Bom dia! Estou verificando o ajuste da distribuição gama a um conjunto de dados. Tenho utilizado o programa Maple para calcular as estimativas dos parâmestros e feito o restante da análise no R. Gostaria de saber como faço calculo os estimadores de máxima verossimilhança da distribuição gama no R. Desde já agradeço. Att., Ana Paula
Algumas das opções conhecidas: 1. MASS::fitdistr() 2. glm(..., family=gamma) 3. nlm() 4. optim() 5. bbmle::mle2() Os dois primeiros você não precisa escrever a função de log-verossimilhança. Nos demais você precisa escrevê-la, a vantagem é poder usar a parametrização que quiser e não a implementada. O 1 é para uma amostra sem covariáveis, o 2 permite um modelo de regressão. O 3 em diante vai do que o usuário quiser, pode ser modelos de efeitos aleatórios, preditores não lineares, com estrutura de covariância, enfim, só passar a log-verossimilhança correspondente ao modelo assumido. Exemplos sobre a gama disponíveis no material online do Curso *Métodos Computacionais para Inferência Estatística* de Bonat e colaboradores. página: *http://www.leg.ufpr.br/doku.php/cursos:mcie <http://www.leg.ufpr.br/doku.php/cursos:mcie>* pdf recente: *http://www.leg.ufpr.br/~paulojus/mcie/masterSINAPE-2012-08-13.pdf <http://www.leg.ufpr.br/~paulojus/mcie/masterSINAPE-2012-08-13.pdf>*, sessão 2.11 página 62 À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 skype: walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================
Obrigada Walmes! Date: Tue, 17 Jun 2014 11:56:35 -0300 From: walmeszeviani@gmail.com To: r-br@listas.c3sl.ufpr.br Subject: Re: [R-br] EMV Gama Algumas das opções conhecidas: 1. MASS::fitdistr() 2. glm(..., family=gamma) 3. nlm() 4. optim() 5. bbmle::mle2() Os dois primeiros você não precisa escrever a função de log-verossimilhança. Nos demais você precisa escrevê-la, a vantagem é poder usar a parametrização que quiser e não a implementada. O 1 é para uma amostra sem covariáveis, o 2 permite um modelo de regressão. O 3 em diante vai do que o usuário quiser, pode ser modelos de efeitos aleatórios, preditores não lineares, com estrutura de covariância, enfim, só passar a log-verossimilhança correspondente ao modelo assumido. Exemplos sobre a gama disponíveis no material online do Curso Métodos Computacionais para Inferência Estatística de Bonat e colaboradores. página: http://www.leg.ufpr.br/doku.php/cursos:mcie pdf recente: http://www.leg.ufpr.br/~paulojus/mcie/masterSINAPE-2012-08-13.pdf, sessão 2.11 página 62 À disposição. Walmes. ========================================================================== Walmes Marques ZevianiLEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paranáfone: (+55) 41 3361 3573 skype: walmeszevianihomepage: http://www.leg.ufpr.br/~walmes linux user number: 531218========================================================================== _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forne�a c�digo m�nimo reproduz�vel.
participantes (2)
-
ana paula coelho madeira -
walmes .