Hai dapat hal yang sama ditunjukkan untuk mendapatkan parameter bentuk dan skala untuk metode kemungkinan maksimum yang dimodifikasi
19
Hai dapat hal yang sama ditunjukkan untuk mendapatkan parameter bentuk dan skala untuk metode kemungkinan maksimum yang dimodifikasi
fitdistr(mydata, densfun="weibull")
diR
untuk menemukan parameter melalui MLE. Untuk membuat grafik, gunakanqqPlot
fungsi daricar
paket:qqPlot(mydata, distribution="weibull", shape=, scale=)
dengan parameter bentuk dan skala yang Anda temukanfitdistr
.R
, yang tersedia secara bebas, Anda dapat menginstal dan memuat paketMASS
dan menggunakanfitdistr
data Anda untuk menghitung perkiraan k dan c. Dan kemudian, Anda dapat membandingkan data Anda dengan weibull dengan perkiraan parameter menggunakanqqPlot
daricar
paket.MASS
dancar
dengan mengetik:install.packages(c("MASS", "car"))
. Muat paket dengan mengetik:library(MASS)
danlibrary(car)
. 3. Impor data Anda ke dalamR
, sebaiknya dengan file .txt. 4. Jika data Anda disebutmy.data
digunakanfitdistr
dengan cara berikut:fitdistr(my.data, distribution="weibull")
. 5. Buat grafik seperti yang saya jelaskan di komentar pertamaqqPlot
.Jawaban:
Karena @zaynah memposting di komentar bahwa data dianggap mengikuti distribusi Weibull, saya akan memberikan tutorial singkat tentang cara memperkirakan parameter distribusi tersebut menggunakan MLE (Estimasi kemungkinan maksimum). Ada posting serupa tentang kecepatan angin dan distribusi Weibull di situs.
R
, gratisMASS
dancar
dengan mengetik:install.packages(c("MASS", "car"))
. Muat dengan mengetik:library(MASS)
danlibrary(car)
.R
. Jika Anda memiliki data di Excel, misalnya, simpan sebagai file teks terbatas (.txt) dan imporR
denganread.table
.fitdistr
untuk menghitung perkiraan kemungkinan maksimum distribusi weibull Anda:fitdistr(my.data, densfun="weibull", lower = 0)
. Untuk melihat contoh yang sepenuhnya berhasil, lihat tautan di bagian bawah jawaban.qqPlot(my.data, distribution="weibull", shape=, scale=)
The tutorial dari Vito Ricci pada pas distribusi dengan
R
adalah titik awal yang baik tentang masalah tersebut. Dan ada banyak posting di situs ini tentang subjek (lihat posting ini juga).Untuk melihat contoh cara penggunaan yang sepenuhnya berhasil
fitdistr
, lihat pos ini .Mari kita lihat contoh di
R
:Perkiraan kemungkinan maksimum dekat dengan yang kami tetapkan secara sewenang-wenang dalam pembuatan angka acak. Mari kita bandingkan data kami menggunakan QQ-Plot dengan distribusi Weibull hipotetis dengan parameter yang telah kami perkirakan
fitdistr
:Poin-poinnya selaras dengan baik pada garis dan sebagian besar dalam amplop kepercayaan-95%. Kami akan menyimpulkan bahwa data kami kompatibel dengan distribusi Weibull. Ini diharapkan, tentu saja, karena kami telah mengambil sampel nilai-nilai kami dari distribusi Weibull.
Makalah ini berisi daftar lima metode untuk memperkirakan parameter distribusi Weibull untuk kecepatan angin. Saya akan menjelaskan tiga dari mereka di sini.
Dari cara dan standar deviasi
Kuadrat-terkecil cocok dengan distribusi yang diamati
Kecepatan angin median dan kuartil
Perbandingan keempat metode tersebut
Berikut adalah contoh dalam
R
membandingkan empat metode:Semua metode menghasilkan hasil yang sangat mirip. Pendekatan kemungkinan maksimum memiliki keuntungan bahwa kesalahan standar dari parameter Weibull diberikan secara langsung.
Menggunakan bootstrap untuk menambah interval kepercayaan titik ke PDF atau CDF
Kita dapat menggunakan bootstrap non-parametrik untuk membangun interval kepercayaan searah di sekitar PDF dan CDF dari perkiraan distribusi Weibull. Ini sebuah
R
skrip:sumber
distribution=weibull
dari paket mobil, yang akan sesuai dengan paramaters melalui MLE & membuat plot-qq dalam 1 langkah.car
menghitung parameter MLE secara otomatis. Jika saya menghasilkan variabel acak dengan distribusi weibull (rweibull
) dan menggunakan perintahqqPlot(rw, distribution="weibull")
saya mendapatkan pesan kesalahan yang mengatakan bahwa harus memberikan parametershape
danscale
untukqqPlot
. Apakah saya melewatkan sesuatu?