![](/img/trans.png)
[英]Maximum Likelihood estimation based on Newton-Raphson and the method of moments
[英]Programming Newton Raphson in R for Maximum Likelihood estimation
我需要在R中對Newton-Raphson方法進行編程,以估計泊松分布的參數。 我剛開始使用編程和R。當我使用模擬數據運行程序時,R返回一些錯誤。
Error in if (abs(x1 - x0) < stoptol) break :
missing value where TRUE/FALSE needed
In addition: Warning messages:
1: In log(mu) : NaNs produced
2: In log(mu) : NaNs produced
3: In log(mu) : NaNs produced
這是我到目前為止所擁有的:
#
# NEWTON-RAPHSON METHOD
#
#generate the data
lambda=3.2
y=rpois(500,lambda)
#declare the log likehood function
poisson.lik<-function(mu,ydata=y){
n<-length(ydata)
logl<-sum(ydata)*log(mu)-n*mu-sum(lfactorial(ydata))
return(-logl)
}
## Newton-Raphson
NR<-function(initval, f, stoptol=1e-05, imax=25){
i=0
h=1e-05
x0=initval-0.1
x1=initval
while(i<=imax){
df.dx=(f(x0+h)-f(x0))/h
x1=(x0-(f(x0)/df.dx))
i=i+1
if(abs(x1-x0)<stoptol) break
x0=x1
}
list(nstep=i, initial=initval, final=x1, fctval=f(x1))
}
NR(initval=3,poisson.lik)
據我了解,一個問題來自參數mu在NR函數的迭代和對數的計算中所取的值。 也許我應該強迫mu只接受一定范圍的值...另一個錯誤是關於條件“ if”(停止條件)的,但是我真的不知道問題是什么。
您的NaN問題來自poisson.lik
函數。 如果mu為負,則需要有log(abs(mu))
。
#
# NEWTON-RAPHSON METHOD
#
#generate the data
lambda <- 3.2
ydata <- rpois(500, lambda)
#declare the log likehood function
poisson.lik <- function(mu = ""){
n <- length(ydata)
loglik <- -n * mu - sum(log(factorial(ydata))) + log(abs(mu)) * sum(ydata)
return(-loglik)
}
#creating the Newton Raphson loop
NR <- function ( mu = "", initval = "", f = "", stoptol = 1e-05, imax = "") {
i = 0
h = .1
mu0 = initval - 0.1
mu1 = initval
df.dx <- double(1) #predeclare your variable types
while ( abs(f(mu) - f(mu1)) > stoptol && i <= imax ) {
mu0 <- mu1
df.dx <- (f(mu0 + h) - f(mu0)) / h
mu1 <- mu0 + (mu - mu1) / abs(df.dx)
i <- i + 1
}
return(list("nstep" = i, "Final" = mu1, "fctval" = f(mu1)))
}
mu <- 3.2
initval <- 1
f <- poisson.lik
stoptol <- 0.0001
imax <- 10^4
NR(mu, initval, f, stoptol, imax)
我看到的主要問題是您需要知道函數要轉到的位置。 當您了解有關數據的某些方面時,通常使用它。 例如,如果您知道想要的對數似然性,偏度或某種類型的統計信息,那么您可以求解產生相同統計信息的參數。 上面的代碼解決了這個問題。 希望這可以幫助。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.