使用fitdistrplus拟合泊松二项分布时遇参数匹配错误求助

报错核心原因 #

你遇到的问题本质有两点：

• fitdist默认仅支持拟合标量参数的分布，而dpoibin的pp是向量型参数，工具内部的参数检查机制无法识别这种类型的参数传递。
• 直接拟合与样本量数量相同的向量参数（比如你的示例中10个观测对应10个pp元素），统计上属于过拟合，没有实际意义。

临时验证方案（不推荐实际使用） #

如果只是想绕过参数检查验证函数调用逻辑，可以自定义包装函数，把向量参数拆成多个标量参数传入：

library(fitdistrplus)
library(poibin)
set.seed(123)

# 生成示例数据
dd <- rpoibin(10, pp=seq(0.1, 0.5, length.out=10))

# 自定义包装函数，将pp拆分为单个标量参数
dpoibin_wrap <- function(x, p1, p2, p3, p4, p5, p6, p7, p8, p9, p10) {
  pp_vec <- c(p1, p2, p3, p4, p5, p6, p7, p8, p9, p10)
  dpoibin(x, pp_vec)
}

# 设置10个标量参数的初始值
start_vals <- as.list(runif(10))
names(start_vals) <- paste0("p", 1:10)

# 执行拟合（注意：此方法会导致过拟合，仅作演示）
ret <- fitdist(dd, distr=dpoibin_wrap, start=start_vals)

合理的拟合方案（推荐） #

实际应用中，我们通常假设所有伯努利试验的成功概率pp来自某个共同的分布（比如Beta分布），然后拟合该分布的参数，避免过拟合。以下是基于Beta分布假设的拟合示例：

library(poibin)
set.seed(123)
dd <- rpoibin(10, pp=seq(0.1, 0.5, length.out=10))

# 定义边际对数似然函数（蒙特卡洛近似）
log_lik_beta <- function(params, data, n_trials=10) {
  shape1 <- params[1]
  shape2 <- params[2]
  # 参数约束：Beta分布的形状参数必须大于0
  if (shape1 <= 0 || shape2 <= 0) return(-Inf)
  
  total_ll <- 0
  # 对每个观测值计算边际对数似然
  for (x in data) {
    # 生成1000组符合Beta分布的pp向量
    pp_mat <- rbeta(n_trials * 1000, shape1, shape2)
    dim(pp_mat) <- c(1000, n_trials)
    # 计算每组pp对应的泊松二项分布密度
    dens <- apply(pp_mat, 1, function(pp) dpoibin(x, pp))
    # 取平均作为边际密度的估计，累加对数似然
    total_ll <- total_ll + log(mean(dens))
  }
  return(total_ll)
}

# 使用optim拟合Beta分布的形状参数
init_params <- c(shape1=1, shape2=1)
fit_result <- optim(init_params, log_lik_beta, data=dd, n_trials=10, 
                    control=list(fnscale=-1))  # fnscale=-1表示最大化对数似然

# 查看拟合结果
fit_result

补充说明 #

如果你的pp有已知的结构（比如线性变化p_i = a + b*i），也可以基于该结构定义包装函数，拟合结构中的标量参数（比如a和b），这种方式同样能避免过拟合。

内容的提问来源于stack exchange，提问作者Tad Dallas