我有一個形式模型:y = x + noise。我知道'y'和噪音的分佈,並希望有'x'的分佈。所以我試圖用R去卷積分佈。我發現了2個軟件包(decon和deamer),我認爲這兩種方法應該差不多,但我不明白爲什麼使用DeconPdf解卷積給我提供了一個類似於正態分佈的東西,使用deamerKE去卷積會給我一個均勻的分佈。下面是一個例子代碼:用R解卷積(decon和deamer包)
library(fitdistrplus) # for rweibull
library(decon) # for DeconPdf
library(deamer) # for deamerKE
set.seed(12345)
y <- rweibull(10000, shape=5.780094, scale=0.00204918)
noise <- rnorm(10000, mean=0.002385342, sd=0.0004784688)
sdnoise <- sd(noise)
est <- deamerKE(y, noise.type="Gaussian",
mean(noise), sigma=sdnoise)
plot(est)
estDecon <- DeconPdf(y, sdnoise, error="normal", fft=TRUE)
plot(estDecon)
編輯(響應Julien Stirnemann):
我不知道如何重新參數化。我的實際問題是: 我有理論上可以描述爲f(RT)= g(鑑別時間)+ h(選擇時間)的反應時間(RT),其中f,g和h可以是那些時間值的變換。 我的數據集中有「RT」和「歧視時間」值。我對選擇時間或h(選擇時間)感興趣。通過核密度估計,我發現威布爾分佈最適合1/RT值,而正態分佈最適合1 /(鑑別時間)。 這就是爲什麼我可以寫我的問題爲1/RT = 1 /(鑑別時間)+ h(選擇時間)或y = x +噪聲(我認爲噪聲爲1 /(鑑別時間))。模擬那些反應時間給了我下面的分佈與以下參數:
y <- rweibull(10000, shape=5.780094, scale=0.00204918)
noise <- rnorm(10000, mean=0.002385342, sd=0.0004784688)
什麼意思與重新參數化?使用不同的值例如爲比例參數?
你說我希望去卷積的信號介於0和〜0.3之間。只使用從0到0.3的邊界不會給我一個與1積分的密度,不是嗎?我在問自己是否應該考慮升級密度呢? – Giuseppe