Fehler beim Versuch, Gamma-Verteilung mit R fitdistr {MASS}

Question

Ich habe ein Problem mit fitdistr {MASS} function in R. Ich habe diesen Vektor zu passen:

a <- c(26,73,84,115,123,132,159,207,240,241,254,268,272,282,300,302,329,346,359,367,375,378, 384,452,475,495,503,531,543,563,594,609,671,687,691,716,757,821,829,885,893,968,1053,1081,1083,1150,1205,1262,1270,1351,1385,1498,1546,1565,1635,1671,1706,1820,1829,1855,1873,1914,2030,2066,2240,2413,2421,2521,2586,2727,2797,2850,2989,3110,3166,3383,3443,3512,3515,3531,4068,4527,5006,5065,5481,6046,7003,7245,7477,8738,9197,16370,17605,25318,58524) 

und ich möchte passen eine Gammaverteilung die Daten mit einem Befehl:

fitted.gamma <- fitdistr(a, "gamma") 

aber ich solche Fehler haben:

Error in optim(x = c(26, 73, 84, 115, 123, 132, 159, 207, 240, 241, 254, : 
non-finite finite-difference value [1] 
In addition: Warning messages: 
1: In densfun(x, parm[1], parm[2], ...) : NaNs produced 
2: In densfun(x, parm[1], parm[2], ...) : NaNs produced 
3: In densfun(x, parm[1], parm[2], ...) : NaNs produced 
4: In densfun(x, parm[1], parm[2], ...) : NaNs produced 

Also habe ich versucht, mit der Initialisierung die Parameter:

(fitted.gamma <- fitdistr(a, "gamma", start=list(1,1))) 

Das Objekt fitted.gamma wird erstellt, aber wenn sie gedruckt werden, erzeugt einen Fehler:

Error in dn[[2L]] : subscript out of bounds 

Sie wissen, was passiert oder vielleicht einige andere R-Funktionen kennen univariate Verteilungen passen durch MLE?

Vielen Dank im Voraus für jede Hilfe oder Antwort.

Kuba

Answer 1

immer plotten Ihre Sachen zuerst, Sie ist weit offfffffff Skalierung.

library(MASS) 
a <- c(26,73,84,115,123,132,159,207,240,241,254,268,272,282,300,302,329,346,359,367,375,378, 384,452,475,495,503,531,543,563,594,609,671,687,691,716,757,821,829,885,893,968,1053,1081,1083,1150,1205,1262,1270,1351,1385,1498,1546,1565,1635,1671,1706,1820,1829,1855,1873,1914,2030,2066,2240,2413,2421,2521,2586,2727,2797,2850,2989,3110,3166,3383,3443,3512,3515,3531,4068,4527,5006,5065,5481,6046,7003,7245,7477,8738,9197,16370,17605,25318,58524) 
## Ooops, rater wide 
plot(hist(a)) 
fitdistr(a/10000,"gamma") # gives warnings 
# No warnings 
fitted.gamma <- fitdistr(a/10000, dgamma, start=list(shape = 1, rate = 0.1),lower=0.001) 

Jetzt können Sie entscheiden, was mit dem tun

Skalieren

Answer 2

Für Daten, die eindeutig die Gamma-Verteilung passt, aber auf der falschen Skala ist (dh, als ob es multipliziert worden war/geteilt durch eine große Nummer), hier einen alternativen Ansatz die Gammaverteilung passend:

fitgamma <- function(x) { 
    # Equivalent to `MASS::fitdistr(x, densfun = "gamma")`, where x are first rescaled to 
    # the appropriate scale for a gamma distribution. Useful for fitting the gamma distribution to 
    # data which, when multiplied by a constant, follows this distribution 
    if (!requireNamespace("MASS")) stop("Requires MASS package.") 

    fit <- glm(formula = x ~ 1, family = Gamma) 
    out <- MASS::fitdistr(x * coef(fit), "gamma") 
    out$scaling_multiplier <- unname(coef(fit)) 
    out 
} 

Verbrauch:

set.seed(40) 
test <- rgamma(n = 100, shape = 2, rate = 2)*50000 
fitdistr(test, "gamma") # fails 
dens_fit <- fitgamma(test) # successs 
curve(dgamma(x, 2, 2), to = 5) # true distribution 
curve(dgamma(x, dens_fit$estimate['shape'], dens_fit$estimate['rate']), add=TRUE, col=2) # best guess 
lines(density(test * dens_fit$scaling_multiplier), col = 3)