拟合威布尔函数与参数估计 [英] Fitting Weibull function and parameter estimates

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！