使用 optim 来最大化 r 中的可能性的错误

Question

所以，我有这些功能：

funk1 <- function(a,x,l,r) {
x^2*exp(-(l*(1-exp(-r*a))/r))}

funk2 <- function(x,l,r) {
sapply(x, function (s) {
integrate(funk1, lower = 0, upper = s, x=s, l=l, r=r)$value })}  

用来解释y中的数据，

z <- data.frame(ts = 1:100,
            y = funk2(1:100, l = 1, r = 1) + rpois(100, 1:100))

我希望使用 optim 来最大化似然性，所以我定义了似然函数：

LL_funk <- function(l,r) { 
n=nrow(z)
R = sum((funk2(ts,l,r) - y)^2)
logl = -((n/2)*log(R))
return(-logl)
} 

我尝试使用 optim 来适应

fit <- optim(par=c(0.5,0.5), fn= LL_funk, method="Nelder-Mead")

但我得到一个错误：

 Error in integrate(funk1, lower = 0, upper = s, x = s, l = l, r = r) : 
 a limit is missing 

我不知道为什么？我可以运行 nls 拟合 funk2(x,l,r) 到 y

nls(y ~ funk2(ts,l,r), data = z, start = list(l = 0.5, r = 0.5))

这意味着 funk2 正在工作。我想这是我设计的 LL 函数的问题，我无法弄清楚！请帮忙！

Answer 1

是的！您的功能有两个问题。这对我有用：

LL_funk <- function(params) { 
  n=nrow(z)
  l = params[1]
  r = params[2]
  R = sum((funk2(z$ts,l,r) - z$y)^2)
  logl = -((n/2)*log(R))
  return(-logl)
}

以前的问题：

• LL_funk 只接受 1 个参数，即参数向量。
• 在分配 R、ts 和 y 的 LHS 中，实际上并未引用数据集中的列。