対数尤度に関しては、打ち切りは有益ではなく、すべての観測値は間隔打ち切りです。このタスクを実行する方法について、より良いアイデアをいただければ幸いです。

問題を説明するために、以下の正確なデータの R コードを見つけてください。事前にどうもありがとうございました。

良い一日、

30分ごとに測定された毎日の風速に基づいてワイブル分布を作成したいと思います（毎日48風速、時には数時間欠落しています）。
そして、ワイブル分布に基づいて、毎日のワイブル分布に基づいて、特定の目標風速 (このデータセットでは 29km/hr) の密度を計算したいと考えています。
これを行うには、毎日 13 年分のデータセットを調整して、ワイブル分布の 2 つのパラメーター (スケール = a と形状 = b) を計算し、ターゲット ポイントの密度を毎日推定する必要があります。これは大規模なデータセットであるため、特定の関数を使用して自動的に処理し、毎日の結果を別のテーブルに入れる必要があります (a、b、密度 29 km/hr) (おそらく 'return' 関数??)

私のデータは次のようになります。

これは、このリンク Web ページによる追加の質問です ( 1 つの関数で複数のコードを使用して R で "sapply" を適用するにはどうすればよいですか? )

以前のコメントは、「集約」または「ddply」関数を使用する必要があるかもしれないことを示しています。分析の目的で関数に複数の引数を入れるにはどうすればよいですか?

複数の引数に対する私の関数は次のとおりです。

私はこれが毎日の目標速度の密度を計算できるかどうか確信が持てません.私の意図と一致するかどうかを確認していただけますか? 「multiple.function」の主な関心事は、毎日の異なるデータに基づいて、ワイブル分布コードを異なる方法で作成する必要があることです。これはコードにありません。

たとえば"createSet(height=10, v.avg=ballarat_alldata[,2], dir.avg=ballarat_alldata[,3])"、v.avgとdir.avgには計算用のすべてのデータセットを含める必要はありませんが、その方法がわかりません。

私はまだRの初心者なので、事前に質問をお詫び申し上げます。質問が具体的すぎるかもしれません..私の問題を解決する方法を見つけるのを手伝ってください!

よろしく、

カンミン。

wblplot によって生成されるような軸を使用して、一連の x 座標と y 座標をプロットしたいと考えています。どうすればそれを達成できますか？wblplot を使用できません。

http://www.mathworks.se/help/stats/wblplot.html

私は Ilnumeric を初めて使用します。プロットの軸に対数と線形の 2 つのスケーリング モードが表示されます。

軸とデータを任意の方法で (2D で) 表示する簡単な (または複雑な) 方法はありますか?
たとえば、正規確率プロットのような非線形軸にデータを表示したいとします (ここで、y 軸は誤差関数 = 逆累積分布関数でスケーリングされます)。これは一例で、ワイブル プロットなど、他にもさまざまな変換が考えられます。

私はpythonのmatplotlibに精通しています。matplotlib では、上記のようにカスタムの軸変換を定義できます。独自の「プロット シーン グラフ」を設定する必要がありますか、それとも Plotcube クラスでそれを行う方法はありますか?

R のガンマ分布、ワイブル分布、および対数正規分布を指定して、データの対数尤度を見つけたいと考えています。それぞれの分布のパラメーターを既に推定した場合、どうすればよいでしょうか?

Node.js を使用して、1 から 100 の間の乱数を生成する方法を考え出そうとしています。しかし、典型的な RAND() 関数のような標準的な線形分布を使用する代わりに、代わりにワイブル (またはたとえば、75 から 100 の値は 80% の確率で生成され、50 から 74 の値は 15% の確率で生成されます。時間、および残り (< 20) は時間の 5% を生成しました。

次の式 alpha*(-ln(1-X))^(1/beta) を使用してワイブル確率変数関数を見つけました。X が 0 から 1 までの標準的な線形ランダムであると仮定すると、アルファ = 1 を使用し、ベータ <= 1 は適切な分布を与えるように見えますが、常に 1 と100。

アイデアや推奨事項は大歓迎です。

fitdistrR を使用して、請求額データにワイブル分布、対数正規分布、およびガンマ分布を適合させAICました。

私の質問は、Stata のワイブル回帰によって推定された係数から導出された遷移確率の標準偏差 (SD) の計算に関するものです。

移行確率は、白血病患者の疾患進行を 90 日間 (約 10 年) の 40 サイクルにわたってモデル化するために使用されています。対応するマルコフ サイクル確率とその SD を使用してパラメーターを近似できるベータ分布を作成するには、確率の SD (マルコフ モデルの実行中に変化する) が必要です。次に、これらの分布を使用して確率的感度分析を行います。つまり、単純な確率 (サイクルごとに 1 つ) の代わりに使用され、そこからランダムに引き出されて、モデルの費用対効果の結果の堅牢性を評価できます。

とにかく、イベント生存データまでの時間を使用して、回帰分析を使用して、遷移確率を生成する方程式に差し込むことができる係数を推定しました。例えば...

次に、p と _cons、時間 (つまり、マルコフ サイクル数) の t、サイクルの長さの u (通常は 1 年、私は白血病患者と仕事をしているので、私の場合は 90 日です) を使用する方程式 () で確率を作成します。再発または死亡などのイベントを起こす可能性が非常に高い人）。

したがって、ラムダ = p、ガンマ = (exp(_cons))

変動性に目を向けると、まず係数の標準誤差を計算します

しかし、私が本当に求めているのは、遷移値の標準誤差です。たとえば、

しかし、これは機能せず、私が使用している本には、この追加情報を取得するためのヒントがありません. 近づく方法についてのフィードバックは大歓迎です。