拓端tecdat|在R语言和Stan中估计截断泊松分布

原文链接：http://tecdat.cn/?p=6534

原文出处：拓端数据部落公众号

数据

这是一个非常简化的例子。我模拟了1,000个计数观察值，平均值为1.3。然后，如果只观察到两个或更高的观察，我将原始分布与我得到的分布进行比较。

由此代码生成：

 # 原始数据：
set.seed(321)
a <- rpois(1000, 1.3)# 数据的截断版本：
b <- a[ a > 1]# 图形：
data_frame(value = c(a, b),ggplot(aes(x = value)) +(binwidth = 1, colour = "w
# 模型拟合原始模型效果很好：
mean(a)(a, "Poisson")# 截断版本效果一般
mean(b)
fitdistr(b, "Poisson")

估计lambda完整数据（a）的关键参数效果很好，估计值为1.347，刚好超过1.3的真实值的一个标准误差。

最大似然

在fitdist中使用dpois和ppois函数的截断版本。

#-------------在R中使用MLE拟合-------------------
dtruncated_poisson <- function(x, lambda) {
}
ptruncated_poisson <- function(x, lambda) {
}fitdist(b, "truncated_poisson", start = c(lambda = 0.5))

请注意，要执行此操作，我将下限阈值指定为1.5; 因为所有数据都是整数，这实际上意味着我们只观察2或更多的观察结果。我们还需要为估计值指定一个合理的起始值lambda，不让误差太大。

贝叶斯

对于替代贝叶斯方法，Stan可以很容易地将数据和概率分布描述为截断的。除了我x在这个程序中调用的原始数据之外，我们需要告诉它有多少观察（n），lower_limit截断，以及表征我们估计的参数的先验分布所需的任何变量。

以下程序的关键部分是：

在data中，指定数据的x下界为lower_limit
在model中，指定x通过截断的分布T[lower_limit, ]

data {int n;int lower_limit;int  x[n];real lambda_start_mu;real lambda_start_sigma;
}parameters {reallambda;
}model {lambda ~ normal(lambda_start_mu, lambda_start_sigma);for(i in 1:n){x[i] ~ poisson(lambda) T[lower_limit, ];}
}

以下是从R向Stan提供数据的方式：

#-------------从R中调用Stan--------------
data <- list(x = b,lower_limit = 2,n = length(),lambda_start_sigma = 1
)fit <- stan("0120-trunc.stan", data = data, cores = 4)plot(fit) + labs(y = "Estimated parameters") +theme_minimal(base_family = "myfont")

结果提供了lambda与fitdistrplus方法估计的后验分布：1.35，标准偏差为0.08。置信区间的图像：

最受欢迎的见解

1.R语言泊松Poisson回归模型分析案例

2.R语言进行数值模拟：模拟泊松回归模型

3.r语言泊松回归分析

4.R语言对布丰投针（蒲丰投针）实验进行模拟和动态可视化

5.用R语言模拟混合制排队随机服务排队系统

6.GARCH（1,1），MA以及历史模拟法的VaR比较

7.R语言做复杂金融产品的几何布朗运动的模拟

8.R语言进行数值模拟：模拟泊松回归模型

9.R语言对巨灾风险下的再保险合同定价研究案例：广义线性模型和帕累托分布Pareto distributions