加权数据的威布尔分布

Question

我有一些时间来处理事件数据，我需要为模拟模型的子组生成大约200个形状/比例参数。 我已经分析了数据，并且最好遵循魏布尔分布。 通常，我会使用fitdistrplus包和fitdist(x, "weibull")来执行此操作，但是此数据已使用内核匹配进行了匹配，并且我有一个加权值变量km ，因此需要合并一个权重，据我fitdist不能做的事情。 使用我的伽马分布式数据而不是使用fitdist我使用了hsmisc软件包中的wtd.mean和wtd.var函数手动进行了计算，效果很好。 但是，为韦伯找到类似的公式使我难以理解。

我一直在测试一些选项，并将它们与fitdist结果进行比较：

test_data <- rweibull(100, 0.676, 946)
fitweibull <- fitdist(test_data, "weibull", method = "mle", lower = c(0,0))
fitweibull$estimate
shape          scale
0.6981165      935.0907482

我首先对此进行了测试： R中的Weibull分布（ExtDist）

library(bbmle)
m1 <- mle2(y~dweibull(shape=exp(lshape),scale=exp(lscale)),
 data=data.frame(y=test_data),
 start=list(lshape=0,lscale=0)) 

这给了我lshape = -0.3919991和lscale = 6.852033

我尝试过其他的事情是eweibull从EnvStats包。

eweibull <- eweibull(test_data)
eweibull$parameters
shape       scale
0.698091    935.239277

但是，尽管这些都可以带来结果，但我仍然认为我无法将我的数据与权重相适应。

编辑：我也尝试了类似的命名eWeibull从ExtDist包（我肯定不是100％仍然有效，但确实有一个威布尔函数，它的重量！）。 我收到很多关于输入不可计算（NA或无限）的错误消息。 如果我用map来做，那么map(test_data, test_km, eWeibull)对于所有100个值我都会得到[[NULL]。 如果仅使用test_data进行尝试，则会出现一连串与optimx相关的错误。

我还尝试fitDistr来自propagate fitDistr ，该错误给出了weights应为特定长度的错误。 例如，如果两个都设置为100，则会出现一个错误，即weights应为长度94。如果将其设置为94，则表明长度必须为132。

我需要能够将一组预加权的均值/ var / sd等数据传递到计算中，或者具有一个可以获取数据和权重并在计算中使用它们的函数。

Answer 1

经过多次试验和错误，我从EnvStats包中将eweibull函数编辑为，而不是使用mean(x)和sd(x) ，而是使用wtd.mean(x,w)和sqrt(wtd.var(x, w)) 。 现在将运行并输出加权值。