更新时间2018-05-01 14:50:49
> escale<-numeric(s)
> eshape<-numeric(s)
> for (i in 1:s){
+ data <- rweibull(500, scale,shape)
+ fr<- function(par)
+ -sum(dweibull(data, scale= par[1], shape= par[2], log = TRUE))
+ temp <-nlminb(c(3,2), fr,control = list(iterations=800),lower =0.0001, upper = Inf)
+ escale[i] <- temp$par[1]
+ eshape[i] <- temp$par[2] }
There were 50 or more warnings (use warnings() to see the first 50)
> ## Bias
> mean(escale) - scale ????
+ mean(eshape) - shape
Contacting Delphi...the oracle is unavailable.
We apologize for any inconvenience.
> ## Mean Squared Error
> (mean(escale) - scale)^2 + var(escale)
[1] 1.006581
> (mean(eshape) - shape)^2 + var(eshape)
[1] 1.021945
可以考虑使用bootstrap的方法,这种方法结合最大似然法就可以给出待估参数的标准差(其实是该参数的整个分布).但是,我不知什么软件来实现。如果是我就自己编程罗。
参数标准差就是信息阵的相应对角元(例如,如果是第一个参数那么就是对角线第一个数)的开方