r - 带参数数组的 MLE 函数

Question

我想知道在数组中给出拟合参数时如何在 R 中进行最大似然估计。当参数数量很大时需要这样做。所以基本上，为了拟合数据 x 的正态分布，我想做如下事情

LL <- function(param_array) {
   R = dnorm(x, param_array[1], param_array[2])
  -sum(log(R))
}

mle(LL, start = list(param_array = c(1,1)))

(而不是在 http://www.r-bloggers.com/fitting-a-model-by-maximum-likelihood/ 的第一部分中的原始代码)
如果我运行上面的代码，我会得到一个错误

Error in dnorm(x, param_array[1], param_array[2]) : argument "param_array" is missing, with no default

谁能让我知道如何以正确的方式实现我想要的？

Answer 1

stats4::mle不是一个很长的函数，你可以在你的 R 控制台中检查它:

> stats4::mle

注意如何 start被处理:

start <- sapply(start, eval.parent)
nm <- names(start)

案例 1

如果你这样做:

LL <- function(mu, sigma) {
   R = dnorm(x, mu, sigma)
  -sum(log(R))
}

mle(LL, start = list(mu = 1, sigma = 1))

你得到:

nm
#[1] "mu"  "sigma"

还，

formalArgs(LL)
#[1] "mu"  "sigma"

案例 2

如果你这样做:

LL <- function(param_array) {
   R = dnorm(x, param_array[1], param_array[2])
  -sum(log(R))
}

mle(LL, start = list(param_array = c(1,1)))

你得到

nm
#[1] NULL

但

formalArgs(LL)
#[1] param_array

问题

函数的评估 LL内 stats::mle是通过匹配 nm到 LL 的形式论证.在 案例 1 ，匹配没有难度，但在 案例 2 你没有匹配，因此你将无法评估 LL .

So what do people do if they have like 50 parameters? Do they type them in by hand?

经过仔细思考，这不是一个虚假的论点吗？如果真的有50个参数，使用数组真的省力吗？

首先，在您的函数内部 LL , 你必须指定 param_array[1] , param_array[2] , ..., param_array[50] ，即您仍然需要手动将 50 个参数输入到正确的位置。当指定 start 时，您仍然需要逐个输入长度为 50 的向量，对吗？与不使用数组而是使用列表相比，这不是相同的工作量吗？