Power Law适用于PoweRlaw包的截止分配 [英] Power Law Fit of cut-off distribution with the poweRlaw package

问题描述

我目前正试图找到一种方法来计算MLE截断分布的幂律拟合。分发看起来如下：

p>

正如您所看到的，我可以分别拟合整个分布（幂律拟合）和下限（exp-fit）。我无法弄清楚的是如何拟合分布的上限（fe 8

有什么办法可以做这与 poweRlaw 包或任何其他R包？我希望看到的东西是这样的（注意：它只是一个随机分布）：

代码p $ lt; code>＃Power-Law
library（poweRlaw）
xmin1 < - 8
xmin2 < - 100
plf0 < - displ $新（度）
plf0 $ setXmin（xmin1）
plf0_pars< - estimate_pars（plf0）
plf0 $ setPars（plf0_pars）

#Exponential
exp1< - disexp $ new（deg）
exp1 $ setXmin（xmin2）
exp1_pars< - estimated_pa​​rs（exp1）
exp1 $ setPars（exp1_pars）
plot（plf0）
lines（plf0，col =green）
lines（exp1，col =red）

解决方案

以下解决方案提供了可以使用Python运行的R代码： rpy2 。

它通过 Kelvin的回答所建议的那样，主要来自： a href =https://github.com/jeffalstott/powerlaw/blob/master/testing/pli-R-v0.0.3-2007-07-25/powerexp.R =nofollow noreferrer> https：/ /github.com/jeffalstott/powerlaw/blob/master/testing/pli-R-v0.0.3-2007-07-25/powerexp.R 档案。

1. 安装 Gnu科学图书馆（GSL）
   $ b 在Debian中： apt-get install libgl2 li>从github下载 powerlaw python库代码。




2. 解压缩并构建 exponential-integral.tgz 位于 testing / pli-R-v0.0.3-2007-07-25 / 以前下载的库的文件夹。

     tar xzf exponential-integral.tgz 
    cd ex $ p 
    
    $ / code> 




3. 移动 exp_int 文件复制到一个可执行路径，从这里开始，命名为 yourexecutablepath 。



   mv exp_int yourexecutablepath





4. 修改 exp_int_function_filename powerexp.R文件，包含exp_int可执行文件的完整路径，即 yourexecutablepath / exp_int 。




5. eval exp.R ， pareto.R 和 powerexp.R R源代码包含了所有需要的功能。


$ b

  data<  -  list（5，3，...）
 powerexp.fit（unlist（data））
  

最后一个命令的输出提供了几个输出值， code> exponent ，它给出了幂定律 alpha 值和 rate ，它给出了expon ential截止参数。


I am currently trying to find a way to calculate a power-law fit for a cut-off distribution with MLE. The distribution looks as follows:

As you can see, I was able to fit the whole distribution (Power-law fit) and also the lower bound (exp-fit) separately. What I am failing to figure out, is how to fit the upper bound of the distribution (f.e. 8 < x < 100).

Is there any way to do this with the poweRlaw package or any other R package? What I am hoping for is something looking like this (note: it is just a random distribution):

Code (if necessary):

#Power-Law
library("poweRlaw")
xmin1 <- 8
xmin2 <- 100
plf0 <- displ$new(deg)
plf0$setXmin(xmin1)
plf0_pars <- estimate_pars(plf0)
plf0$setPars(plf0_pars)

#Exponential
exp1 <- disexp$new(deg)
exp1$setXmin(xmin2)
exp1_pars <- estimate_pars(exp1)
exp1$setPars(exp1_pars)
plot(plf0)
lines(plf0, col="green")
lines(exp1, col="red")

解决方案

Following solution provides R code that can be run with Python using rpy2.

It provides instructions based in the source code by powerlaw library, as suggested by the answer by Kelvin, mainly from: https://github.com/jeffalstott/powerlaw/blob/master/testing/pli-R-v0.0.3-2007-07-25/powerexp.R file.

1. Install Gnu Scientific Library (GSL)

   In Debian: apt-get install libgl2

2. Download powerlaw python library code from github.

3. unpack and build exponential-integral.tgz file located at testing/pli-R-v0.0.3-2007-07-25/ folder of the previously downloaded library.

   tar xzf exponential-integral.tgz
   cd exponential-integral
   make
   

4. Move exp_int file to an executable path, named yourexecutablepath from here on.

   mv exp_int yourexecutablepath

5. Modify exp_int_function_filename variable from powerexp.R file with the full path to exp_int executable, i.e. yourexecutablepath/exp_int.

6. eval exp.R, pareto.R and powerexp.R R source code to include all the needed functions.

7. Fit your data to a powerlaw with exponential cut-off evaluating the following R call:

   data <- list(5, 3, ...)
   powerexp.fit(unlist(data))
   

The output of the last command provides several output values, among them exponent which gives the power law alpha value and rate which gives the exponential cut-off parameter.

这篇关于Power Law适用于PoweRlaw包的截止分配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！