使用一組樣本對新值進行插值

我是R新手。有一組樣本以及目標，我希望擬合一個數值函數來解決新樣本的目標。我的樣品是表示在這個地方用戶停留的持續時間（秒）：使用一組樣本對新值進行插值

>b <- c(101,25711,13451,19442,26,3083,133,184,4403,9713,6918,10056,12201,10624,14984,5241, 
+21619,44285,3262,2115,1822,11291,3243,12989,3607,12882,4462,11553,7596,2926,12955, 
+1832,3539,6897,13571,16668,813,1824,10304,2508,1493,4407,7820,507,15866,7442,7738, 
+5705,2869,10137,11276,12884,11298,...)

首先，我將它們轉換爲小時的3600分，我想，以適應功能持續時間的PDF：

> b <- b/3600 
> hist(c,xlim=c(0,13),prob=T,breaks=seq(0,24,by=0.5)) 
> lines(density(x), col=red)

enter image description here

我想，以適應圖中的紅線，並插入新的值來找到這個地方的具體時間的概率說，p（持續時間=1.5小時）。

感謝您的關注！

來源

2013-03-23 zoujyjs

如果您知道分配的似然函數，請嘗試'MASS：fitdistr'或'optim'。 – 2013-03-23 08:06:47

...並注意單點上的概率密度爲零，你必須定義一個區域，即'p（持續時間<1.6和持續時間> 1.4）'。 – 2013-03-23 08:11:22

爲什麼不使用密度''像'dd < - density（b）; sum（dd $ y [dd $ x <1.5]）/ sum（dd $ y）'' – agstudy 2013-03-23 10:04:34

如上所述，您可以在MASS包中使用fitdistr。如果您使用連續分配，您將有時間在一個區間內的概率。如果你使用離散分佈，你可以計算一定時間的概率（以小時爲單位）。

對於連續的情況，您可以使用Gamma分佈：fitdistr(b, "Gamma")會給出參數估計值，然後您可以使用pgamma以及這些估計值和間隔。

對於離散情況，您可以使用泊松分佈：fitdistr(b, "Poisson")，然後dpois函數與估計值和所需的值。

要決定使用哪一個，我只需使用直方圖繪製pdf並觀察一下。

來源

2013-03-23 20:50:15

我想我們應該更多在這裏小心......你爲什麼選擇gamma分佈？他的密度可以是任何東西。沒有進一步的知識，我會建議一個非參數密度估計器，使用內核或者可能只是直方圖。 – 2013-03-23 21:40:46

是的。我只是看着他提供的直方圖來說伽瑪。當然這是需要考慮的事情，但我想他應該決定什麼是正確的。 – 2013-03-23 21:51:15

使用一組樣本對新值進行插值

回答

相關問題