拟合威布尔函数与参数估计 [英] Fitting Weibull function and parameter estimates
本文介绍了拟合威布尔函数与参数估计的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我正在尝试将R中的函数与以下数据相匹配:
y<-c(80.32000, 55.78819, 89.23141, 30.75780, 418.26000, 254.30000, 200,316.42667, 406.83435, 364.00304, 218.27867, 153.88019, 235.49971, 148.77052,
273.20171, 123.54065, 157.75650, 120.88961, 134.64092, 177.44000, 123.62948,87.03000, 63.22455, 132.62000, 120.95000, 129.60000, 116.32000, 60.49000, 66.59000)
x<-c(0, 0, 0, 0, 1, 1, 1, 3, 3, 3, 3, 3, 3, 7, 7, 7, 7, 7, 7, 11, 11, 11, 11, 16, 16, 16, 16, 16, 16)
我试了几次,但都不管用。我想威布尔函数最适合。我已经在互联网上搜索了这个问题的解决方案,并尝试按照这里的建议调整代码:https://groups.google.com/g/r-help-archive/c/rym6b1K54-4?pli=1
nls(y~127*dweibull(x,shape,scale), start=c(shape=3,scale=100))
但我收到以下错误:
数字派生(Form[[3L]],Names(Ind),env)中的错误:缺少值或在评估模型时产生无穷大。 在Dweibull(x,形状,比例)中:产生了NaN。
推荐答案
数据高度分散。此外,它们是$0<;x<;1$范围内的几个点,这使得在这个范围内绘制函数的形状几乎是不可能的。一方面,威布尔类型的函数对于$x$Large来说似乎很方便。另一方面,对于小$x$方便的那种函数是值得怀疑的。
例如,我尝试了下面绘制的函数。但由于点数的离散度如此之高,这一选择是有争议的。
这篇关于拟合威布尔函数与参数估计的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文