Question

从标题开始，我有一些大致正常分布的数据，我想找到它的两个基础组件。

我拟合数据分布两个法线的总和，意思是m ₁和m ₂和标准偏差s ₁和s <子> 2 。两个高斯按权重因子缩放，使w ₁ + w ₂ = 1

我可以使用vglm包的VGAM函数成功执行此操作，例如：

    fitRes <- vglm(mydata ~ 1, mix2normal1(equalsd=FALSE), 
          iphi=w, imu=m1, imu2=m2, isd1=s1, isd2=s2))

这很慢，根据数据可能需要几分钟，但我可以忍受。

现在我想看看我的数据分布如何随着时间的推移而变化，所以基本上我会在几个（30-50）块中分解我的数据并重复每个数据的拟合过程。

所以，问题如下：

1）如何加快适应过程？我试图使用nls或mle看起来更快，但大多数都不能很好地适应（但成功地获得了这些功能可能给我带来的所有可能的错误）。我也不清楚如何对这些函数施加限制（w在[0; 1]和w ₁ + w ₂ = 1）

2）我如何自动选择一些好的起始参数（我知道这是一个100万美元的问题，但你永远不会知道，也许有人有答案）？现在我有一个小界面，允许我选择参数，直观地看到初始分布看起来很酷，但我想自动完成这项任务。

我想过依赖于对应于y的第3和第4四分位数的x作为两个均值的起始参数？你做一件合情合理的事吗？

Answer 1

首先要做的事情：

对混合模型进行了大量研究，因此您可以找到一些东西。