我有一些时间来事件数据，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软件包和bigscatterR.svg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fitdist(x, "weibull")，因此需要合并权重，据我所知km不能做些什么。
使用我的伽玛分布数据而不是使用fitdist，我使用fitdist包中的wtd.mean和wtd.var函数手动进行了计算，效果很好。但是，为韦伯找到相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：
hsmisc我首先对此进行了测试：The Weibull distribution in R (ExtDist)
test_data <- rweibull(100, 0.676, 946)
fitweibull <- fitdist(test_data, "weibull", method = "mle", lower = c(0,0))
fitweibull$estimate
shape scale
0.6981165 935.0907482
这给了我library(bbmle)
m1 <- mle2(y~dweibull(shape=exp(lshape),scale=exp(lscale)),
data=data.frame(y=test_data),
start=list(lshape=0,lscale=0))
和lshape = -0.3919991
我尝试过的另一件事是来自lscale = 6.852033软件包中的eweibull。
EnvStats但是，尽管这些在提供结果，但是我仍然认为我无法将我的数据与权重相适应。
编辑：我还尝试了eweibull <- eweibull(test_data)
eweibull$parameters
shape scale
0.698091 935.239277
包中类似命名的eWeibull（我不确定100％仍然可以使用，但是确实有一个带重量的weibull函数！）。我收到很多关于输入不可计算（NA或无限）的错误消息。如果我使用ExtDist进行操作，那么map的所有100个值都为[[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。
我还尝试了map(test_data, test_km, eWeibull)中的fitDistr，该错误给出了propagate应该是特定长度的错误。例如，如果将两者都设置为100，则会出现错误，weights的长度应为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，或者要有一个可以获取数据和权重并在计算中使用它们的函数。
答案 0 :(得分：0)
经过反复试验，我将eweibull包中的EnvStats函数编辑为，而不是使用mean(x)和sd(x)，改为使用wtd.mean(x,w)和sqrt(wtd.var(x, w))。现在，它将运行并输出加权值。