R语言fitdist拟合分布mle参数估计错误码100问题求解

• 你使用的fitdist默认采用极大似然估计(MLE)，你的数据数值跨度极大（最小值仅为6，最大值超过13000）、偏态极强，默认的初始参数设置不合理，导致optim优化迭代过程中出现非有限数值，参数估计失败返回错误码100。
• 代码存在冗余问题：重复定义两次fg对象、基础绘图参数par(mfrow)对后续ggplot类绘图完全不生效，虽不直接触发报错但属于不规范写法。

方案1：换用矩估计法拟合（最稳定，无需设置初始值） #

矩估计根据样本矩直接推导分布参数，不需要优化迭代，对这类偏态数据适配性更强，修改fitdist的method参数为"mme"即可，完整可运行代码如下：

library(fitdistrplus)
library(patchwork)
library(ggplot2)

# 统一使用矩估计拟合三类分布
fg <- fitdist(d$df, "gamma", method = "mme")
fln <- fitdist(d$df, "lnorm", method = "mme")
fw <- fitdist(d$df, "weibull", method = "mme")

plot.legend <- c("Weibull", "lognormal", "gamma")

a <- denscomp(list(fw, fln, fg), legendtext = plot.legend, plotstyle = "ggplot")
b <- qqcomp(list(fw, fln, fg), legendtext = plot.legend, plotstyle = "ggplot")
c <- cdfcomp(list(fw, fln, fg), legendtext = plot.legend, plotstyle = "ggplot")
d <- ppcomp(list(fw, fln, fg), legendtext = plot.legend, plotstyle = "ggplot")

a+b+c+d

方案2：保留MLE拟合，手动设置初始参数 #

如果需要使用极大似然估计的结果，可以根据样本统计量手动推导gamma分布的初始参数传入，避免优化初始值偏离合理区间：

# 计算gamma分布初始参数：shape = (均值^2)/方差，rate = 均值/方差
mu <- mean(d$df)
var <- var(d$df)
start_params <- list(shape = mu^2/var, rate = mu/var)

# 传入初始参数拟合
fg <- fitdist(d$df, "gamma", start = start_params)
# 其余两类分布拟合、绘图代码和方案1一致

方案3：更换优化算法 #

也可以指定更稳定的优化算法、设置参数边界避免出现非有限值：

fg <- fitdist(d$df, "gamma", 
              optim.method = "Nelder-Mead", 
              lower = c(shape = 0, rate = 0))

内容的提问来源于stack exchange，提问作者stats_noob